于小波分析的散乱测量数据的压缩算法

对于大量的含有噪声的散乱测量数据,首先利用B样条小波对其进行去噪处理,然后以离散数据的曲率值为分析对象进行多分辨分析,依据所得的高频系数在一定的阈值条件下对原数据进行重采样处理,以达到数据压缩的目的.     

基于小波的B样条曲线多分辨表示及编辑

多分辨表示方法为曲线提供了更为灵活的表达方式,使得我们可以在不同分辨率下对曲线进行编辑,小波技术是实现曲线多分辨表示的一种新颖方法,已有许多论文从理论上论述了这项技术,文中从几何概念出发,由浅入深地论述了基于小波的准均匀三次B样条曲线多分辨表示的原理及其实现,并通过实例描述了B样条曲线的多分辨编辑。     

基于NURBS的散乱数据点自由曲面重构

针对散乱数据点,首先提出基于曲率测度的大规模散乱数据点自适应压缩方法。在此基础上,提出先压缩后重构的基于ＮＵＢＲＳ的曲面重构策略。该方法可在保持原数据点集基本特征的前提下,将散乱散数据点压缩到ＮＵＲＢＳ曲面重构要求的规模,从而实现了大规模散乱数据点的精确曲面重构。     

基于小波变换的图像多尺度数据融合

现有的图像数据融合方法对目标检测并不十分满意，为了提高目标检测的分辨率，抑制每个传感器的检测噪声，提出一种基于小波谱换的图像数据融合新方法，在图像分解的高域风，选择多源图像绝对值较大的系数作为重要小波系数，在低频域内，新的逼近系统通过对多源图像的逼近系数进行加权平均得到，然后利用重要小波系数和加权逼近系数进行小波反变换，即可得到融合之后的图像，实验结果表明，基于小波变换的图像数据融合方法具有良好的效果，并用于广泛的研究领域。     

基于MATLAB的B样条小波程序的实现

MATLAB是一种建立在向量、数组、矩阵基础上,面向科学和工程计算的高级语言,为科学研究和工程计算提供了一个方便有效的工具。该文简要介绍了B样条和B样条小波的构成,并利用MATLAB语言编写了绘制任意阶B样条和B样条小波图形的程序。     

一种基于小波变换的图像边缘检测方法和实现

介绍了小波变换的基本理论以及小渡分析方法用于图像边缘检测的基本原理及利用小波变换进行边缘检测的方法。接着重点研究了基于B样条小波的多尺度边缘检测,并且利用这种方法在几个不同尺度下分别提取了图像边缘。可以看出该方法不仅能准确检测出图像边缘,而且能有效地抑制噪声,优于其他已有的边缘检测方法。     

基于小波变换的图像边缘检测

边缘是一个区域的结束,也是另一个区域的开始,利用该特征可以分割图像。需要指出的是,检测出的边缘并不等同于实际目标的真实边缘。边缘是边界检测的重要基础,也是外形检测的基础。     

一种基于小波变换的图像边缘检测方法和实现

介绍了小波变换的基本理论以及小波分析方法用于图像边缘检测的基本原理及利用小波变换进行边缘检测的方法。接着重点研究了基于B样条小波的多尺度边缘检测,并且利用这种方法在几个不同尺度下分别提取了图像边缘。可以看出该方法不仅能准确检测出图像边缘,而且能有效地抑制噪声,优于其他已有的边缘检测方法。     

基于小波分析的人脸特征提取方法

人脸识别是目前生物识别的热门研究领域 ,具有广泛的应用前景。人脸具有唯一性 ,相对稳定 ,所以机器自动识别人脸是可行的。本文提出利用小波分解提取人脸特征进行分类     

逆向工程中基于小波的数据配准

利用小波分析的多分辨率特性与迭代最近点算法(ICP)相结合,提出了多分辨率数据配准算法,实现不同视角测量数据的快速配准。首先对数据点进行三角网格划分,并进行多层小波分解。对最低层网格计算离散曲率,在不同网格数据中搜索曲率最接近的点进行迭代配准,在所得变换的基础上,进行小波重构并在较小的范围内重新搜索最接近点并进行迭代配准,重复这一过程直到实现原始数据配准。通过实例证明,该算法具有迭代速度快,抗噪声干扰等特点。     

基于DSP的嵌入式零树编码算法设计

本文结合TI公司DM642的结构特点及EZW算法原理,提出了运用DSP实现图像压缩系统的设计方案。为了提高算法效率,文中用提升小波算法代替原EZW算法中的传统小波（mallat）变换算法。实验结果表明达到较为满意的效果。     

基于反对称双正交小波的图像压缩算法

研究了一种反对称双正交小波的图像压缩算法。通过分析静态图片中的空间冗余和结构冗余信息,计算图像的小波变换系数及相关信息度,并对低频和高频部分进行编码。实验结果表明该方法压缩效果明显,以Lena图像为例,其压缩品质PSNR指标比DCT方法高 1.42 dB。     

基于小波和偶合特征的多数据流压缩算法

提出了基于Haar小波技术和偶合特征的多数据流压缩方法.主要研究成果包括:(1) 证明了Haar小波变换服从能量守恒规律,并用于压缩数据流;(2) 揭示了数据流的偶合度与变化趋势的相关性、偶合度的平移不变性及等价规律,采用特征流序列的小波系数和流能量近似表示流的趋势,达到压缩的目的;(3) 提出了多尺度能量分解模型,提高了表示精度;(4) 设计了多尺度能量分解压缩算法以及多尺度重构算法;(5) 在真实数据集上的实验表明,新方法的压缩比是传统小波方法的2～4倍.     

二元Haar小波分解下的曲面数据压缩算法

本文基于二元张量积Haar小波分解，构造误差驱动的曲面数据压缩算法，该算法既可对已知曲面进行数据采样，又适用于对未知曲面方程的测量数据直接进行数据压缩。     

数据多次分组的图像无损压缩算法

对经典的图像无损压缩方法进行了比较全面的分析和研究。提出一种利用图像相邻像素之间的相关性对数据进行多次分组压缩的图像无损压缩算法,并提出了四种处理相同像素值或相近像素值的RLE改进算法和一种针对二值序列的长度编码表压缩算法,取得了较好的压缩效果。实验结果表明本算法的压缩比优于WinZIP,与WinRAR基本相当。     

小波分析在三维地形数据简化中的应用研究

研究了小波分析在三维地形数据简化中的应用。在分析了小波多分辨率分析理论的基础上,重点探讨了小波多分辨率分析理论在三维地形简化中的应用,提出了实现三维地形数据简化的一种新的方法。     

曲线数据压缩算法研究与应用

在数据分析软件中,随着数据量的增加,导致数据分析的难度增加,制约了软件系统性能的进一步提高。在分析了以往数据压缩算法的基础上,提出了一种改进的数据压缩算法,通过该算法对数据进行压缩,可以保证高压缩比和低失真率参数,压缩后的数据量远远小于数原始数据量,从而可以有效的降低分析软件后续的工作量,提高分析软件的性能,尤其在数据量大和实时性要求比较高的应用中,该算法的优点更加突出。     

一种基于SDT算法的新的过程数据压缩算法

针对流程工业实测过程数据压缩存储问题,在深入分析旋转门（SDT,Swing Door Trending）算法的基础上,提出了一种基于SDT算法新的过程数据压缩算法（NSDT,New Swing Door Trending）。NSDT算法采用曲线对过程数据进行拟和以实现数据压缩,与SDT算法相比能取得更好的压缩效果。根据理论分析和实验数据结果分析,证明了NSDT算法确实可以在不增加压缩误差的前提下,有效地提高压缩比。