基于奇异值分解的小波域数字水印方法

为提高不可见水印的鲁棒性,提出一种基于奇异值分解的小波域数字水印方法.该方法首先将原始载体图像进行2级小波变换,对第2级对角细节子图进行奇异值分解,得到水印嵌入位置;然后对二值图像水印进行Arnold变换和一维化处理,获得待嵌入的水印比特流,并根据该比特流和奇异值矩阵中各元素的不同组合嵌入水印;最后经小波子图重构和小波逆变换得到含水印的载体图像.实验结果表明:在噪声干扰、滤波、压缩、旋转、缩放、剪切等多种攻击下,该方法明显优于现有的一些奇异值水印方法.     

非均匀噪声分布心电信号的奇异值小波消噪法

针对一般消噪法对噪声非均匀分布心电信号消噪存在的不足,提出基于奇异值分解和小波阈值消噪相结合的消噪方法.该方法利用矩阵的奇异值分解将噪声非均匀分布的心电信号正交分解为噪声分布相对均匀的分量,在正交子空间中对每个分量进行小波阈值消噪,重构消噪后分量,得到消噪后的心电信号.研究结果表明:本方法有效地克服了因噪声分布不均匀而造成的小波阈值选择矛盾的缺点,有效地消除了大噪声区域的噪声,又完好保存小噪声区域的心电特征信息,且消噪后的信号与无噪信号之间的欧氏距离最小.     

基于小波变换和奇异值分解的图像压缩

本文首先介绍了基于小波域的奇异值压缩算法,然后提出了基于矩阵分块和阈值约束的奇异值压缩编码算法：低频子带直接进行熵编码。针对高频子带分块处理,结合各频带的能量与奇异值之间的关系,选择不同的阈值,对分块矩阵进行带阈值条件的奇异值分解方法。通过改进的算法和直接的奇异值分解进行了实验对比,在同样的压缩率的情况下可以获得更高的峰值信噪比。     

小波变换用于信号消噪

根据噪声和信号在小波变换下表现出的截然不同的性质,对分析出的噪声局部模极大值进行了相应处理,然后通过反变换重建信号,实验结果表明,这种方法计算简单且有较好的去噪效果。     

基于小波低频子带的奇异值分解的图像识别

提出一种基于小波低频子带的统一特征空间奇异值分解的人脸识别方法.首先利用小波变换提取人脸图像的低频子带,然后作傅立叶变换,获得低频子带的频谱;将低频子带的频谱投影到标准脸奇异值分解的统一特征空间,投影系数作为人脸识别特征;采用L_1距离进行最小距离分类,实验结果表明,该方法比统一特征空间奇异值分解方法可获得更高的识别率.     

基于小波变换和奇异值分解的模态参数识别方法

提出了一种新的基于小波变换和奇异值分解相结合的结构模态参数识别方法.该方法首先对环境激励下的结构加速度响应信号进行互协方差分析,得到时域互协方差响应,通过小波变换将互协方差响应转换到时频域中得到信号的时频系数并沿每一个尺度点提取协方差响应的小波系数阵,然后对提取的小波系数阵进行奇异值分解得到奇异值和奇异向量,最后从重组的奇异值和奇异向量中识别出结构的模态参数.文章对提出的方法进行了理论证明,通过三自由度系统的数值算例验证了该方法的可行性,表明与直接小波变换方法相比,其识别结果精度更高.     

基于小波分解的GPS监测数据消噪处理

提出一种基于小波分解技术的监测数据处理方法,首先用小波技术把GPS双差残留分解为低频偏差与高频噪声部分,然后提取偏差成分直接用于校正同样误差成分所导致的GPS测量结果。讨论分析了所提方法用于监测实践时的结果,表明本文所提方法对于模糊度解算和基线的估计精度均有很大的提高。     

信号消噪的小波处理方法及Matlab实现

通过对噪声特性的分析，并应用小波的方法对信号进行消噪处理，利用Matlab软件演示信号消噪的效果，总结出小波分析对信号消噪的优点。     

基于小波变换的高压开关柜监测信号消噪方法

为消除智能化高压开关柜监测装置采集信号中的“毛刺”,并克服传统低通滤波方法去除“毛刺”的同时也去掉了有用的高频成分的问题 ,该文提出了一种具有时域选择性的消除“毛刺”的方法。该方法通过利用小波变换具有时频局部化的特点 ,可以准确地检测“毛刺”出现的位置并加以消除 ,从而在消除“毛刺”的同时保留了有用的高频成分。通过对线圈电流的处理结果 ,可看出小波变换对传统低通滤波方法的优势。利用小波检测信号突变点的优势 ,还设计了检测信号起止点的算法     

基于四元数小波变换和奇异值分解的图像水印

文章提出了基于四元数小波变换(QWT)和奇异值分解(SVD)的数字图像水印算法,该算法对原始载体图像进行四元数小波变换和奇异值分解,对水印图像进行Arnold变换和奇异值分解,并把分解的水印嵌入到分解后的原始载体图像中.结果表明,该算法对高斯噪声、剪切、JPEG压缩及滤波具有较强的鲁棒性.     

离散小波变换与奇异值分解的音频信号水印算法

针对现有水印算法在嵌入过程中通常会对原始音频信号产生破坏的问题,设计了一种基于离散小波变换-奇异值分解(DWT-SVD)的水印嵌入方法实现水印信号的嵌入与提取.同时,以相关系数和误码率为衡量指标,对水印算法的不可感知性、安全性及鲁棒性进行评定测试.结果表明:在经过噪声、滤波、剪切、压缩等多种攻击后,所提取的水印仍然能保持较高的清晰度,这说明DWT-SVD算法具有较强的抗攻击能力,可有效保护版权人的利益.     

基于Morlet小波变换与SVD的故障特征提取

针对Morlet小波变换结果中的特征提取问题,对连续小波变换得到的小波系数矩阵进行奇异值分解(SVD),分析了所获得的奇异值与Morlet小波变换结果中的特征信号以及噪声的对应关系.基于这种关系,通过选择合适的奇异值进行重构,清晰地提取到Morlet小波分解结果中的有效特征信息;进一步计算得到频率-能量谱,根据峰值位置能够提取冲击特征.将该方法应用于轴承振动信号的故障特征提取,并与其他方法进行了比较.结果表明,文中方法所获得的故障波形非常清晰,在低信噪比时具有较好的故障特征提取效果.     

一种新的基于小波变换的图像消噪方法

一种新的基于小波变换的图像消噪方法是在运用小波变换对含噪图像进行消噪前，先对图像进行小波级数分解，对其中的低频系数和高频系数进行适当的放大；然后对图像采取局部阈值消噪法进行消噪；最后运用小波变换对所得到的图像小波系数进行适当的缩小并将其重构．仿真实验证明这种方法比一般的诸如中值滤波和维纳滤波等图像消噪方法有很大的改进，特别是图像均方差(MSE)有很大的降低，而图像的信噪比也有较为明显的提高。     

基于小波包分解的纹理图像去噪

噪声对图像的后续处理影响较大,常用的去噪方法虽然可以去除变化平缓的图像中的噪声,但对细节较多的纹理图像的去噪效果却不太理想．文中基于信号和噪声在小波分解中呈现出来的不同特性,提出了一种新颖的小波包去噪算法．采用该算法对纹理图像进行最优小波包分解,并计算每个子频带的两个范数,然后根据范数值区分信号和噪声,从而达到去除噪声的目的．实验结果表明,该算法对皮革图像具有较好的去噪效果．不仅可以去除纹理图像中的大部分噪声,而且可以较好地保留图像纹理信息．     

利用小波变换多尺度传播特性实现地震信号去噪

小波变换可以把时域信号变换到时间尺度域中,在不同的尺度下观察信号不同的局部化特征．由于信号和噪声具有不同的奇异性,它们的二进小波变换模的极大值在不同尺度下的传播特性也不同．文中根据信号和噪声在小波变换域模极大值的多尺度传播特性的不同,以及地震信号相邻道的相关性,提出了一种去除地震信号中随机噪声的方法,实验表明该方法具有较好的去噪效果．     

基于小波变换的脑电噪声消除方法

分析了基于传统陷波器的脑电消噪方法,根据脑电噪声所处频带及陷波器原理,设计了一种陷波器.并提出了基于小波变换的脑电信号分析方法并利用它来消除脑电信号中的噪声干扰.小波变换是一种多分辨率的时间-尺度分析方法,它能够将信号划分为不同频段的子带信号.根据小波变换的这一特性,对采样获得的脑电信号进行各尺度分解及消噪分析,并给出了各尺度分解结果及消噪结果.最后对这两种方法的消噪结果进行比较.分析表明:利用小波变换能更有效、灵活地检测并去除脑电信号中的噪声干扰.     

一种基于冗余离散小波变换的信号消噪技术

在Ｄｏｎｏｈｏ算法的基础上提出了一种基于冗余离散皮变换的硬门限消噪技术,它能很好地克服Ｄｏｎｏｈｏ算法所呈现的振荡效应,仿真结果表明该算法是行之有效的。     

基于小波变换的ECG信号消噪

以小波变换的多分辨率分析为理论基础 ,依据信噪在小波分析下的分离性 ,对体表心电信号 (ECG信号 )进行了消噪算法的设计与实现 ,并着重强调了其中双尺度预处理算法的重要性 .实验表明 ,本消噪算法不仅能实时有效地降噪 ,还能对原信号突变点进行定位     

一种改进的小波变换信号消噪方法

根据小波阈值消噪方法的步骤及特点提出一种新的消噪方法——小波系数放大法,并对该方法进行仿真对比实验。该方法在运用小波变换对含噪信号进行消噪前,先对信号进行小波级数分解,对其中的低频系数和高频系数进行适当的放大,然后对信号采取阈值消噪法进行消噪,最后运用小波变换对所得到的小波系数进行适当的宿小,并将其重构。仿真实验结果表明,小波系数放大法消噪后信号的均方根误差有很大的降低,信噪比提高。该方法优于一般的消噪方法。