基于小波包的2D-HMM离心泵故障诊断

根据离心泵故障振动信号的特点,提出了一种结合小波包与二维隐马尔可夫模型(2D-HMM)的离心泵故障诊断方法.利用小波包分解对信号进行精确细分的特点,构造出相应的能量谱作为离心泵运行状态的特征向量,并以此作为2D-HMM的输入进行训练,建立了基于2D-HMM的离心泵运行状态分类器,用以识别离心泵状态.最后通过2BA-6A离心泵试验系统验证了该方法的有效性.     

一种基于小波变换的显微图像去噪算法研究与实现

从显微镜成像系统采集图像时,由于在采集的过程中有噪声干扰,使得图像模糊,信息量不足,给图像后期的复原工作和正确分析带来困难.采用的基于小波变换的显微图像去噪算法不需要所处理图像的任何先验知识,不依赖图像的大小来判断门限,不需方差信息,具有盲去噪的功能,并且采用本方法处理的噪声图像与邻域平均法、中值滤波法、低通滤波法相比,图像的边缘信息更清晰,纹理特征增强,去噪能力也很好.     

一种基于小波阈值函数的交通图像去噪算法

针对高速运动条件下交通实时监测图像的失真和去噪问题,介绍小波阈值图像去噪过程和传统GCV阈值的原理,引入整数小波变换和合并递推运算的思想,提出一种快速递推GCV阈值的小波图像去噪方法。仿真实验分析了传统GCV阈值和快速递推GCV阈值去噪的效果,并比较了两种算法的复杂度。结果表明,快速递推GCV阈值算法不仅保留了传统GCV阈值算法去噪效果明显的特点,而且很好地解决了算法复杂度较高的问题,具有良好的应用前景。     

一种新的基于多小波的图像去噪算法

图像去噪是最基本的图像处理技术,小波分析是目前国际上最新的时间．频率分析工具,是信号去噪的强有力处理工具。通过小波变换可以将交织在一起的混合信号分解成不同频率的块信号。多小波所拥有的对称性、正交性、有限支撑等重要特性弥补了单小波的不足。本文提出了一种新的图像去噪方法,该方法以多小波变换为基础。实验证明,具有很好的去噪效果。     

一种新的双密度复小波域图像去噪算法

提出一种改进的基于双密度复小波系数组合的图像去噪算法。采用双密度复小波分解噪声图像,将其变换系数按规则重新排列组合,增强了图像的边缘信息。引入贝叶斯最大后验佑计理论下的双变量模型,充分挖掘其系数尺度内和尺度间的双重关联性,有效地提高了去噪性能。仿真实验表明,去噪后的图像克服了常见的伪吉布斯现象,与当前一些图像去噪算法相比较,其客观评价指标PSNR以及去噪后图像的主观视觉效果都有明显的提高和改善,且有效地保留了原始图像的纹理和细节信息。     

基于双局部阈值小波收缩的图像去噪算法

提出了一种基于双局部阈值的小波收缩的图像去噪算法。该算法利用小波系数的幅值、空间特性以及对噪声图像的分割,得到两个局部阈值：幅度阈值和空间阈值。利用这两个局部阈值（每个区域阈值不同）对小波系数做相应的“收缩”处理和重构,从而得到一个优质的去噪图像。该算法计算简单速度快,去噪效果明显,优于其他一些去噪算法。     

一种基于遍历矩阵的小波域数字水印新算法

提出了一种基于遍历矩阵和DWT的图像鲁棒水印新算法。利用指定密钥产生的遍历矩阵对水印图像置乱,再将置乱后水印图像嵌入到宿主图像的深层小波域低频子图,嵌入位置由遍历矩阵确定,嵌入规则基于改进的二值运算方法。水印的检测只需水印置乱密钥和水印嵌入位置密钥。大量仿真实验表明,算法在保持较好鲁棒性的同时,安全性也能有很好的保证。     

基于复数小波的图像恢复算法研究

研究了基于复数小波的各种图像恢复算法，提出把HMT模型应用到ForWaRD的图像恢复中．利用ForWaRD算法，首先把模糊加噪的降质图像在傅立叶域中进行维纳滤波器正则反卷，然后在小波域中进行去噪处理，可以得到较好的恢复效果．对典型卷积加噪线性降质图像进行了仿真实验，并把基于复数小波的各种图像恢复算法的仿真结果同基于正交小波的图像恢复算法仿真结果作了比较，发现前者无论从客观指标还是视觉效果上都有明显的优势，尤其是基于HMT模型的复数ForWaRD图像恢复方法．     

一种新的基于小波变换的医学图像去噪方法

对医学图像进行去噪可以提高医学图像的信息利用率,小波变换是目前最新的时频分析工具,是图像去噪的强有力处理工具。本文提出了一种改进的基于小波变换尺度间相关性的去噪方法,实验证明,该去噪方法能有效去除医学图像中的噪声。     

基于小波域的二维混沌加密算法

将一种位扩展运算运用于小波域来进行图像加密,同时利用二维混沌映射的参数敏感性和伪随机性对小波变换后的系数进行调整,再对低频系数进行位扩展,实现图像信息的高强度加密。仿真实验结果表明,该算法有很好的效果,加密强度高、保密性强、计算时间短,恢复图像与原图像的一致性良好。     

基于四元数小波变换HMT模型的图像去噪

实小波变换域中的图像去噪会产生伪Gibbs现象,为此,提出一种基于四元数小波变换的隐马尔可夫树模型(Q-HMT),并应用于图像去噪。模型结合四元数小波变换理论与HMT模型,体现小波系数层间的相关性,捕获小波系数邻域的统计特征。实验结果表明,该模型的图像去噪效果在峰值信噪比以及视觉效果上均优于经典的去噪方法。     

基于小波域HMT的图像杂波抑制方法

针对复杂背景下红外微弱点状运动目标的检测,提出一种基于小波域HMT模型的图像杂波抑制方法。对图像小波系数低频部分建立隐马尔可夫树模型,使用Bayesian准则估计图像背景小波系数,参照杂波抑制模型,得到杂波抑制后图像的信号加噪声模型,并通过计算Kendall秩相关系数和Friedman统计量验证了该方法残留噪声的高斯性和独立性。     

基于小波域层次Markov模型的图像分割

针对两个状态的有限高斯混合模型逼近小波系数的不足和小波域隐马尔可夫树标号场相互独立的缺点,提出了一种基于小波域层次马尔可夫模型的图像分割算法,这种模型用有限通用混合模型逼近小波系数的分布,使有限高斯混合模型只是其一种特殊情况;在标号场的先验模型确定上,利用马尔可夫模型描述标号场的局部作用关系,给出标号场的具体表达式,克服了小波域马尔可夫树模型标号场相互独立的不足,然后利用贝叶斯准则,给出相应的分割因果算法。该模型不仅具有空域马尔可夫模型有效的递归算法的优点,同时具有小波域隐马尔可夫树模型中的马尔可夫参数变尺度行为。最后用真实的图像和合成图像同几种分割方法进行了对比实验,实验结果表明了本文算法的有效性和优异性。     

基于(2D)2-KL变换的小波域图像融合算法

为使融合后的图像在尽可能保留源图像细节信息的同时,还能够有效提高源图像的对比度,提出基于(2D)2-KL((2D)2-Karhunen-Loeve)变换的小波域图像融合算法.首先用(2D) 2-KL变换直接对图像信息进行分析,并构建协方差阵,提取图像的重要特征,然后将其主要特征输入到小波域中.在此基础上,对小波变换分解得到各子带系数,用一定的融合策略进行融合.低频子带含有图像的轮廓信息,引入加权因子指导低频子带系数进行融合.实验结果表明,提出的算法有效提高了图像的对比度,并且很好地保留了图像的细节信息,无论在视觉角度上,还是在各种客观性能评价上都比其它传统方法取得了更佳的融合效果.     

基于小波包分析的图像去噪处理

小波分析是一种信号的时间一频率分析方法。而小波包分析是建立在小波分析的理论基础上将信号的高低频成分分开,为信号提供一种更加精细的分析方法。根据被分析信号的特征,自适应地选择相应频带,使之与信号频谱相匹配,从而提高了时一频分辨率。它在信号消噪方面有着显著的效果。本文简述了小波包分析的原理,并基于matlab实现了对二维图像信号进行消噪。     

基于小波域隐马尔可夫模型的小波隐写分析

基于精确描述图像小波系数间统计特性的小波域二维隐马尔可夫模型(HMM)参数集合,提出一种针对小波域信息隐藏算法的新型隐写分析技术。通过使用二维HMM对小波系数进行建模,对生成的HMT森林在隐写前后的参数集合构造隐写分类特征,采用SVM分类器进行隐写判别。实验表明该方法适用于小波域隐写术的检测,对小波域QIM、MFP和BPCS隐写有较好的检测性能。     

基于复方向滤波器组和HMT的图像去噪

提出一种基于金字塔对偶树方向滤波器组(PDTDFB)分解系数模的HMT模型,该模型结合PDTDFB理论、复数的模和HMT的特点,利用PDTDFB对图像分解后复系数的模建立HMT模型,由EM算法训练模型获得去噪后的模,恢复复系数、重构图像。实验结果证实,与其他几种典型的去噪算法定性比较,该模型去噪效果有不同程度的提高,更好地保留了图像的边缘信息。     

基于小波域隐马尔可夫树模型的超声图象贝叶斯去噪

提出了一种新的医学超声图象去噪方法 .首先 ,原始超声图象经对数变换 ,其乘性散粒噪声变为了加性噪声 ;然后再经小波变换后 ,基于隐马尔可夫树模型 ,应用贝叶斯方法去除加性噪声 ;最后 ,经小波反变换和指数变换恢复去噪后的原始超声图象 .测试结果表明 ,此方法在有效去除噪声的同时 ,能保留原始图象的细节边缘 .针对超声图象还对几种去噪算法作出定性比较 ,并对去噪性能给出定量分析 ,实验结果表明 ,该方法是可行的     

IPP在基于小波域Wiener滤波的图像去噪中的应用

为了提高工业在线检测中图像处理的速度,使用英特尔集成性能原件(Intel IPP)作为编程工具,在小波域结合Wie-ner滤波进行图像去噪。对IPP作了简介,并阐述了小波域Wiener滤波原理和ThWiener算法。实验表明,在VC 平台下使用IPP对含噪图像进行小波域Wiener滤波具有良好的去噪效果,并且计算速度快,效率高,在实时图像处理中有较高的应用价值。     

基于Contourlet域的隐马尔可夫树模型的图像融合算法

提出一种基于Contourlet域隐马尔可夫树(CHMT)的多聚焦图像融合方法。CHMT能有效捕获不同尺度系数之间、不同方向系数之间的相关性,能为图像融合提取更多的特征信息。算法对低频子带采用区域方差法,高频子带则依据训练后模型的每一系数的后验概率进行不同的融合处理,以减少融合图像边缘处的斑块模糊现象。仿真实验结果表明,该算法优于基于Contourlet域的常规融合算法,融合后的图像具有更好的主观视觉效果。