基于多尺度小波变换的心电信号消噪

心电信号的消噪一直是人们关注的焦点,至今为止已经有许多论著针对心电信号的处理提出了不同的算法。本文以多尺度小波变换为理论背景,根据信号与噪声在小波变换下的不同特性,提出了一种阈值法和模极大值法相结合的小波消噪新算法。临床试验表明,该算法对心电信号的消噪具有良好的效果。     

基于小波变换的多尺度图象边缘检测

提出了一种新的图象边缘检测方法,这种方法解决了第一代多尺度边缘检测方法中存在的两个问题,即边缘仅定义为信号的奇异性表现和滤波尺度参数难以选择。实验结果表明,本方法和传统的边缘检测算法相比具有定位精度高,去噪效果好等明显的优点。     

基于小波变换的轮胎多尺度边缘检测

本文提出了基于小波变换的轮胎多尺度边缘检测的方法。将小波变换用于图像多尺度边缘检测,根据轮胎的图像特点,为了提高图像边缘检测的精度,对小波滤波器系数进行了分析,为了得到较好的边缘检测效果,对尺度进行了确定。     

基于小波变换的多尺度图像边缘检测算法

针对边缘检测算子的抑噪能力和定位精度之间矛盾,提出了一种基于B样条小波变换的边缘检测方法.首先对图像进行小波多尺度分解,在每种尺度下分别提取图像边缘;而后利用边缘信息的多尺度特性,融合多尺度边缘得到了单像素宽边缘.通过计算机仿真对该方法进行验证,实验结果表明该方法不仅能准确检测出图像边缘,而且能有效地抑制噪声,效果优于传统的边缘检测算法.     

小波变换模极大值多尺度边缘检测算法分析

文章利用小波变换和多分辨率分析的性质,从多尺度角度对图像边缘检测算法进行分析,总结出小波变换模极大值多尺度边缘检测算法。通过对标准图像Lena进行小波变换模极大值多尺度边缘检测结果发现,其比小波变换模极大值边缘检测算法和Canny算法在部分边缘检测中得到了更多的细节信息,使图像变得更真实。     

基于多尺度小波变换的图像边缘检测

图像边缘是图像中的重要信息,为了检测图像中的边缘信息,提出了一种基于多尺度小波变换的图像边缘检测算法．该算法充分利用了图像边缘在多尺度下的信息,首先选用二次B样条小波对原始图像进行多尺度小波分解,提取出图像中的高频信息,包括真实的图像边缘和噪声,然后根据图像边缘和噪声在不同尺度下具有不同的传递性,抑制噪声分量,保留图像边缘分量．实验结果表明,该算法获得了较好的图像边缘检测效果．     

抑制心阻抗信号呼吸基线漂移的小波变换法

提出了基于小波变换的循环减法来抑心阻抗微分波呼吸基线漂移。仿真表明，在呼吸基线漂移较大的情况下，该法可有效抑制多而又不使信号失真。     

基于小波变换的多尺度图像边缘检测算法

针对边缘检测算子的抑噪能力和定位精度之间矛盾,提出了一种基于B样条小波变换的边缘检测方法。首先对图像进行小波多尺度分解,在每种尺度下分别提取图像边缘;而后利用边缘信息的多尺度特性,融合多尺度边缘得到了单像素宽边缘。通过计算机仿真对该方法进行验证,实验结果表明该方法不仅能准确检测出图像边缘,而且能有效地抑制噪声,效果优于传统的边缘检测算法。     

基于小波变换的红外目标图像多尺度边缘提取

数字图像的边缘检测是图像分割、目标区域识别、区域形状提取等图像分析领域十分重要的基础.传统的空域微分算子等方法在对背景相对复杂的红外图像不能有效的提取目标边沿.针对红外目标-景间对比度小,边缘模糊的特点,提出了基于小波变换的多尺度边缘提取方法.实验结果验证了,该算法具有良好的检测效果.     

一种基于小波提升变换的多尺度边缘提取算法

提出了一种基于小波提升变换的改进图像边缘的检测算法.本算法首先对源图像进行小波提升分解,然后分别对高、低频子图像进行边缘提取.对于低频信息使用Canny算子进行边缘检测,而高频信息先用相邻尺度小波系数相乘的方法去除噪声,消噪后再对高频分量进行边缘检测.最后通过一定的融合规则进行融合,得到最终的边缘图像.实验结果表明,该方法具有运算速度快,能有效地抑制噪声,边缘检测精度高等特点,是一种有效的图像边缘提取算法.     

Fourier变义换和Gabor变换与小波变换的比较研究

对Fourier变换、Gabor变换和小波变换进行比较。从Fourier变换的定义出发，进行分析阐述，指出了Fburier变换不具有局部化分析的功能以及时频完全分离的缺点：通过对Gabor变换的核函数进行时频两域分析，说明了它品质因数是不恒定的以及它的一些缺陷；最后对小波变换的核函数进行分析，论述了小波变换具有品质因数恒定和多分辨率分析等优点。     

一种自适应最优化小波变换算法及应用

传统的二进小波变换对非2的整数幂的数据要进行大量的边界处理,针对这一局限性,提出一种自适应最优化小波变换算法.其核心是通过解析被处理数据长度来捕获其长度的最佳逼近值,实现边界处理的最优化;通过分解最佳逼近长度来获取各层次小波变换基数,实现小波变换基数选择的自适应.与二进小波变换相比,自适应最优化小波变换算法具有运算速度快,边界处理量少,数据压缩量大等特点.最后通过一个图像压缩的应用实例表明了此算法的可行性.     

小波滤波器幅频特性的研究

在小波变换的实际应用中,希望小波滤波器具有良好的选频特性。文章由常用几种滤波器系数分析和计算它们的幅频特性,给出各级小波滤波器中心频率的表达式。运用小波变换,对信号进行正交分解测量电功率,并讨论滤波器幅频特性混叠对测量结果的影响,指出必须构造频域特性良好的小波函数,以改善检测精度。     

小波变换在浑沌研究中的应用

利用D.E.Newland提出的谐波小波变换来识别浑沌.鉴于任何非线性振动系统,其解最多有3种不同形式,即特种形式的周期响应、拟周期响应和浑沌响应,将小波变换和Poincare映射结合起来,用Poincare映射来确定周期及周期数,用小波变换来区分拟周期响应和浑沌响应,从而对系统运动的特种形式进行准确判断;此外,用这种方法分析了参数空间中对应于特种形式解的存在域,揭示了非线性振动系统的响应特性.该方法可用于对初值空间及吸引域进行分析.     

基于小波变换的图像边界问题的研究

首先简要地介绍了一维信号对称边界延拓方式及二维信号双正交小波分解重构算法，然后在一维信号边界延拓方式的基础上，研究了在小波变换过程中，当高、低通滤波器长度为奇数且关于0对称时，数字图像能够精确重构的边界延拓问题。给出了数字图像的小波变换及边界延拓的步骤。最后，通过仿真实例验证了该对称边界延拓方式能够保证数字图像在小波变换中精确重构。     

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.     

小波变换在光学中的应用

讨论了傅里叶变换的缺点及小波变换的定义和性质，分析了加窗傅里叶变换和小波变换的特点，用4f空间滤波系统实现了二维小波变换．     

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.     

复Morlet小波的三维测量技术

为扩大小波变换轮廓术在三维测量领域的应用,提出了获得物体三维形貌的方法。该技术基于复Morlet小波变换理论,采用结构光照明,用最大值法提取小波变换的脊,获得变形光栅的包裹相位及整幅图像的包裹相位分布,再做相位展开。实验表明,该方法的误差在-0.37～0.38rad,能够满足物体三维测量技术要求。     

正规积分小波变换及其连续性

引入并研究了正规积分小波变换W0ψ,讨论了与之相关的算子Dβ,Tα,Ff 及积分算子Λh 的连续性 ,证明了正规积分小波变换W0ψ 是从L2 (R)到C(R×R )∩L2 (R2 )中的线性等距 ,并给出了相应的Parseval等式