采用小波域α稳定分布的图像去噪

基于统计模型的图像去噪的关键是统计模型的选取.α稳定分布能很好地表示具有严重拖尾的数据的统计分布.该文采用α稳定分布来对图像小波域系数进行建模,并采用贝叶斯估计来对无噪图像进行估计.通过将该算法与近来的一些方法进行比较,仿真结果表明该算法具有好的去噪效果.     

基于图像变换域的双重数字水印方法

基于变换域的双重数字水印方法,通过嵌入鲁棒水印和脆弱水印实现了图像内容版权保护和完整性认证的双重目的.其优点是利用小波变换,分块、适应性嵌入鲁棒水印,在图像的高频和低频中分别嵌入鲁棒水印,使鲁棒水印更加强壮;同时它利用离散余弦变换,在图像的高频部分嵌入脆弱水印,使脆弱水印在遭受攻击或篡改时更易被损坏.     

对图像压缩中的SPIHT与SPECK算法的研究

在众多的图像压缩算法中，SPIHT和SPECK具有较好的性能，文中对这两种算法进行了深入地研究．首先介绍了小波变换后系数的分布特点，然后从算法思想、集合定义、分裂过程、排序过程、量化以及编码后的码流等方面分别介绍了SPIHT（多级树集合分裂）和SPECK（集合分裂嵌入块）算法，最后总结了他们的异同之处．     

基于小波矩特征的小波神经网络目标识别

提出一种具有尺度、平移与旋转不变性的目标识别方法.该方法首先提取目标图像的小波矩特征,然后与小波神经网相结合,构成一套目标识别系统.小波矩不变量不仅可以表示图像的全局特征,而且还能表示局部特征;而小波神经网络结合了小波分析和传统神经网络的优点,具有很强的学习能力和推广能力.因此基于小波矩的小波神经网络目标识别系统在进行目标识别时具有很大的优势.实验中使用该方法对4类飞机目标进行识别,实验结果证明其识别率高于其它的目标识别方法.     

小波变换方法去除体表子宫电信号中母体心电干扰

母体心电干扰严重影响了EHG信号的质量，为了解决以往算法中不能有效区分MECG干扰和EHG信号的问题，利用MECG干扰的波形特点，采用了基于小波变换的奇点检测以及模型极大值信号重建的方法去除EHG信号中的MECG干扰．该方法对EHG信号无影响，经临床实验取得了很好的去噪效果．该算法计算简单，可以实现EHG信号的实时处理，该研究的结果还可以用于被ECG信号污染的其它生理电信号的去噪。     

基于切换多模型小波网络的非线性动态系统控制

为了提高非线性动态系统的性能，提出了多模型小波网络方法，并详细介绍了多模型小波网络的结构．用多模型小波网络对非线性系统进行建模与控制，在仿真试验中将其与单小波网络进行对比，结果显示多模型小波网络控制的均方差为0．158，单小波网络控制的均方差为0．374．试验结果证明多模型小波网络方法控制精度高，响应速度快，其控制性能优于单小波网络。     

医学图像小波变换系数的统计分析

通过利用小波变换对医学超声图像进行分解，研究其小波变换系数的均值、标准差、图像的能量等统计特征，为医学图像压缩编码和图像去噪进一步研究提供参考．     

基于小波变换的低频数字水印嵌入算法

提出了一种基于小波变换低频系数的数字水印嵌入和检测算法．二值水印首先经过Arnold变换后再嵌入在原始图像的低频部分，仍能保持良好的视觉效果，进一步证明了低频部分不是水印的禁区．实验结果表明该算法有较好抗JPEG压缩、低通滤波等攻击的能力．     

基于距离分类准则的雷达目标识别方法

雷达目标信号是非平稳信号，对于这样的非平稳信号，用于分类的特征往往包含在局部的时一频信息中，用一般的变换提取有效的特征比较困难。利用小波包基的性质，提出了一种雷达目标识别方法。首先，对雷达回波信号进行小波分解，利用距离准则，选择最优小波包基，从被识别的信号中提取具有最大可分性的特征，得到目标识别的特征向量，由此进行目标识别。仿真实验结果表明，该方法具有高的识别率。     

回归函数非线性小波估计的优良性

在X服从区间[0,1]上的均匀分布的假设下,证明了回归函数的非线性小波估计中小波系数的无偏性和一致性.并证明了设置二次阈值情况下,小波系数的估计更有效.