基于小波的图像压缩处理分析

介绍了基于小波的图像多分辨率分析方法及小波图像压缩的基本原理，论述了在图像小波处理过程中小波函数类型的选择同题，并通过实例对EZW、SPIHT和MRWD三种小波图像压缩方法进行了分析和比较。     

基于小波变换的谐波测量方法综述

结合国内外谐波检测技术的发展现状,对基于MALLAT算法、小波包变换、连续小波变换、复小波变换、自适应小波的谐波检测以及电能质量分析方法进行了分类和总结,分析了各种小波变换算法在谐波检测中的优点和缺点,同时对目前小波变换在谐波测量中的几个需要解决的问题进行了归纳.最后,对小波变换在电力系统谐波检测中需要重点研究的方向提出了自己的看法.     

汽轮发电机转子绕组匝间短路的检测方法

本文介绍了汽轮发电机转子绕组匝间短路检测的各种方法,论述了这些方法用于故障检测的原理和效果,比较了各种方法的优缺点.同时,首次将小波分析方法用于转子绕组匝间短路故障的检测,指出小波分析方法适用于动态非平稳故障信号的特征提取,适合于汽轮发电机转子绕组匝间短路实时的故障检测.     

基于小波变换的干涉条纹边缘检测

为了更好的对干涉条纹进行分析,就必须预先对条纹图像进行预处理.在对比传统边缘检测的基础上引入小波分析理论,对干涉条纹利用小波变换进行平滑处理,同时,利用小波变换的分解强化了图像的边缘信息.通过计算机模拟,可以得部门引入小波变换后对于条纹的边缘检测能够取得优丁传统边缘检测的结果.     

发电机转子绕组匝间短路故障检测方法的研究

介绍了几种动态检测汽轮发电机转子绕组匝间短路故障的方法,比较了各种方法的优缺点,并重点介绍了在探测线圈法基础上将小波分析用于转子绕组匝间短路故障的检测方法,指出小波分析方法适用于探测线圈感应电动势动态非平稳故障信号的特征提取,适合于汽轮发电机转子绕组匝间短路实时的故障检测.     

基于小波变换的电力系统短路故障分析

介绍小波变换应用在信号奇异性检测方面的基本原理,提出了基于小波变换的电力系统故障信号分析方法,既充分利用了小波变换在故障信号分析中的优点,又克服了传统傅里叶变换方法的不足.最后通过一个实例进行验证.     

一种基于小波、分形与神经网络的汽车车型识别方法

提出了利用小波分析、分形理论和神经网络技术进行车型图像的识别方法 ,主要包括用小波理论进行汽车图像的消噪和边缘检测、分形编码和神经网络分类等 3个部分 .经过实验证明 ,该方法取得了较佳的识别效果     

基于小波变换的边缘检测及其在绝缘瓷瓶故障诊断中的应用

电力系统中绝缘瓷瓶的实时监测是保证系统安全运行的重要环节.文中从瓷瓶裂纹检测的实际情况出发,分析了在边缘检测中小波的选取问题,并根据分析结果选用二阶样条双正交小波来提取瓷瓶图像的多尺度边缘特征,提出一种通过动态处理瓷瓶图像实现的瓷瓶裂纹实时检测方案,并将其应用于无人值守变电站图像监控系统.仿真结果和实际应用均表明了该方法的可行性和有效性.     

实小波与复小波变换对局部放电在线监测中提取信号特征的特点研究

通过采用实小波变换与复小波变换的分析方法抑制干扰、检测局部放电信号的研究,得到了实小波与复小波两种分析方法的特点;通过应用模拟数据和实验室实测数据分析,复小波变换可以从各种干扰中提出了局放信号的特征,应用效果十分良好.     

多小波的预处理方法及其在电力设备故障检测中的应用

探讨了多小波不同预处理方法,并分析了基于多小波变换的电力设备故障检测方法.通过仿真,比较了传统小波和基于不同预处理方法的多小波在电力设备故障检测中的应用效果.结果表明,选择合适的预处理方法,用多小波来对电力设备故障进行检测,检测效果比传统小波更好,结果也表明预处理方法是影响多小波分析的关键因素.     

旋纹壳体衬层粘接图像处理技术研究

基于粘接质量评价的超声检测,是无损检测长期关注的课题。本文以钢/橡胶多层粘接结构超声成像的图像为处理对象,采用均值滤波和低通窗函数滤波的方法去除图像中的噪声点;采用图像锐化的方法来使图像的边缘和轮廓变得清晰;采用一维、二维、小波包分析的图像处理方法来去除图像中的纹理。采用上述方法,使脱粘点成像更加清晰化,并达到无损精确检测出脱粘点的目的。     

用小波矩阵分析Mallat算法的物理几何含义

提出了小波分析的新途径。用Harr小波矩阵来分析Mallat算法的物理和几何含义,把"原始像"分隔为"模糊像"和"细节像"。"模糊像"起到信息压缩的作用以利于远距离传输。本文同时给出如何把得到的"模糊像"经膨胀插值变成光滑的"恢复像",以体现滤波的效果。把"原始像"减去"恢复像"就得到按时间尺度分布的"总谐波像",以到达时频双分析效果。本文用Harr小波分解做到信息压缩和光滑重构,这些正是目前小波理论所梦寐以求的东西。     

有利图像压缩的小波去噪算法

提出了一种有利于图像压缩的小波图像去噪方法及一种小波系数校验方法.首先利用多个阈值在小波域进行硬阈值迭代去噪,然后利用小波子带的方向性对小波系数进行校验,并将保留的非零小波系数乘以一个比例系数,最后利用小波逆变换获得去噪图像.实验结果表明该方法的去噪效果优于常用方法,接近甚至超过BayesShrink方法.该方法可在有效去除图像噪声与保留较少的非零小波系数之间得到较好的折衷.     

基于小波多尺度变换的局部放电图像识别方法

局部放电模式识别是一种高电压设备绝缘故障诊断的有效方法。文中基于小波多分辨理论,提出了一种对局部放电(?)-q-n灰度图像进行模式识别的新方法。该方法对局部放电待识别图像和参考图像进行小波多尺度分解,然后对某一尺度上形成的低频子图像进行相似度以及模式贴近度计算,按照模式贴近度最大的原则进行模式识别。文中对放电模型实验获得的放电样本进行了模式识别并计算出基于4种小波基的多尺度图像分解的局部放电图像的识别率,分析了小波分解尺度及4种小波正交性及光滑连续性对识别率的影响。分析表明,选择正交小波和合适的分解尺度,文中提出的方法能够获得良好的效果。     

基于均值滤波和小波分析的图像去噪

由于均值滤波在抑制噪声的过程中会损失图像的边缘等细节信息,从而导致整幅图像的模糊不清,而小波分析在图像处理中具有较强的图像增强能力,故而采用两种滤波方法的结合来处理含噪图像。通过实验证明,该法在处理含噪图像时,不仅很好地降低了噪声,而且还较好地保留了原图像的边缘等细节信息,使得图像的对比度增强,增进了图像的视觉效果。两者的有机结合使得图像的去噪效果比单独使用其中一种更优。     

基于小波分析的图像检索技术

随着大量数字图像数据库的出现,基于内容的图像检索技术成为研究热点。本文针对小波的多尺度分析特性,描述了一种基于小波分析的图像检索算法,在小波变换域内提取出图像的显著特征点,然后提取显著特征点的颜色和纹理特征,颜色选取HSV空间,纹理特征用Gabor小波幅值的均值与方差表示,通过相似性匹配实现图像的检索。最后,本文通过实验证实了这种方法具有较高的检索精度,与基于角点检测方法的图像检索相比,检索效果与人的视觉更加相符。     

基于自组织小波神经网络的磁共振图像分割方法

磁共振图像的准确分割对于辅助医生确定病灶的位置和形状、制订治疗方案和评价治疗效果具有重要的意义。本文提出了一种新的磁共振图像（MRI）分割方法。构造了一种自组织小波神经网络，通过融合T1、r12和Pd图像的特征来识别MRI中生物组织的类别。该网络继承了小波分析局部精度高和神经网络自学习能力强的优点，采用自组织算法利用训练数据的稀疏性对网络的结构和初始参数进行优化，简化了网络结构，提高了网络学习的速度，避免了网络陷入局部最优学习。将所提方法应用于大脑磁共振图像分割的实验结果表明，所设计的自组织小波神经网络MRI图像分割方法具有精度高和学习速度快的优点。     

基于非高斯分布的四元数小波图像去噪

图像去噪一直是图像处理的经典问题之一.四元数小波变换是一种新的多尺度分析图像处理工具,图像通过四元数小波变换后的小波系数尺度间具有一定的相关性,而广义高斯分布不能体现这个特性.本文首先采用非高斯二元分布的贝叶斯统计模型来模拟四元数小波系数的统计分布,然后运用最大后验概率估计从带噪声图中的小波系数估计原图的小波系数,从而达到去除噪声的目的.实验表明;该方法不仅可以达到明显的去除噪声的效果,而且在峰值信噪比上也要优于目前的许多算法.     

多小波变换及其在图像处理中的应用

简要回顾了多小波变换理论及其在图像处理中的重要性质 ,分析了离散多小波变换时预滤波设计和边界处理问题。而后介绍了多小波变换在图像处理方面的应用。实验表明 ,多小波方法在图像数据压缩以及图像去噪等方面能够取得比单小波更好的效果。