基于小波包变换的三维荧光光谱数据压缩方法

基于db小波包变换,采用频率分级阈值方法对三维荧光光谱数据进行了压缩。建立了数据的小波包分解树,根据对数能量熵最小原则确定最优树,通过频率分级阈值方法对最优树中的小波包系数进行压缩,并且用实验获取的数据加以验证。实验结果表明,和小波变换相比小波包变换能够更有效地保留数据的细节信息。通过和其他阈值法比较可知,频率分级阈值法具有更好的压缩率和数据恢复能力,其压缩分数达到90%,恢复分数大于98%,谱线相对误差小于1%。平行因子分析重构光谱与原始光谱的结果表明,小波包压缩能有效保留有用信息。     

二维小波在图像压缩方面的应用

讨论了二维小波分解和重构两种算法.给出了两种算法的比较和Matlab实现过程.结果证明,只保留原始图像中低频信息的压缩方法是一种简单的压缩方法,不需要经过其他处理即可获得较好的压缩效果.运用小波树进行图像压缩时,通常在给定小波基函数条件下,阈值越大,系数为零的数目就越多,重构图像文件压缩率也越高,重构的图像失真程度亦随之增大.     

基于EZW图像压缩算法改进的可行性研究

在嵌入式零树小波编码(EZW)算法的基础上,为实现快速高质量数字图像压缩性能,探讨消除树间系数节点冗余以进一步实现压缩的可能性,并给出避免多次重复后代子孙系数节点扫描的改进策略.首先,根据EZW算法中全局阈值提取的重要系数在各子带的分布特性,给出一个各子带重要系数的自适应阈值序列.然后,依据归一化能量序列熵值进一步压缩各子带的重要系数,以实现消除小波树的树间冗余.最后,采用小波树逆编码完成对图像数据的编码输出.     

基于小波包变换及改进阈值法则的水声信号压缩

文中提出一种将小波包变换与改进的能量保留阈值法相结合的水声信号压缩方法,并讨论了该方法实现过程中小波包的选取、小波包分解算法、改进的能量保留阈值确定等问题,最后进行了仿真分析．仿真结果表明,本算法对水声信号压缩编码效果较为理想．     

基于小波和神经网络的图像压缩方法

针对图像压缩中压缩率与图像质量的折衷问题。综合利用小波变换和神经网络各自的优点,采用小波和神经网络的方法进行图像压缩．该算法先对图像进行小波分解,保留低频系数,然后将高频系数输入训练的网络进行矢量量化编码达到压缩的目的．最后根据保留的低频系数和还原的高频系数重构图像．     

一种新型高斯噪声滤波算法

为了更有效滤除数字图像中的高斯噪声,提出了一种新型滤波算法.该算法首先将含有高斯噪声的图像进行二维小波分解,得到高频和低频小波分解系数;然后保留低频小波系数不变,对高频小波系数通过维纳滤波器进行滤波,并进行小波系数重构;最后将重构图像进行多尺度小波分解,通过设定新的阈值和判别函数,弱化不重要的小波分解系数,并进行小波分...     

多尺度和多方向特征的图像去噪

提出一种基于多尺度和多方向的自适应图像阈值去噪方法。先对图像进行非下采样Contourlet变换得到不同尺度和不同方向上的变换系数,然后根据变换系数特征,引入尺度和方向阈值因子,用分解尺度系数的均值和区域能量表示图像的纹理信息。在相同分解尺度下,区域能量越大,表示该方向具有更多的纹理信息,阈值应该设置就越低,反之阈值就越大。根据尺度和方向阈值因子,自适应地确定图像去噪的阈值。最后对变换系数进行反变换,实现图像去噪。实验结果表明,与小波变换和Contourlet变换相比,保留了更多的图像轮廓细节,提高了图像的质量。     

3σ准则在小波消噪中的应用

小波多尺度分解是一种有效的信号去噪方法。对于非平稳信号的消噪，主要是选取合适的小波及每层小波系数的阈值。笔者讨论了小波消噪的机理，并提出一种新的取阈值方法。对于含噪声的非平稳信号，信号的慢变化部分主要体现在小波分解的低频系数中，而信号的突变部分和噪声主要反映在各层的高频分解系数中，利用电子测量中的3σ准则，可有效地将信号突变部分和噪声区分出来，从而在消除 同时保留信号的突变部分。     

抑制局部放电混合干扰的浮阈值量化算法

由于局部放电(PD)信号与含有的混合干扰(白噪和窄带)在能量分布频段上存在明显差异,根据小波包变换各节点分解系数能够有效反映被分析信号能量变化的特点,建立一种以反映PD信号分解系数中噪声能量为判据的浮阈值量化算法,使得最优基下各节点阈值随相应节点分解系数中信号噪声强度的变化而变化,自适应地决定各节点最佳阈值选择,以实现对PD信号分解系数更精细划分。通过对含有混合干扰的仿真与实测PD信号的小波包最优分解,分别用传统全局阈值量化算法与笔者建立的浮阈值量化算法进行了干扰抑制效果的对比,结果表明：后者具有更强的抑制混合干扰的能力,且混合干扰抑制前后PD信号波形相似度更高。     

基于小波包的图像降噪及Matlab实现

由于图像在实际应用中受大量干扰噪声影响,为了更好的利用含噪声图像,根据小波变换和噪声信号的能量分布特性,提出了一种先用小波包对含噪声图像进行多尺度分解,求出各尺度小波变换高频系数的噪声方差和阈值,确定最优小波包基,再利用各尺度的阈值对高频系数进行处理,然后利用小波变换系数重构图像,实现图像降噪的方法,并与采用全局阈值降噪方法相比较;实验结果说明采用的方法可以有效地降低噪声,又可以较好地保持图像细节.     

一种基于自适应小波变换的矢量量化方法

运用小波变换进行图像压缩的算法其核心都是小波变换的多分辨率分析以及对不同尺度的小波系数的量化和编码.本文提出了一种基于能量的自适应双正交小波变换和矢量量化相结合的算法.即在一定的能量准则下,根据子图像的能量大小决定是否进行小波分解,然后给出恰当的小波系数量化.该方法充分利用了不同尺度间小波系数的相关性并采用自组织特征映射神经网络进行矢量量化.实验表明,该方法获得较高的编码效率和重构图像质量.     

基于二维小波变换的图像压缩新算法

为了实现快速、高质量的图像传输,用尽可能少的小波系数高质量地表征图像,提出了一种基于二维小波变换的图像压缩算法.首先将图像进行二维小波分解,得到各子带的一系列小波系数;其次保留图像低频子带的所有小波系数;然后根据归一化能量序列熵准则提取其他各层子带重要系数,即在某一门限下剩余系数熵值与剩余系数最大熵值比值较大(0.9左...     

基于尺度噪声能量估计的自适应语音去噪算法

摘要：
针对语音增强技术中的信号去噪问题,提出了一种非线性小波自适应阈值去噪方法.该方法采用一个改进的阈值函数,克服了传统软、硬阈值函数的缺陷;在阈值选取规则中,引入尺度相关去噪法而自适应地选取尺度阈值,利用小波系数在空间尺度的相关性进行尺度噪声能量的估计,根据所得尺度噪声能量来选取对应尺度层中的最佳小波系数并作为该尺度的阈值;同时,应用该方法对不同强度噪声背景下的语音信号进行去噪.结果表明,其具有较好的降噪性能. 关键词：
语音信号; 滤波; 小波变换; 噪声能量; 自适应阈值 中图分类号： TN 912.3
文献标志码： A     

基于整形小波变换的零树编码算法的改进

针对整形小波变换能量集中性较差的问题,提出了基于整数平方阈值的小波图像压缩算法.该算法用整数平方阚值代替传统零树编码中2的整数幂量化阈值;通过调整码字的表示方式,充分利用游程编码的优点,在提高压缩效率的同时,简化了编码与解码的过程;使零树编码在整形小波变换中得到高效应用.     

基于小波变换的语音数据压缩的研究

语音数据压缩是为了提高信号传输和存储的效率.根据小波包变换时-频分析的特点,选取适当的小波函数将语音信号在正交小波包基下展开.由于语音信号的大部分能量集中在低频系数上,故对高频系数采用阈值量化处理,对剩余系数进行哈夫曼编码,从而完成语音数据的压缩.通过仿真分析,采用这种方法的压缩效果比较高.     

基于三重小波系数集的易损水印算法

提出一种新的基于三重小波系数集的易损水印算法.定义了三重小波系数集,根据将要嵌入的水印比特将三重小波系数集的标准差对阈值的余数量化到不同位置,提取时根据该余数所在的不同区间恢复嵌入的水印.实验结果表明,该算法能够反应对图像的篡改,指出篡改发生的空间位置并给出篡改的程度.同时,该算法对于一般的图像处理操作如JPEG压缩和中值滤波等具有一定的鲁棒性.     

一种基于小波变换与分类矢量量化的图像压缩算法

为了提高数字图像的压缩比率,提出了一种将小波变换与分类矢量量化相结合的图像压缩算法.该算法首先对图像进行小波分解,充分利用不同尺度小波系数的相关性,并对不同尺度的子图使用分类矢量,不同类使用不同大小的子码书.为了解决高维矢量在算法实现时效率较低的问题,采用非线性插值对构造好的码矢量进行降维.实验表明,该方法在提高图像压缩比的同时,降低了算法的时间复杂度,从而提高了算法的效率.     

基于小波变换的测井曲线图像预处理研究

以测井曲线图像的预处理为研究对象,利用小波变换对图像进行不同尺度的小波分解,对得到的小波系数进行不同的处理,包括小尺度下的高频系数置零、阈值处理、模极大值处理以及增加大尺度下高频系数的相对值等方法,从而达到去噪、增强等图像预处理的目的。结果表明利用小波变换对图像进行处理,可收到良好的效果。