小波分析及其在图像处理中的应用

简单介绍了小波分析的基础理论,举例说明了小波变换在图像处理中的一些典型应用,包括图像压缩、图像去噪、图像增强和图像融合.     

现代信号处理的研究热点探讨

本文阐述了现代信号处理的主要特点，并分析指出了现代信号处理与传统信号处理在思想 和方法上的不同。随后，本文概要地介绍了几种现代信号处理的研究方法，并分析指出了现代信号处理的发展方向。     

基于小波变换的合成孔径雷达图像分割研究

图像分割在后续的图像处理中起着至关重要的地位,合成孔径雷达（SAR）的相干斑噪声的存在,降低了图像的质量,传统的方法对不能很好地对图像进行分割。该文结合SAR图像和小波变换的特点,提出了一种新的图像分割方法。首先利用小波变换对图像进行软阈值滤波处理,降低相干斑噪声的影响,然后对重建后的图像进行阈值分割。经试验证明了该方法的有效性。     

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.     

方向提升小波变换域稀疏滤波的自然图像贝叶斯压缩感知

针对压缩感知(CS)重构算法在实际应用中自然图像的小波变换系数往往无法稀疏的问题,提出了一种方向提升小波变换(DLWT)域稀疏滤波的自然图像贝叶斯压缩感知算法(DLWT-SFTSW-BCS)。首先对自然图像进行方向提升小波变换得到小波变换系数;然后在随机测量之前利用稀疏滤波切除小系数,消除了小系数对大系数重构时的混叠干扰;最后结合小波树结构的贝叶斯压缩感知重构算法得到自然图像的重构图像。实验结果表明,与仅利用尺度间相关性的小波树结构的压缩感知重构算法相比,DLWT-SF-TSW-BCS算法的重构峰值信噪比最大可提高10dB。     

湍流相干结构与壁压强脉动关联的小波分析

在风洞中同时测量平板湍流边界层的速度和壁面脉动压强,用小波分析法结合能量最大判别准则确定湍流边界层相干结构的时间尺度和壁压强脉动的时间尺度之间的关系．结果表明：压强脉动信号的小波能谱最大值对应的时间尺度与湍流边界层相干结构的特征尺度接近,可以利用壁面压强脉动信号的分析结果间接反映经过边界层的相干结构的时间特征．本研究选择复数Morlet小波作为小波母函数,有较好的分辨率．     

一种基于小波分析的混合编码研究

提出了一种基于小波分析的图像混合编码方案。首先，应用二维小波变换对图像进行分解，然后根据分解后不同分辩率下的数据特点，对各级子图像采和没的量化编码方法进行处理。如对最低频子图像进行预测编码，地中频和次高频子图像进行门限量化和一种新的游程编码，最后对打包后的编码数据进行Ｈｕｆｆｍａｎ编码，计算机模拟结果表明，该方法压缩效果好，处理速度快，对“Ｇｉｒｌ”标准头肩像压缩比达到了２５倍，峰峰信噪比大于３４     

特征点提取及视图变形技术研究

介绍了图像变形和视图变形技术,在此基础上提出了一种改进的视图变形方法．利用样条小波变换进行边缘检测,根据模极大值原理,获得单像素的轮廓边缘;针对传统的霍夫(Hough)变换的局限性,对其进行改进,并将改进后的Hough变换方法,用于从单像素边缘图像中提取直线的特征点,即端点中．在原始图像中,载入这些特征点,交互地选取其中所需的特征点,连接形成特征线段,然后使用图像变形方法,生成从起始图像到终止图像的期间过渡图像,实现两幅图像的渐变,该方法提高了特征点选取的准确性和效率,使中间过渡图像更加自然适真。     

(ψ)-混合误差下半参数回归模型小波估计的γ阶矩收敛速度

考虑一类固定设计下的半参数回归模型yi=xiβ+ g(ti)+ei,i=1,2,…,n,对于模型中的未知参数β和未知函数g(t)的小波估计(∧β)n和(∧g)n(t).,在{ei,1≤i≤n)是(ψ)-混合随机误差时,研究了(∧β)n和(∧g)n(t)的γ阶矩一致收敛速度.     

NURBS曲线半正交小波分解的带宽算法

在多分辨率曲线和曲面造型中,B样条小波已经得到广泛应用.为了进行小波分解,通常要解一个线性方程组或者求矩阵的逆.如果曲线比较复杂,控制点较多,则矩阵的阶数就会很大,所需的内存将难以容忍,小波分解的速度也会受到很大影响.根据B样条小波的综合滤波器的特点,给出了带宽B样条半正交小波的快速分解算法.