基于小波变换的数字视频多分辨率编/解码及图像轮廓识别

基于小波变换和Mallat算法的数字视频编/解码及图像轮廓识别,编码端用小波变换将二维图像信号子带分解成1个低频分量和3个高频分量,并结合可编程量化和Huffman编码获得较大压缩比信号的数据比特流,实现数字视频编码.在接收端,用小波逆变换对4个子带信号重构,恢复出原始二维图像信号,实现视频解码.用小波变换的分辨率特性和二维子带谱分析法实现图像轮廓识别.     

基于小波变换和零树编码的无人机图像压缩

针对傅里叶变换的不足，介绍了小波变换，详细分析了嵌入式零树小波编码方法。采用bior3．7对图像woman进行单层分解，将原始图像与分解后低频和高频信息图像进行对比，清晰地看出图像的能量主要集中于低频系数，而高频系数主要是图像的细节信息。     

整数小波变换与矢量量化在图像处理中的应用

研究了基于提升框架下整数小波变换与矢量量化相结合在静止图像处理中的应用。将提升框架的整数小波变换的优点同矢量量化编码方法相结合，可在一定程度上解决编码速率低，难以生成通用码本的问题，同时小波变换方法的优点还能克服LBG等经典算法对高频分量的平滑，提高了分辨率。仿真结果表明：采用提升方法的整数小波变换和矢量量化相结合进行静止图像的压缩，同经典的图像压缩算法相比，在一定程度上降低了计算复杂度，提高了压缩效率，同时简化了编码与解码的过程，并可利用数字信号处理器（DSP）予以实现。     

小波变换降噪技术及其在Matlab中的实现

小波降噪含模极大值、尺度空间滤波、域值滤波三种方法.域值滤波法只对低频部分进一步分解,不考虑高频部分,因而用小波函数进行处理.域值滤波方法的处理过程为:对信号进行小波分解;小波分解高频系数的域值量化;信号重组.对潜艇获得的测量方位信号仿真结果分析表明,该方法可行.     

基于小波包分解的遥感图像压缩方法

基于小波包分解的遥感图像混合编码方法,首先将小波包分解后的低频和高频小波系数域值化为重要系数和非重要系数.低频重要系数采用无失真编码压缩.高频重要系数及其位置图,先用数学形态学方法进行聚类,再用标量量化和行程编码对重要系数和位置图分别编码.试验证明这种方法有效.     

基于DWT的数字图像盲水印算法

一种基于DWT的数字图像水印算法：先将1幅作为宿主图像的灰度图像进行分块，再利用Haar小波函数对分块分别进行二维离散小波变换，将水印信息嵌入到小波低频系数中，最后对嵌入水印信息的分块进行逆小波变换重构图像获得含水印图像。提取水印时不需要原始图像。通过Matlab进行仿真，实验结果表明该算法有很好的不可见性，并且对JPEG压缩、高斯噪声、高斯低通滤波等操作有较好的鲁棒性。     

基于四叉树分割的小波域分形图象压缩算法

根据小波及分形理论的特性提出了一种小波域分形图象数据压缩方法，基本思路是利用小波变换实现图象的多分辨率分解，采用分形理论对具有相似性的小波分解图象进行编码，从而充分利用了两种理论的优点，提高了图象压缩系统的压缩率和容错率，最终提高重构图象的质量。     

基于图像绘制场景的压缩方法

基于图像绘制场景的压缩方法先采用光场方法、同心拼图完成真实场景数据的采集。再用块编码、参考编码和高维变换(小波)编码等三类IBR压缩系统对照片集图像数据进行压缩。块编码压缩光场和同心拼图中的区域块,用空间矢量量化重新编码。参考帧编码经RBC压缩比特流加快实时绘制。用高维小波变换压缩同心拼图达到最佳的压缩率。     

基于小波变换的弹载图像压缩编码算法

针对弹载视频图像在战场中的应用背景，通过对SPIHT算法和LZC算法的研究，在LZC算法的基础上，改变小波系数扫描方式，提出基于小波变换的弹载图像压缩编码算法NLZC。实验结果表明：在相同的压缩比下，新算法性能更优，并且降低了内存的需求，有利于硬件实现。     

小波分析在扭矩动态测试法去噪中的应用

首先介绍小波分析基础理论,然后讨论小波分析在动态扭矩测量信号滤波中的应用.通过对所获得的扭矩信号进行离散小波变换,利用阀值量化处理的方法去除噪声,将剩余部分进行重构,形成了抑制噪声的滤波信号.实验结果表明该方法对采样信号滤波是十分有效的,对提高扭矩测量精度很有利.