一种基于小波变换的图像去噪方法的应用研究

探讨了小波变换在图像去噪中的处理技术.首先分析了小波变换的原理,然后给出了基于小波变换的图像去噪原理,并设计了小波变换图像去噪的具体实施方案,最后给出了小波变换去噪的图像训练实验结果.结果表明,利用小波分解(变换)去除图像噪声,既滤除了噪声,又有效地保持了图像的细节信息.     

基于整型小波变换的SPIHT图象压缩算法

提升小波变换即第2代小波变换,可以实现图像的完全无损编码;SPIHT(集合分裂嵌入块编码)是基于小波变换的采用块状结构的图像编码算法。文中介绍了基于提升方法的整数小波变换和SPIHT图像编码算法,提出了用整数小波变换代替传统小波变换进行SPIHT图像编码。研究表明,比传统的小波变换更易于硬件实现。     

连续小波变换研究

给出了多元可允许小波定义,提出了多元小波变换的一般形式,通常的小波变换只是其中的特例.从数值计算角度出发,在一系列的多元小波变换中,选择一个适当的小波变换,对小波正变换和逆变换进行离散,构造了数值解法,仿真实例表明了此方法的有效性.     

非线性小波变换及其应用

对线性小波变换和非线性小波变换进行了介绍,在此基础上重点分析了非线性小波变换的优点,最后对非线性小波变换的若干典型应用及应用中的问题进行了讨论.     

小波变换在心电图R波检测中的应用

介绍了一种新颖的信号处理方法－小波变换．利用三阶样条小波分析了信号的奇异点与其小波变换的关系，并通过ＥＣＧ信号的小波变换，分析了小波变换的抗干扰能力．最后提出了一种以小波变换为基础的ＱＲＳ波检测方法     

小波变换的时频分析及其在实际中的应用

由于小波变换自身的特性,它非常适合对非平稳和时变信号进行分析及处理。本文介绍了小波变换的时频分析,具体将小波变换应用于几个非平稳及时变信号的处理,并将小波变换和其他信号时频分析方法做了比较,得出了小波变换的优势和适用特点,最后给出了小波变换应用于信号去噪的例子。     

小波变换与信号处理

小波变换是在傅立叶变换的基础上发展起来的,本文通过分析小波的基本原理,系统的描述了小波变换的实现,阐述了小波理论在信号处理中的应用,说明了小波变换在声音、图象等信号处理过程中具有重要的作用和广阔的发展前景,随着计算机技术的发展,小波变换将会应用在越来越多的领域。     

基于小波分析理论及其数字滤波的应用研究

系统分析了小波变换的物理意义和特点,包括积分小波变换、二进小波变换和小波的分解重构.并进一步将小波变换原理应用于微机保护数字滤波器. 可得出基于小波变换的微机保护数字滤波器具有傅里叶变换不可比拟的优越性,可以准确地滤除信号中的直流分量和高频分量.     

基于小波分析理论及其数字滤波的应用研究

系统分析了小波变换的物理意义和特点,包括积分小波变换、二进小波变换和小波的分解重构。并进一步将小波变换原理应用于微机保护数字滤波器。可得出基于小波变换的微机保护数字滤波器具有傅里叶变换不可比拟的优越性,可以准确地滤除信号中的直流分量和高频分量。     

香农正交小波变换的FFT实现

分析了香农正交小波的频谱特性和信号的变换特点,提出了用傅里叶变换或余弦变换实现香农正交小波变换及其逆变换的快速算法．实验结果说明香农正交小波虽然是非紧支集的,但是它在联系小波变换和早已获得广泛应用的傅里叶变换方面具有重要意义,有利于小波变换在信号的实时处理中的广泛应用．     

基于小波变换的图象处理技术

小波变换是新近发展起来的一门技术,已广泛应用于信号处理、图象处理、量子场论、地震勘探、语音识别与合成、音乐、雷达、CT成相、机器视觉、机械故障诊断与监控以及数字电视等科技领域,又由于它具有时域和频域具有良好的局部化性能,因而在图象压缩编码中得到普遍应用。本文就是在此前提下,对小波变换的原理及离散小波变换算法结构进行了研究,提出了小波理论应用于图象处理的基本思路,并通过对三维医学图像有效编码的具体描述,例证了小波变换在图象处理技术中的实用价值。     

小波变换在岩石测试中的应用

主要研究了小波变换在岩石超声波测试信号分析中的应用。通过对岩石超声信号的小波分析,提取岩石信号在小波变换下的不同尺度的细节,从而确定出了岩石的节理结构等所对应的信号小波变换细节特征,以及岩石信号在各个不同尺度下的差异,为小波变换在岩石测试中的应用奠定基础。     

小波软阈值算法去除SAR图像中的Speckle噪声

在详细分析了Donoho小波软阈值的基础上，应用小波变换技术对SAP图像进行分析处理。使用“小波局部软阈值算法”来计算阈值，对高频小波系数进行阈值确定。求得估计小波系数，对其取小波反变换后，去除SAP图像中的Speckle噪声。实验结果表明此方法对去除Speckle噪声十分有效，可以在含有Speckle噪声为背景的图像去噪中应用。     

基于小波分解的语音自适应压缩感知

根据语音信号经过小波分解后低频分量和高频分量的特点,提出分别对他们进行自适应压缩感知。首先对信号的低频分量用训练的过完备基进行稀疏分解,降低了稀疏分解过程中的计算量。然后详细描述了改进自适应观测矩阵的产生,以及对低频和高频分量分别进行自适应观测。最后通过OMP重构算法分别对低频和高频分量进行重构,通过小波合成还原出原始信号。实验表明,语音信号在基于小波分解的自适应压缩感知方案中具有良好的重构性能。     

用小波实现两类非平稳过程的平稳化

主要讨论了两类非平稳过程小波变换后的平稳性.利用小波的局部性及暗含的差分性质,证明了在小波变换后,分数差分平稳过程和可调和周期相关过程是平稳的.     

小波变换在图像融合中的应用研究

小波变换由于良好的多分辨率分析特性,常被应用到红外和可见光图像融合中.通过深入研究小波基的紧支集和正交性等特性以及小波变换层数对融合结果的影响,结合对融合实验的分析,综合考虑图像背景信息、目标区域和实时性等因素,总结出了根据不同的融合目的来应用小波变换的方法,为实际处理中小波变换的应用提供了参考.     

ETM+遥感影像最佳波段融合质量评价

利用最佳指数(OIF)法得出泉州市2001年ETM+遥感数据的最佳波段组合为波段5、4、2;采用乘积变换、Brovey变换、HIS变换、小波变换等4种典型的融合方法,分别进行ETM+最佳波段组合影像与ETM+全色波段影像的融合;计算融合后影像与原始影像之间的相关系数,从空间相关系数、光谱相关系数2个方面进行定量和定性评价.结果表明,Brovey融合后的影像信息损失最小、对于光谱保真性最好,小波变换融合方法次之;而小波变换融合后影像对于空间分辨率的改善效果最好,Brovey融合方法次之.针对本研究区,在4种融合方法中,Brovey变换和小波变换融合方法是最佳的选择.     

基于子波分析方法的信号特征的研究

采用子波分析方法对几种不同的但较典型,且具有代表性的信号作了分析,指出了周期性信号、脉冲式信号和分形信号,经子波变换后所具有的特征,并同时指出了使用子波方法时应注意的几个问题,它为一般信号特性的判别提供了分析的基础.