非平稳大地测量信号特征信息小波识别

将小波变换和Fourier变换的谱分析结合起来,在时域中记录大地测量信号序列的突变时间,在频域中提取信号突变的频段,通过序列在小波变换各尺度上的小波能量时谱和能量频谱可以得到大地测量内涵的主要复杂过程的有关尺度层次,进而分析、识别内涵的特征信息.仿真实例表明,该方法既保证了特征信息提取的质量,又降低了计算的时空复杂度.对山东基准站的YATI站和WUDI站的年周期、半年周期、季节周期数据进行实例分析,识别提取了特征信息,效果良好.     

供电系统中谐波干扰的小波分析方法

针对电力系统中的谐波干扰,提出一种基于正交小波变换分析方法,以Matlab仿真为基础,给出分析各次谐波特点的仿真结果.结果表明,小波变换不仅可以精确地分析谐波的特点,还可判断信号奇异性.这为抑制谐波干扰提供了理论依据,从而可使谐波分析准确度更高,误差更小.     

小波变换在重建泄漏发射信息中的应用研究

介绍了基于Donoho小波收缩算法的泄漏发射信息的重建方法,讨论了非线性阈值函数的设定.对一维水平同步信息、二维文字信息做了仿真实验,结果表明用小波变换提取微弱的泄漏发射信息的方法是鲁棒的和有效的,也是替代传统外同步发生器获取同步信息的新方法.     

基于小波包变换的一种降噪算法

白噪声的方差和幅值随着小波变换尺度的增加会逐渐减小 ,而信号的方差和幅值与小波变换的尺度变化无关。因此 ,文章提出一种以小波包能量为基础 ,以降低原始信号与降噪后信号之间的均方误差 (MSE)为目标的基于小波包的降噪算法 ,并与传统的 Donoho的硬阈值降噪算法作了比较。仿真结果表明 ,该算法可以有效去除白噪声干扰 ,并且明显优于传统的 Donoho的硬阈值降噪算法。     

基于小波模极大值的数字水印算法

目的针对传统数字水印技术的有限性,实现一种新的数字水印算法。方法新算法以小波变换为基础,对原始图像和水印图像进行小波变换,将水印信息嵌入到中频系数中。结果实现了二维彩色图像将为水印信息嵌入到二维图像数据中。结论实验证明,新算法在对彩色图像进行水印处理方面达到较好的效果,具有较好的健壮性。     

一种基于提升小波变换的数字图像隐藏方法

针对人眼的视觉模型和小波包的分频能力, 给出 一种新的灰度图像数据嵌入方法, 嵌入图像可以达到原始载体的1/4, 通过调节尺度 因子α可使本方法用于数据隐藏和数字水印. 此法对一些图像处理(如JPEG压缩等)有一 定的鲁棒性. 实验结果显示, 此法对秘密信息有较好的恢复效果.     

一种基于小波变换的图像去噪方法

利用小波系数在相邻尺度上的相关性关系，针对小波系数估计中硬阈值方法和软阈值方法的缺点，通过对双重量收缩函数得到的阈值乘以一个合适系数进行修定的折衷方法，提出了一种新的小波域局部自适应去噪算法。实验结果表明，该方法既可以去除噪声，又可以较好地保留图像的高频细节特征。     

基于小波变换的图像自适应水印

提出了一种基于小波变换的图像自适应水印嵌入方法。此方法对原始图像进行小波分解,在每一个低频系数中嵌入一位水印信息,嵌入时根据低频逼近系数和高频系数的特点以及树结构关系,给每一个低频系数确定一个相关掩蔽参数,并用此参数控制其对应低频系数嵌入水印时的相对修改强度。实验表明：使用该方法嵌入的数字水印具有很好的隐蔽性,感觉不到对原始图像的影响。同时,嵌入的数字水印具有较理想的鲁棒性,常规的图像处理方法对其影响甚弱。     

基于小波变换和最大熵的织物疵点检测

首先选取最优小波基对织物疵点图像进行分解,并对分解后的水平及垂直高频系数进行灰度值归一化,然后分别求出水平和垂直细节图像的最大熵及平均熵,通过比较判断出疵点类型,最后对平均熵大的细节图像进行最大熵原理的分割,得到最终的疵点检测结果。仿真实验表明该方法对常见纬向和径向类织物疵点的检测是有效的。     

基于小波变换的信号去噪处理

小波变换是信号处理中一个十分有用的数学工具。基于小波分析理论,本文采用软阈值法滤除与有用信号频率相近的噪声信号,取得了很好的滤波效果。并通过实时数字仿真系统验证了这种方法的有效性。     

基于小波变换的人脸图象特征的边缘提取算法

人脸图象识别是模式识别、计算机视觉和人工智能领域的一个热点,而人脸图象的特征提取又是人脸图象识别的关键步骤.小波变换以其多分辨率分析和多通道分解的独特分析方法在图象处理领域中有着广泛的应用.文章利用二进小波变换多尺度的特性,结合一些常规的边缘提取算法,在人脸图象特征的边缘提取方面取得了令人满意的结果,实验表明是一种有效的人脸图象特征边缘提取算法.     

基于小波变换的多层次图像增强算法

提出了基于小波变换的多层次图像增强算法.首先对图像进行4级小波分解,得到尺度系数和多个层次的小波系数;然后对不同层次的小波系数采用不同的增强算法进行处理,并对图像的尺度系数采用多尺度方法进行处理;最后用得到的小波系数和尺度系数进行逆变换得到增强后的图像.试验结果证明,该算法具有优于传统增强算法的增强效果和抗噪性能.