利用小波变换进行地震数据压缩

根据Ｍ带小波变换理论,结合地震数据的特征,将Ｍ带小波变换应用于地震数据的压缩处理,提出了地震数据的压缩编码算法。实验结果表明,该方法简单,对地震数据压缩行之有效     

小波变换结合LZW压缩算法探究

为解决传统桥梁振动数据压缩方法存在的问题,在深入分析小波变换原理的基础上,提出了一种小波变换结合LZW的压缩算法。该算法针对桥梁振动数据的特点,根据小波变换多分辨率分析的特性,对分解后各级的高频分量采用Donoho阀值压缩算法进行量化处理。而后采用改进的LZW编码压缩变换后的系数,对实测数据进行了压缩实验,结果证明小波变换结合LZW的数据压缩算法可有效提高数据压缩比,能量恢复系数优于10-4,压缩比小于9.25%。     

基于WBCT的地震数据感兴趣区域编码算法

提出一种基于小波域Contourlet变换(WBCT)最优截断嵌入码块(EBCOT)的地震数据压缩算法.首先利用WBCT获得地震数据的稀疏表示,根据码块熵最小化原则优化WBCT方向分解,降低码块复杂度,提高编码效率;然后针对不同地质信息对小波各子带的带通特性不同,改进JPEG2000算法感兴趣区域掩模处理方式,对不同的小波子带设置不同权值,进行掩模处理;最后通过EBCOT编码生成压缩码流.实验结果表明,重构的地震数据不仅峰值信噪比(PSNR)得到提高,而且地震数据同向轴局部纹理失真明显减小.     

图象数据压缩方法探讨

小波变换是一个新兴数学分支，本文利用小波变换的特性研究图象数据压缩方法，以探寻高比例、高质量压缩图象数据的新途径。     

基于小波变换的图像压缩编码方法研究

介绍了小波变换的基本理论以及基于小波变换的图像压缩编码与解码恢复过程。为了研究基于小波变换的图像压缩编码方法的优越性,通过实验与传统的离散余弦变换编码方法进行了性能的对比分析,实验结果表明：由于小波变换具有时间-频率局部化特性和多分辨率特性等优点,其能够更加有效地应用于图像数据压缩,可以达到更高的压缩效率,而且理论上可以获得任意压缩比的压缩图像。     

用小波变换法定量压缩地震数据

应用模型数据对 3种常用无损压缩数据方法进行了测试 ,得到的压缩比在 1.5左右 ,不足以满足实际数据压缩要求。为此提出了一种利用小波变换定量压缩地震数据的方法 ,并重点分析了小波方法的压缩比与分解的通道数、能量比与压缩效果以及压缩比与镜像滤波器长度间的定量关系。对模型资料和实际资料的测试结果表明 :①在数据压缩的多种方法中 ,小波变换法有很强的变焦功能 ,比一般的压缩方法具有更高的压缩率 ,数据压缩比达到 2 1时 ,仍能取得较理想的压缩效果 ;②在满足分解次数的条件下 ,应尽量选取较多的通道数 ;③压缩效果可以用能量比来描述 ,对于地震资料的有效压缩 ,能量比值应大于 80 % ;④在小波压缩中 ,一般应取较长的镜像滤波器 ,但并不是越长越好 ,一般在 10个点以上即能满足要求。     

小波分析在地震资料处理中的运用

小波分析降噪方法具有自适应和多分辨分析的特点,在时频两域都具有表征信号局部特征的能力的特点,被誉为"数学显微镜",是一种窗口大小固定不变,但其形状可以改变的时频局部化分析方法。本文从介绍小波分析的发展简史开始,简述小波分析的基本原理,主要包括数据去噪和数据压缩两个方面,在数据去噪中总结目前比较常用的去噪方法及其原理,从而比较各自的优缺点。在数据压缩中讨论数据压缩的原理及方法,主要是冗余压缩和熵压缩两种,在允许失真的情况下,说明小波变换在地震数据的压缩处理中有比较好的压缩效果。     

用小波变换法定量压缩地震数据

应用模型数据对3种常用无损压缩数据方法进行了测试,得到的压缩比在1．5左右,不足以满足实际数据压缩要求。为此提出了一种利用小波变换定量压缩地震数据的方法,并重点分析了小波方法的压缩比与分解的通道数、能量比与压缩效果以及压缩比与镜像滤波器长度间的定量关系。对模型资料和实际资料的测试结果表明：①在数据压缩的多种方法中,小波变换法有很强的变焦功能,比一般的压缩方法具有更高的压缩率,数据压缩比达到21时,仍能取得较理想的压缩效果;②在满足分解次数的条件下,应尽量选取较多的通道数;③压缩效果可以用能量比来描述,对于地震资料的有效压缩,能量比值应大于80％;④在小波压缩中,一般应取较长的镜像滤波器,但并不是越长越好,一般在10个点以上即能满足要求。     

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.     

基于曲波变换的地震数据压缩感知重构算法

为提高地震数据压缩感知重构的信噪比和保真度, 提出一种基于曲波变换的地震数据压缩感知重构算法。建立了地震数据压缩感知重构模型, 分析了基于曲波变换稀疏表示的地震数据各尺度之间能量与熵的分布特性, 结合分块压缩感知技术降低随机观测的计算复杂度, 利用曲波变换稀疏表示高频区域各尺度之间的相关性, 设计了随信息熵变化的自适应双变量收缩阈值迭代重构的方法。实验结果表明, 在相同的采样率下,该算法重构的地震数据峰值信噪比提高了1. 5 dB 以上, 并且具有良好的细节信息保持能力。     

一种基于小波变换的图像压缩编码方法

在分组霍夫曼编码的基础上提出了一种更有效的编码方法,即自适应分组霍夫曼编码方法．采用自适应分组霍夫曼编码方法及小波变换相结合对图像数据进行压缩．与基于小波变换的霍夫曼编码方法相比,压缩比大大提高,而计算复杂度只是略有增加实验证明这是一种具有良好性能和计算量较少的静止图像压缩编码方案。     

基于脊波变换的数字图像处理

脊波变换是在小波变换的基础上产生的特别适合于表示各向异性奇异性的多尺度方法。本文简述了脊波变换理论和曲波变换理论,并通过曲波变换方法进行图像增强处理的实验,结果显示脊波和曲波比小波更适合表示线状特征。     

基于脊波变换的线性判别分析人脸识别方法

在线性判别的基础上提出了一种基于脊波变换的线性判别分析算法,有效地解决了传统线性判别分析算法的小样本问题.首先利用Radon变换将二维人脸图像转换为投影矩阵,然后进行小波变换获取脊波系数矩阵,最后采用线性判别分析方法提取特征后作分类.在ORL人脸数据库上的比较实验结果证实了该算法的有效性.     

基于SPIHT编码的管道泄漏检测数据压缩方法

针对油气管道泄漏检测数据的压缩问题,首次提出基于小波变换的多级树集合分裂编码(SPIHT)的泄漏检测数据压缩方法。该方法主要是利用原始信号在各尺度下小波变换系数的自相似性,优先传送绝对值较大的小波系数,再传送绝对值相对较小的作为非重要系数以得到更高的压缩倍数和更小的重构误差。应用该方法对实际泄漏检测数据进行压缩,实验结果表明:在不大于1%的均方根误差下,压缩前和压缩后数据的压缩倍数相差达到28,比用EZW算法和算术编码相结合的方法提高了12倍,更多地节省了泄漏检测数据的存储空间。     

一种新颖的图像多尺度几何变换及其应用

提出了一种新颖的图像多尺度几何变换方法,主要由预处理、方向滤波器组和最优方向小波变换等组成.方向滤波器组将预处理后的高频分量分解为多个方向子带,然后每个方向子带执行改进的最优方向小波变换.该变换兼有Bandelet变换和Contourlet变换的多尺度几何分析特性,能更稀疏地表示边缘和纹理特征.分别将EBCOT编码和硬阈值去噪应用到图像变换系数中,从而实现了有效的图像压缩和去噪,很好地保护了图像细节.实验结果表明,对于纹理和边缘丰富的图像,所提出的图像压缩和去噪方法在视觉质量上明显优于基于Bandelet或Contourlet变换的方法,峰值信噪比也提高了0.1 dB以上.     

一种基于ridgelet和wavelet的混合编码压缩算法

星云图和MPEG-4中运动补偿后得到的残差图像通常是点线奇异性明显的图像.小波变换是表示点奇异性的有效工具,脊波变换(ridgelet)是表示线奇异性的理想工具.该文基于二者的优点提出了一种基于脊波变换和小波变换的混合编码框架用来处理压缩点线奇异性明显的图像.实验结果表明这种混合编码可以有效地对点线奇异性明显的图像进行编码,其效果优于基于单独的小波变换的SPIHT编码和脊波变换的SPIHT编码.     

fMRI time series analysis based on stationary wavelet and spectrum analysis

The low signal to noise ratio (SNR) of functional MRI (fMRI) prefers more sensitive data analysis methods. Based on stationary wavelet transform and spectrum analysis, a new method with high detective sensitivity was developed for analyzing fMRI time series, which does not require any prior assumption of the characteristics of noises. In the proposed method, every component of fMRI time series in the different time-frequency scales of stationary wavelet transform was discerned by the spectrum analysis, then the components from noises were removed using the stationary wavelet transform, finally the components of real brain activation were detected by cross-correlation analysis. The results obtained from both simulated and in vivo visual experiments illustrated that the proposed method has much higher sensitivity than the traditional cross-correlation method.     

一种基于小波变换的图像压缩方法

提出了一种基于小波变换的图像压缩方法．先对图像数据进行二维离散小波变换，对变换后的低频系数进行离散余弦变换；再对ＤＣＴ系数进行Ｚ形扫描，游程编码．舍弃最高频系数，对于次高频系数根据人眼的视觉特性采用不同的量化器进行量化，然后进行可变长度编码．实验表明，在图像质量和压缩倍数方面都取得了较好的结果