多进制Haar与斜Haar小波在纹理分类中的应用

基于Walsh变换和斜变换给出了一种构造多进制Haar小波和多进制斜Haar小波的方法,并利用这些变换特有的快速算法加快了小波分解速度．实验中用该类小波分解图像,然后提取纹理图像的特征量,使用最小距离分类器进行纹理分类并比较了构造出来的各类小波的分类正确率,给出了选择小波基的原则．实验结果表明多进制斜Haar小波滤波器组具有更佳的分类效果．     

小波分析在织物起毛起球客观评级中的应用

本文将小波分析方法应用于织物起毛起球图像分析,建立了基于二维离散小波变换的织物起球图像分析模型,提出了优化分析小波及相应的分析尺度的步骤,并利用Haar小波的方波形状与机织物的织纹结构具有相似性的原理,采用Haar小波对机织物起毛起球进行了分析,给出了织物起毛起球客观评定方法.     

多尺度小波边缘检测算法研究

根据采用小波变换提取图像边缘的多尺度特性,对小波多尺度间的相关性进行了分析,提出多尺度小波变换相关算子,分析了相关算子的滤波特性,利用相关算子对图像的多尺度边缘信息进行了优化。既保留了图像中重要的细节边缘信息,又剔除大量的冗余边缘和虚假边缘,有效地提取出了图像的特征边缘。     

基于非下采样小波与方向上下文滤波的图像边缘检测

提出了一种新的基于小波变换和方向上下文滤波的图像边缘检测方法：采用非下采样小波变换方法生成图像的梯度图像,采用方向上下文滤波技术提取出图像的边缘．实验结果表明：该方法能够有效地抑制噪声干扰,在图像被较强噪声污染时仍能满意地提取到图像的真实边缘。     

基于脊波变换的手指静脉图像增强研究(英文)

针对人体手指静脉图像的结构和特点,提出一种基于脊波变换的图像增强算法。该算法对手指静脉图像小波域各高频子带系数进行脊波变换,利用非线性新脊域系数确定法对脊域系数进行处理,然后对各高频子带进行脊波逆变换和小波图像重构。该算法对手指静脉二维曲线奇异处理、边缘增强等具有较好的效果,克服了小波变换在高维曲线奇异和方向选择上的不足。通过与传统的二维离散小波变换边缘增强法和自适应调整系数的脊波变换方法作比较,实验结果表明本算法具有更好的手指静脉图像效果。     

基于小波分析的朗奇图像处理优化研究

为了得到效果更佳的朗奇图像,提出了一种运用小波分析来处理大口径非球面镜图像的方法选取半通光口径为300mm,的大口径非球面进行了测量．首先利用Matlab对原始图像进行一层小波变换、二层小波变换,再对初步优化后的图像进行恢复处理,即小渡去噪优化后的图像经过分析计算．将其波像差的峰谷值、方均根值与Zygo干涉仪进行了对比,并讨论了测量结果,实验表明：小波分析处理朗奇图像的方法是有效的．优化后的朗奇图像较未处理图像边缘更为清晰、光滑,实验数据更接近于Zygo干涉仪的结果。     

基于光学Morlet小波滤波的指纹边缘增强研究

提出了一种基于光学Morlet小波的指纹滤波方法,给出了Morlet小波滤波器对输入指纹图像实现边缘增强的计算机模拟结果,同时将计算机编程生成的Morlet滤波器应用在光学4f系统中,输出平面将获得指纹图像的边缘提取.实验结果表明:本文给出的这种方法能够达到图像边缘增强的效果,同时又利用了光学方法快速并行的优点.这一研究结果有助于提高指纹识别的速度.     

基于小波变换的X-射线图像边缘检测

讨论了小波变换在图像边缘检测中的应用，并且根据X－射线图像的特点，利用三次样条二进小波，采用Mallat快速算法进行小波分解，成功的检测出了X－射线图像的边缘。     

基于小波和阈值的图像压缩方法及实现

主要探究基于haar小波分析的图像的分解与重构，并用MATLAB6．5数学软件工具设计了不同阈值下的小波变换和重构图像过程，从中得出，选择合适的小波变换及其阈值的设置是一个至关重要的问题．小波选取的阈值越大，重构图像的失真程度越高，在相同阈值下，haar小波重构图像要比db9小波的重构图像文件小得多，因此haar小波是一种较为有效的图像压缩方法。     

基于改进二进制小波变换的图像边缘检测算法

针对传统二进制小波变换在图像边缘检测应用中的不足，提出了基于改进二进制小波变换的图像边缘检测算法．该算法首先按水平、垂直和对角方向对图像进行改进的多尺度二进制小波变换，提取三个方向的小波系数，然后采用相邻尺度小波系数相乘的方法去除图像的噪声．再对去噪后的小波系数乘积极大值点进行检测，最后将这3个方向上的极大点进行融合，形成图像的边缘．     

用Haar小波联合变换相关器进行模式识别

在联合变换相关器中应用Harr小波滤波器进行模式识别，并利用参考自相关谱抽取的方法来削弱零级直流发量，模拟结果表明，可以有效提高系统的抗噪声能力和鉴别率。     

基于非规范二维Haar小波变换WSN数据管理

提出基于非规范二维Haar小波变换的无线传感器网络管理结构,以减少传感器节点间的数据传输量.利用小波变换将数据在不同尺度上分解生成小波系数以进行传输,对小波系数进行重构可还原原始数据.基于非规范二维Haar小波分解算法实现了数据汇聚,基于非规范二维Haar小波逆变换算法实现了数据重构.使用MATLAB仿真表明,基于非规范二维小波变换的数据管理结构能够在保持数据原有特征的同时,大大减少网络的数据传输量.     

基于Haar小波提升的2.4kbit/s CWI语音编码算法

提出一种基于Haar小波提升的2.4 kbit/s特征波形内插(CWI)语音编码算法.将特征波离散时间傅里叶级数(DTFS)得到的幅度谱转化为离散余弦变换(DCT)系数,用Haar小波提升实现特征波的多级分解与重建.利用相位谱间距的均值和基音周期增益联合判断浊音度标志,用于进行相位选择和离散余弦变换系数的选择性量化.主观A-B听音实验表明,该语音编码算法音质优于传统的3.8 kbit/s CWI编码器,在较低码率上获得较为满意的合成音质,且Haar小波提升特征波形分解与重建方法解决了传统小波变换CWI算法延时较大的问题.     

基于Harr小波提升格式的图像压缩方法

提出了一种哈达玛变换,离散余弦变换和小波变换相结合的混合型编码,即先采用哈达玛变换对图像压缩,再对处理后的图像用离散余弦进行压缩,最后采用提升Haar小波格式对图像进行了压缩,并引入零树小波分析,得到最优小波树。仿真结果表明,所提出的方法在灰度图像压缩效果方面优于一些传统的压缩方法。     

基于双正交小波包的图像压缩研究

介绍了小波变换的图像压缩模型和小波包在图像压缩中的优势,深入研究了双正交小波包在图像压缩中的分解与重构算法,构造了基于Shannon熵准则的双正交小波最优基,并应用MATLAB软件进行仿真实验,分析比较了双正交小波包和haar小波在指纹图像压缩中的性能,表明双正交小波包在边缘突变检测方面具有优良的性能。     

利用光学小波变换对血红细胞识别的Matlab仿真

将光学图像识别技术应用于生物目标的探测,用光学小波变换识别多个血红细胞,以提高系统的识别力。在光学联合变换相关器中,通过空间频谱面上的小波滤波可以实现光学小波变换,构建光学小波联合变换相关器。Matlab仿真结果表明,与传统的联合变换相关器相比,由于小波变换的引入,相关峰尖锐,峰噪比明显增强,峰的半宽度显著减小,在多目标识别中不同位移目标不易受干扰,提高了目标探测能力。     

基于小波变换的调制自动识别新方法研究

在小波分析的理论基础上,提出使用高斯(Gaussian)小波进行连续小波变换,进而提取信号的小波变换后的幅度,获取其瞬时特征,达到识别MPSK(M-ary Phase Shift Keying)与MFSK(Multi-Frequency Shift Keying)信号的目的,从而在不需要先验知识的情况下识别接收信号的调制方式的目的.验证该方法较现有文献利用Haar小波变换识别信号方法具有更好的性能,而且克服了现有文献采用Haar小波变换识别调制信号的漏检问题,提高了运算速度和性能,并有效增加了小波变换识别调制信号方法的适用性.通过理论分析和计算机仿真证实了新方法的有效性和优越性.     

基于小波变换的弹射加速度滤波分析

根据小波分解与重构理论，对弹射加速度信号进行多尺度的小波变换，即用不同中心频率的带通滤波器对信号滤波，把主要反映噪声频率的那些尺度的小波变换去掉，再把剩余各尺度的小波变换结合起来，作小波重构变换，从而得到较好地抑制了噪声的信号。     

基于OMNeT++的无线传感器网络数据压缩仿真设计

利用Haar小波变换进行模拟实验,实现了基于OMNeT++的无线传感器网络数据压缩算法的仿真架构,并对Haar小波数据压缩算法下的无线传感器网络诸参数,如能耗、压缩比和均方差等进行了仿真.仿真结果数据证明了该仿真器对算法仿真的有效性和可靠性.