基于小波包变换的图像融合技术的应用

阐述了基于小波包变换的图像融合算法，并对基于像素的融合规则与基于区域的局部方差融合规则作了论述．在此基础上，发展了一类修正后的局部方差对比的融合规则．通过对一混凝土梁构件内模拟的缺陷进行红外探测并进行图像融合，结果表明：对于探测梁内部缺陷，采用小波包变换的融合算法图像不仅充分结合了融合前图像的信息，边缘信息也更为细腻．另外，小波包分解层数对图像融合效果有着重要的影响．通过对加噪声红外图像的融合算例表明：随着小波包分解层数的递增，融合质量却逐渐下降．当分解层数在1～2层时，融合效果比较理想．     

融合显示红外在线监测系统的研究

图像融合是信息融合领域的一个热点．图像融合的目的是把来自多传感器数据的互补信息合并，形成一幅新的图像，以便更好地增强监视和侦察之类的视觉感知．红外在线监测以远距离、非接触、实时、快速等方式获取设备的运行状态信息，进而及时地排除故障．本文提出了基于融合显示的红外在线监测系统组成方案，描述了图像融合的基本概念、层次以及应用价值；其次，通过分析红外图像与可见光图像融合的特点，并据此给出本实验融合方法的选择原则；最后，讨论了基于小波变换实现图像融合的原理并给出红外热像和可见光图像的融合效果；通过模拟实验，证明了图像融合技术在热故障的准确定位上有很高的实用价值。     

一种基于小波系数方差的语音端点检测方法

首先分析讨论了小波变换的原理,在此基础上提出了一种利用小波系数方差识别含噪语音信号中静音与语音的新算法。算法首先对含噪语音进行小波分解,观察各层小波系数的统计特性,提取它们的方差作为检测特征,从而进行语音端点检测。对该算法进行了仿真实验,并与传统的基于能量与过零率的端点检测算法进行了比较。实验结果表明:该算法在低信噪比条件下也能够有效分割语音。     

利用运算矩阵数值求解常微分方程的改进方法

给出一种基于Haar小波积分运算矩阵求解常微分方程的改进方法,称之为区间分段法.在相同误差条件下,该方法计算速度更快,同时,对于不同的子区间,可根据精度的要求来设定离散点数,增加了应用的灵活性.     

框架和Riesz基的稳定性

从两方面讨论了Hilbert空间中框架和Riesz基的稳定性：在满足一定条件Bessel序列的扰动下，框架和Riesz基在Hilbert空间中的稳定性；把框架和Riesz基与小波结合起来，在母小波、采样序列的扰动下，小波框架和小波Riesz基在L^2（R）空间中的稳定性．对有关文献的相关结论进行了推广，目的在于可以根据框架的稳定性，设计或者选择一个更优的框架来精确地逼近信号．     

基于信息熵窗的小波低频子带弱目标图像的增强

采用信息熵窗小波低频子带分析的方法，目的是对缺乏足够能量的低照度和低对比度图像进行增强．选择适合的正交小波函数，可使图像的低频子带大幅度提升，对高频子带适度抑制，在信息熵窗系数的调配下实现了图像的增强处理．在小波重构后，获得了具有清晰边缘和良好对比度的图像．实验表明，采用信息熵窗的小波分析方法来增强弱目标图像能够产生良好的效果，对比度增强效率比传统增强方法提高80％以上．     

基于特征评估和神经网络的机械故障诊断模型

为了克服在无先验知识的情况下，人为选择时域无量纲指标作为故障敏感特征的盲目性，提出了一种基于特征评估和径向基函数（RBF）神经网络的机械故障诊断模型．该模型分别采用小波包和经验模式分解方法对原始振动信号进行分解，分别提取原始信号和各分解信号的时域无量纲指标组成联合特征，然后对联合特征进行评估，计算评估因子，并根据评估因子的大小选取敏感特征作为RBF神经网络的输入，实现对机器不同状态的自动识别．实验结果和工程应用表明，这种集成了小波包、经验模式分解、特征评估方法和RBF神经网络的机械故障诊断模型能够精细地获取故障信息，从大量的故障特征中筛选出敏感特征，因而减小了网络规模，提高了分类准确率，具有很强的鲁棒性．     

基于小波变换的能量和方差分析图像压缩方法

在对图像进行小波包分解的基础上实现图像压缩.根据小波系数的分布特点严格推导得出:可以用能量和方差作为衡量小波系数重要性的标准,并据此对系数矩阵块进行选择分组,自适应地进行量化,而且不同的量化方式可以共用码表;对低频部分扰动足够小的区域取均值,结合提出的存储方法,在不引入误差的情况下减少了编码负担,在保证图像质量的同时有效提高了压缩比.     

基于小波分析的变频调速电动机运行噪声-负载特性

分析了交-交变频器输出电压、电流和时间谐波磁势的谐波族特征,指出了该特征对电动机运行噪声的影响。提出了一种改进M allat算法,并运用该算法对运行噪声进行了小波分析。该算法的计算量和占用的存储空间较标准M allat算法均减少了49.6%。同时,运用基于小波分析的频带能量法提取运行噪声的特征。经实验验证:电动机负载增加,运行噪声的86~172H z频带能量呈现一致性增加,该频带能量可以作为反映负载变化的主要特征。     

一种新的基于小波变换的EEG视觉伪信号修正方法

提出了一种在基准EEG信号和视觉信号未知条件下,基于小波阈值去噪的方法来修正EEG信号中出现的视觉伪信号(OA)的新方法。这种方法实现了对原始EEG信号进行平稳小波变换(SW T);对低频系数进行两次阈值去噪;对去噪后的信号进行重构。实验结果表明:这种新方法在基准EEG信号和视觉信号未知条件下能有效去除OA,同时适用于眨眼和眼球运动所产生的伪信号。通过不同方法对采集的信号处理后进行比较,说明该方法的有效性。