采用视觉加权自适应阈值量化的彩色图像小波编码方法

提出了一种基于视觉特性的彩色图像小波变换编码方法。该方法是以一种简单的灰度图像小波编码方法为基础,首先通过小波变换将图像进行多分辨率分解;然后对彩色分量的高频子带数据进行适当的抛弃;对小波图像的高频数据采取自适应阈值量化方法克服恢复图像中的分量独立点噪声污染现象;最后根据小波系数的码字分布特征,采用行程编码结合Huffman编码。该方法可保证重建图像的主观视觉效果良好,而且具有较高的压缩倍率。     

采用视觉加权自适应阈值量化的彩色图像小波编码方法

提出了一种基于视觉特性的彩色图像小波变换编码方法.该方法是以一种简单的灰度图像小波编码方法为基础,首先通过小波变换将图像进行多分辨率分解;然后对彩色分量的高频子带数据进行适当的抛弃;对小波图像的高频数据采取自适应阈值量化方法克服恢复图像中的分量独立点噪声污染现象;最后根据小波系数的码字分布特征,采用行程编码结合Huffman编码.该方法可保证重建图像的主观视觉效果良好,而且具有较高的压缩倍率.     

相控阵雷达信号的无损压缩算法

提出了一种基于可逆整数小波变换（IWT）的雷达信号实时无损压缩算法，雷达回波信号是一个非平稳的随机过程，首先用IWT滤波器对雷达信号进行分解，将小波系数分割为重要系数图和残余系数图两部分；对重要系数图用改进的SPIHT算法进行量化编码，最后一次阈值为分割阈值；对残余系数图按位平面采用基于自适应上下文模型（context-based model)算术编码压缩，并比较不同上下文模型对压缩效果的影响，实验结果表明，该算法具有实时性和易于并行实现的特点。     

图像小波包子带编码

本文提出了一种基于小波包分解的图像压缩编码方法 ,根据子带变换系数的统计特性结合人眼的视觉特性对小波包分解的子带有选择的进行量化编码 ,形成不同压缩码率和图像质量等级 ,便于网络视频服务中不同用户对不同的图像质量的要求     

改进双树复小波变换和高阶累积量的齿轮箱信号降噪方法

采用传统阈值降噪方法对小波系数分别进行软、硬阈值处理时在强背景噪声下提取的齿轮箱故障振动信号效果不理想,且实、虚部分离的阈值处理方法会引起局部相位失真。利用双树复小波变换的平移不变性,提出了双树复小波变换和高阶累积量的齿轮箱振动信号降噪方法。对分解和单支重构后的各双树复小波系数采用了四阶累积量的处理方法,根据信号和噪声的统计特性进行信噪分离。由于小波分解层数会直接影响信号的去噪效果,因此,采用粒子群算法优化小波的分解层数。仿真和实验信号处理结果表明:该方法与双树复小波变换的软、硬阈值处理方法相比,在不同信号和噪声水平下更能有效地抑制噪声干扰,提高信噪比,并且能够满足实验中对采集到的振动信号进行特征提取的需求。     

一维信号小波压缩的能量动态自适应阈值算法

提出了一种基于小波系数能量的动态自适应阈值算法,用离散小波变换对信号进行多尺度分解,依据小波系数在各层的能量分布以及每层小波系数的能量集中度,获取每层小波系数的压缩阈值。通过这种方法,可保留大部分小波系数能量,并兼顾压缩率性能。经仿真验证,本文阈值算法在多种小波和不同的分解尺度上的压缩性能稳定,与Birge-Massart策略阈值和全局阈值比较,在压缩率和保留能量综合性能评价上优于Birge-Massart策略阈值和全局阈值算法。     

基于提升小波的机械振动信号自适应压缩感知

针对复杂装备状态监测所面临的海量数据采样与传输问题,提出一种基于提升小波的自适应压缩感知方法。针对方法中提升小波信号处理中最优参数确定问题,利用稀疏度作为控制因子对提升小波滤波器和分解层数进行优选,并结合分块阈值降噪方法实现对机械振动信号的最佳稀疏分解。基于分块压缩感知的思想和满足RIP条件下观测次数下限的指导原则,解决提升小波分解各节点信号观测数据量的确定问题,构建基于提升小波的自适应压缩感知的机械状态监测体系。研究结果表明:该方法能够有效地减少压缩感知观测数据量,提高信号的重构速度和重构质量。     

小波阈值去噪在烟气轮机信号分析中的应用

由于烟气轮机振动信号中含有大量的噪声成分,常使其非线性特征量的提取不准确,因此将基于阈值的小波去噪应用于烟气轮机振动信号分析中。首先介绍了小波阈值去噪的基本原理、阈值和阈值函数的选择方法,并对阈值函数进行了改进;然后分别对含噪Lorenz信号和实测振动信号进行小波阈值去噪实验,计算了其去噪前、后的关联维数。结果表明,小波分解后,不同尺度上信号和噪声的小波系数的分布规律明显不同,通过对其分析可以合理选择小波分解的尺度;在此基础上对小波系数进行阈值处理并重构,能有效地去除信号中含有的噪声,很好地保存信号的局部特征;去噪后信号的伪相图更加规则,关联维数估计值更加合理。该方法能提高信号分析的准确率。     

一种基于小波分解与分形编码混合的图象压缩方法

利用双正交小波特性和小波塔式分解数据的多分辨特性、分形的IFS编码高效特性,提出了一种基于小波分解和分形编码压缩图像数据的方法。该方法先用一个小波将图象进行小波变换（分解）;在频域上,对不同频域层用不同的分块方法和比特率分配方法进行分形编码。根据实际需要和视觉特性来控制压缩比。重构时先在频域进行分形重构解,然后再用另外一个正交小波重建原图象。     

基于小波包变换及改进阈值法则的水声信号压缩

文中提出一种将小波包变换与改进的能量保留阈值法相结合的水声信号压缩方法,并讨论了该方法实现过程中小波包的选取、小波包分解算法、改进的能量保留阈值确定等问题,最后进行了仿真分析．仿真结果表明,本算法对水声信号压缩编码效果较为理想．     

基于提升小波包最优基变换的缸盖振动信号降噪研究

给出了一种基于提升小波包最优基变换的发动机缸盖振动信号降噪方法,给出了提升小波包变换公武,介绍基于最佳基分解的闭值降噪方法,并介绍了阚值的具体选择方法.将信号通过提升小波快速分解,对小波包系数进行阈值量化,用阈值量化后的系数对原信号重构,达到降噪的日的.通过计算仿真和实验,验证了方法的有效性.     

基于小波包变换的三维荧光光谱数据压缩方法

基于db小波包变换,采用频率分级阈值方法对三维荧光光谱数据进行了压缩。建立了数据的小波包分解树,根据对数能量熵最小原则确定最优树,通过频率分级阈值方法对最优树中的小波包系数进行压缩,并且用实验获取的数据加以验证。实验结果表明,和小波变换相比小波包变换能够更有效地保留数据的细节信息。通过和其他阈值法比较可知,频率分级阈值法具有更好的压缩率和数据恢复能力,其压缩分数达到90%,恢复分数大于98%,谱线相对误差小于1%。平行因子分析重构光谱与原始光谱的结果表明,小波包压缩能有效保留有用信息。     

基于小波理论谐波减速器振动信号的降噪研究

为满足频率高时窗口窄、频率低时窗口宽的要求,应用小波分析理论对XB-80-134H型谐波减速器的振动信号进行了分析,利用Daubechies小波对振动信号进行小波分解,并结合阈值去噪方法对信号作了消噪处理,即针对振动信号分解的各层小波系数设定相应的阈值,对于小于该阈值的小波系数认为是噪声并置为零,将剩余的小波系数重构,得到消噪后的振动信号.与传统的傅里叶降噪方法比较结果表明,小波降噪远优于傅里傅里叶降噪方法,小波降噪后的信噪比提高了6dB,而傅里叶降噪只提高了1 dB.     

一种基于压缩感知和小波信息熵的滚动轴承特征提取方法

为降低滚动轴承在线监测和故障诊断过程中振动信号采集、传输、存储和处理负担,基于压缩感知理论和小波包分析技术,提出一种基于压缩感知和小波信息熵的滚动轴承特征提取方法,用于滚动轴承故障诊断。应用部分哈达玛矩阵采集振动信号实现压缩,通过小波包分解提取滚动轴承状态特征,计算其小波信息熵作为故障诊断特征。在标准数据集上进行振动信号特征提取,并采用四种分类方法完成故障诊断实验,结果表明本文特征提取方法能够在较高的数据压缩率条件下,保持较高的故障诊断精度,适用于滚动轴承在线监测和故障诊断。     

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%。     

基于小波熵的矿用齿轮箱振动信号相关去噪法

 利用真实信号小波系数相邻层间相关性强的特性,将基于小波熵的相关去噪法应用于矿用齿轮箱振动信号的处理,进行有用系数和噪声系数的划分,并对有用的小波系数进行重构,恢复原有真实信号,去噪过程中采用小波熵自适应设定阈值。为比较小波自适应相关去噪和硬阈值与传统相关性去噪的性能,分别对仿真信号和齿轮箱实测振动信号进行去噪处理,通过3种去噪方法的重构波形对比和信噪比与标准差的定量评价,以及实测信号的功率谱分析,表明小波熵相关去噪法有效提高了矿用齿轮箱振动信号的可信度。     

基于sym8小波和部分hadmard矩阵的深空图像压缩编码

针对传统深空图像编码导致系统资源极大浪费的问题,提出了基于sym8小波和部分hadmard矩阵的深空图像压缩感知编码方法.对图像sym8小波分解后的低频系数进行3级小波分解后用CCSDS编码,高频系数利用部分hadmard矩阵观测后进行量化编码.解码时,CCSDS解码恢复低频系数,正交匹配追踪算法恢复高频系数,然后再通过逆sym8小波变换合成图像.仿真结果表明:相同压缩比下峰值信噪比比小波稀疏基方法和单层小波压缩感知方法分别有5 ～8 dB和1～1.4 dB的明显提升.     

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EZW图像压缩算法改进的可行性研究

在嵌入式零树小波编码(EZW)算法的基础上,为实现快速高质量数字图像压缩性能,探讨消除树间系数节点冗余以进一步实现压缩的可能性,并给出避免多次重复后代子孙系数节点扫描的改进策略.首先,根据EZW算法中全局阈值提取的重要系数在各子带的分布特性,给出一个各子带重要系数的自适应阈值序列.然后,依据归一化能量序列熵值进一步压缩各子带的重要系数,以实现消除小波树的树间冗余.最后,采用小波树逆编码完成对图像数据的编码输出.     

基于上下文模型的混合傅里叶-小波图像降噪方法

针对小波变换和傅里叶变换去除图像噪声时各具不同的优点和不足,提出一种基于上下文模型的混合傅里叶-小波图像降噪方法.首先在傅里叶域中估计原始图像的功率谱密度,运用维纳滤波器降噪,降低原始图像噪声水平;再在小波域中通过基于上下文模型的自适应阈值法去除剩余噪声;在小波域中使用平稳小波变换分解图像信号得到分解后的系列小波系数,根据小波系数间的相关性,利用上下文模型求取小波系数的方差,将其代入由GGD模型估计出的阈值表达式得到自适应阈值,再用软阈值函数对小波系数进行处理,最后将处理后的小波系数进行小波逆变换完成去噪.仿真结果表明:该方法不仅能够有效滤除图像噪声,而且能够保留图像的边缘细节信号,抑制降噪引起的吉布斯现象.