基于小波阈值的图像压缩

提出了一种基于小波阈值的图像压缩方法,研究了Haar小波在图像压缩中的应用.先对图像进行小波分解、重构,然后与Haar小波相结合,通过设定不同的阈值进行压缩,并将此方法与直接采用Haar小波和Sym5小波的压缩图像进行比较.实验结果表明,本文方法对图像的压缩比及峰值信噪比都有所提高.通过小波工具箱可以实现简单的设定阈值的图像压缩,但是为了达到更好的压缩效果,就需要对压缩方法进行改进.     

Lifting Scheme的Haar小波在医学图像压缩中的应用研究

针对医学图像进行实时传输和大量存储时需要进行压缩处理的需求,论述了Lifting Scheme的Haar小波在医学图像压缩中的应用方法.首先,分析了Haar小波的变换原理,然后阐述了基于提升Haar小波的医学图像压缩算法.实验表明,在压缩比和峰值信噪比等评价参数方面,基于Lifting Scheme的Haar小波算法在医学图像压缩中取得了较好效果.     

Riccati方程初值问题的Haar小波数值解法

求解微分方程初值问题是小波分析在数学上的一个重要应用。在已有的利用Haar小波求解微分方程方法的基础上，对求解Riccati方程初值问题的离散化过程进行了改进，减小了运算量。数值实验表明，该方法在数值上精度略好于文献中利用Haar小波求解微分方程的方法。     

基于双Haar小波软阈值去噪的阈值选取

基于双Haar小波提出了一种新的去噪方法 .尽管Donoho对软阈值去噪提出了一个计算阈值的公式 ,但它并不适合双Haar小波 .针对这一问题提出了一种适于双Haar小波变换以及其它非正交小波基的阈值选取方法 ,实验证明此阈值的选取是有效的 .     

一种基于小波脊线拟合的MFSK信号识别方法

通过MFSK信号的正弦类Haar小波脊线表达式的推导，选取其作为MFSK信号识别的特征参量，进而对MFSK信号进行了识别．针对高斯白噪声对MFSK信号的特征参量的影响，提出利用最小二乘法对正弦类Haar小波脊线进行拟合的方法．最后对2-FSK信号进行仿真，结果表明此方法具有较好的抗噪声性能．     

Riccati方程初值问题的Haar小波数值解法

求解微分方程初值问题是小波分析在数学上的一个重要应用.在已有的利用Haar小波求解微分方程方法的基础上,对求解Riccati方程初值问题的离散化过程进行了改进,减小了运算量.数值实验表明,该方法在数值上精度略好于文献中利用Haar小波求解微分方程的方法.     

基于Haar小波变换的虹膜识别算法

提出基于Haar小波变换的虹膜识别算法.通过Haar小波变换对归一化虹膜图像进行特征提取,运用Hamming距离对2个虹膜特征进行模式匹配.与Daugman的虹膜识别算法比较,该方法在编码长度和编码时间上都有较明显的改进,且算法具有良好的鲁棒性,可用于实际的身份鉴别系统中.     

小波分析在织物起毛起球客观评级中的应用

本文将小波分析方法应用于织物起毛起球图像分析,建立了基于二维离散小波变换的织物起球图像分析模型,提出了优化分析小波及相应的分析尺度的步骤,并利用Haar小波的方波形状与机织物的织纹结构具有相似性的原理,采用Haar小波对机织物起毛起球进行了分析,给出了织物起毛起球客观评定方法。     

对流扩散方程的Haar小波数值解

本文针对一维对流扩散方程构造了有效的Haar小波方法.数值实验验证了该方法的有效性.     

基于双Haar小波软阈值去噪的阈值选取

基于双Haar小波提出了一种新的去噪方法．尽管Donoho对软阈值去噪提出了一个计算阈值的公式，但它并不适合双haar小波，针对这一问题提出了一种适于双Haar小波变换以及其它非正交小波基的阈值选取方法，实验证明此阈值的选取是有效的。     

小波分析在弓网动态参数检测中的去噪应用

对小波和二进小波进行了简单的介绍，在此基础之上，分析了基于小波变换的信号降噪的处理技术，将小波分析应用在高速电气化铁路弓网动态参数的信号降噪处理中，并利用仿真结果验证了该方法的降噪效果．     

小波分解在移动用户行为识别中的应用

针对目前行为识别通用模型对步行、上楼、下楼等易混淆行为识别准确率较低的情况,提出了一种基于小波分解的移动用户行为识别方法,从小波分解后不同频率子信号的低频近似系数中提取小波能量、小波峰个数和平均波峰幅值等特征,基于决策树分类器建立与用户无关的行为识别通用模型.分别用典型时域特征数据集和小波特征数据集对该通用模型进行验证.实验结果表明,采用新方法后,3种易混淆行为的平均识别准确率提高了14.82%,减少了误判.     

小波矩量法在电磁场数值计算中的应用

从小波变换和多分辨分析入手,讨论了正交小波变换的快速算法。介绍了小波矩量法的基本原理,并将快速算法应用于小波矩量法中,减小了数值方法对存储量的要求,在达到允许精度的前提下,使计算量大大降低。给出计算实例,验证该方法。     

小波分析在图像处理中的应用

简要介绍了小波分析的基本原理和分类,及其在图像处理中的应用。重点论述了小波分析在图像边缘检测,图像融和,图像消噪中的应用。并介绍了以小波分析为基础的人工神经网络是图像识别的一种很有前途的方法。     

小波帧变换方法在电能质量扰动中的仿真分析

针对电能质量扰动问题,提出了小波框架和小波帧算法.将小波帧算法和传统的小波分析方法在算法框架上进行了比较,并进行了大量的实验.实验结果表明,基于小波帧算法的实时性有所减弱,但在扰动定位的准确性方面有很大提升.     

基于最大相关性的小波谐波检测方法

谐波的存在严重影响电网中电能的质量,保证电力系统的安全运行,首先要对谐波进行准确的检测和分析,剖析电网中的谐波成分。傅里叶变换能够分析谐波中稳态成分,却无法分析电力谐波中广泛存在的暂态及突变信号。小波变换的时频分析方法应用于谐波分析当中,弥补了傅里叶变换的这一缺陷。本文通过Matlab仿真,采用最大相关性的方法选取小波基,并用小波变换实现对电力系统中暂态信号的分析,将小波变换与傅里叶变换的分析方法进行比较,验证了基于小波变换的谐波检测方法的有效性。     

自适应小波分析应用于回转机械设备的故障诊断

介绍了基于kurtosis最大化准则的自适应Morlet小波分析方法，通过等距改变控制母小波函数时频结构的对应参数得到一系列不同的滤波子小波，对每一个子小波的滤波结果计算其Kurtosis系数，由于该系数对剧变信号尤为敏感，最大值所对应的子小波即为与剧变信号最为接近的子小波。将其应用于处理染噪的周期性脉冲信号，以识别裂纹故障发展的初期征兆。与其它分析方法如离散小波变换和小波降噪进行了比较，结果表明自适应Morlet小波分析方法对于提取噪声中的周期性脉冲是非常有效的。     

A theory of constructing locally supported radial wavelet frame and its application

A new method for constructing locally supported radial wavelet frame or basis, which is different from the multiresolution analysis, is proposed. A continuously differentiable radial function with a local support is chosen at first.Then a radial wavelet is obtained by the first and second derivatives of the radial function, If the radial function is both locally supported and infinitely differentiable, so is the radial wavelet. It is shown that the radial wavelet is a multidimensional dyadic one. I. Daubechies' wavelet frame Theorem is extended from one dimension to n dimensions. It is proven that the family generated by dilations and translations from a single radial wavelet can constitute a frame in L~2(R~n). Consequently, it is concluded that the radial wavelet family generated by dilations and translations combined with their linear combination can constitute an orthonormal basis in L~2(R~n). Finally, an example of the radial wavelet,which is inseparable and with a local support and infinitely high     

基于最优小波包基的降噪方法及其应用

如何有效去除信号中的噪声是地球物理勘探领域中一个较重要的研究内容。如何去除有效数据中的噪声而保持信号的初至相位不发生畸变,常规的频率域或时间域滤波方法均不能较好的解决这个问题,而基于小波包基的信号去噪方法却是一种较好的方法。本文以小波包分析为基础,根据最小代价原理研究信号分解的最佳小波包基,对不同频率的系数采用不同的阈值进行量化,对高频信号采用Stein无偏似然估计的原则计算阈值,而在低频部分则采用以信号能为依据的浮动阈值,利用量化后的小波包系数重构得到去噪后的信号。仿真和实验结果表职,该方法去除噪声的同时并不改变原信号的相位,也不会产生波形的畸变。同时,将该方法利用到超声波数据降噪处理的工程实际中也取得了较好的效果。