基于小波变换的颗粒图像边缘检测算法研究

为了能在颗粒图像边缘检测中得到单边缘响应、连续的边缘线,在图像边缘检测的过程中,本文采用了小波变换的处理方法：在使用小波变换边缘检测算法检测出边缘后,本文提出一套较完整的边缘线加工算法,最终得到单像素宽的边缘．并利用加工后的边缘信息成功分割了一类颗粒图像。     

小波变换在电子电路检测中的应用

电子技术近年来发展迅速,在各个领域中得到广泛应用,同时,如何有效地进行电子电路检测成为当前面临的重要研究课题。寻找合适的方法对电子电路故障快速检测及诊断意义重大。本文对电路测点优选等几个方面进行研究,在现有方法基础上,论述了小波变换在电子电路检测技术发展中的应用,为相关领域的工程技术与科研人员提供参照。     

基于小波变换的医学图像识别算法研究

医学图像自动特征提取是辅助医生进行快速诊断病情和进行基于内容的医学图像检索的关键技术。本文介绍了医学图像的分割方法,利用小波变换对线性矩进行分析,使计算量和数据量大大减少,提高了效率。     

基于小波变换和LS-SVM的事件检测算法

根据高速公路有事件发生时交通流将产生突变这一原理,提出一种基于小波变换和最小二乘支持向量机的事件自动检测算法。首先用小波变换提取特征数据,然后用最小二乘支持向量机进行分类,仿真实验表明该算法具有检测时间短、检测率高和误报率低的优点,它为事件检测提供了一种切实可行的新思路。     

基于小波变换和Retinex算法的显著性检测

近些年来,关于图像显著性检测的研究越来越热门。基于之前提出的很多算法产生的显著图都存在背景信息杂乱、干扰噪声多、细节丢失等问题,本文提出了一种基于小波变换和Retinex算法的显著性检测算法来解决以上问题。首先,利用Retinex算法对图像进行前期处理;然后,对前期处理过的图像进行SLIC超像素分割,对超像素进行小波变换,分别生成原始图像低频部分和高频部分的特征图,并进行适当的双边滤波降噪,生成对应的显著图;最后,通过加权组合这两种显著图,得到最终的显著性图。实验结果表明,本文提出的算法生成的显著图具有受背景影响小、噪声少以及细节突出等优势。     

基于小波变换的数字水印隐藏与检测算法

主要研究了在数字语音信号中加入数字水印的方法,提出了一种基于小波变换的数字水印隐藏与检测算法,用这种算法隐藏水印具有很强的隐藏性,对原始语音的影响基本上察觉不出来。叠加了水印的语音在经过多种强干扰及各种信号处理的变换之后,使用本算法仍能正确检测出水印的存在,如它可以抵抗噪声干扰、去噪算法对信号进行去噪处理、语音信号的有损压缩以及信号的重新采样等。     

基于小波变换和曲波变换的图像边缘检测新算法

针对图像处理中的边缘检测问题,提出了一种基于小波变换和曲波变换的图像边缘检测新算法。首先对原始图像进行小波变换得到小波边缘图像;然后对原始图像进行曲波变换并使用Canny算子得到曲波边缘图像;最后基于小波变换的窗口内边缘强度自适应融合算法将小波边缘图像和曲波边缘图像进行融合得到最终边缘图像。该方法结合了小波变换描述图像细节特征的优势和曲波变换处理曲线或直线边缘特征的优势,能全面刻画边缘图像的纹理与细节信息,提高了图像清晰度。仿真实例表明了该算法的有效性。     

基于小波变换的电力热线预警信息盲检测方法研究

电力电网系统在电力传输控制中节点分布具有动态性,容易产生热线预警,为了提高电力热线预警检测能力,提出一种基于小波变换的电力热线预警信息盲检测方法。构建电力热线预警的信号模型,采用随机线性时间序列分析方法构建电力热线预警的统计信号分析模型,对电力热线预警信号采用相关性检测方法进行时频分解,采用小波分析方法将电力热线预警信号从时域向频域转换,根据接收到的两路电力热线预警信息的关联性进行特征匹配和自动分离,实现对电力热线预警信息的盲分离和噪声干扰抑制,采用小波变换和谱特征检测方法,实现对电力热线预警的盲检测。仿真结果表明,采用该方法进行电力热线预警检测的盲分离性能较好,检测准确概率较高,提高了电力热线预警能力。     

基于小波变换的人车目标特征提取算法

借助小波变换在时频分析上的优点,提取地面运动目标的回波信号特征在目标识别中加以应用.首先对目标的回波信号进行预处理,获取目标的瞬时多普勒频率信号,然后对该信号进行小波分解与重构,通过对特定频段的信号分析就可实现对运动目标周期性特征的提取.以在战场侦察雷达探测的人车目标识别中的应用为例,讲述该算法在人车目标识别中的特征提取过程,采用实际雷达回波数据对该特征提取算法进行验证,并对识别效果作分析.     

基于小波变换的自适应梯度边缘检测算法

针对传统的单一边缘检测算法抗噪能力差、边缘不连续等不足,本文提出采用两种算法相结合的方式来进行边缘检测。首先,对原始图像进行多层小波分解;然后,对小波分解后的图像低频部分用提出的8点邻域自适应梯度算法进行边缘检测,依靠边缘生长方法保证检测出的边缘的连续性,对高频部分用小波变换的局部模极大值算法检测图像的边缘;最后,将各层边缘信息按一定的融合规则融合起来得到最终的图像边缘。实验结果表明,该方法与传统的边缘检测算法相比具有定位精度高、去噪效果好等明显的优点,也能较准确地提取图像的边缘。     

基于小波变换的低信噪比雷达回波快速检测法

根据二进小波变换对信号分解的形式与特性,给出了信号在小波域中广义子波能量的定义,并利用子波变换的多尺度分解特性构造出广义小波能量积累器。在此基础上设计出一种直接利用广义小波能量积累对低信噪比雷达回波信号进行检测的快速算法。仿真实验结果表明,该检测算法对强白噪声及强声背景下的低信噪比信号检测比较有效,对背景噪声具有较好的自适应性,且该检测算法设计简单,执行速度快,可靠性高。     

基于小波变换的图像检索

随着多媒体和因特网技术的迅速发展,图像数据在不断增加,为了对这些图像进行更有效的管理和分析,帮助用户快速准确地找到所需内容的图像,基于内容的图像检索（CBIR）正成为当今多媒体技术研究的热点.本文采用基于小波变换的技术来提取图像的纹理特征,并使用支持向量机学习技术从图像数据库中检索出符合要求的图像,实验结果证明了所提出方法的有效性.     

基于小波变换的含噪图像边缘检测算法

针对含噪图像边缘检测时出现的噪声去除不完全和边缘定位不精确的问题,本文提出一种改进的图像边缘检测算法,该算法首先根据范数性质改进对图像进行小波变换求模极大值边缘检测时的梯度模算法,然后对得到的边缘图像利用本文所提出的阈值算法处理,最后连接图像,得到最终的图像边缘。计算机仿真结果表明,对于含噪图像,改进的算法能得到较为理想的图像边缘信息,实现了去噪和目标边缘精确定位的双向平衡,与传统的检测算法相比,检测效果有一定的提高。     

基于小波变换和蚁群算法的纹理分割

纹理分割是图像模式识别中的关键步骤,但直到现在仍然没有一种有效的方法能够解决。本文提出了一种新的基于小波变换和蚁群算法的纹理分割方法。该方法首先用小波变换提取图像不同频带的纹理特征,然后提出具有聚类能力的蚁群算法数学模型,并用这个模型来进行分割。实验结果表明,该方法是一种有效的纹理分割方法。     

基于小波变换的生产过程监测

研究利用小波变换提取过程检测信号的频带分布及定性变化特征,并提出一种新的模式分类算法用于对提取的信号特征归纳分类。应用实例证实了所提出方法的可行性和有效性。     

基于3次B样条小波变换的改进自适应阈值边缘检测算法

针对含噪声图像边缘提取问题,提出了一种改进NormalShrink自适应阈值去噪算法。该算法首先通过小波变换和局部模极大值法提取出可能包含图像边缘特征的小波系数,利用边缘像素之间特殊的空间关系以及噪声在各级小波分解尺度下的不同效应,构建适合各个尺度级的改进NormalShrink自适应阈值,并依此对提取出的小波系数进行筛选。实验结果表明,与改进的Candy算子和传统的NormalShrink自适应阈值相比,本方法提取出的图像边缘较为完整清晰,峰值信噪比提升约6 db。     

基于Bark小波的语音端点检测算法

为提高噪声环境下端点检测算法的性能,提出一种基于Bark小波变换的语音端点检测算法。在Bark小波变换的非线性映射中引入伸缩尺度参数,提取不同子带上信号的小波变换系数,利用Bark小波的奇异性构造端点检测参数,并通过仿真验证得到有效的阈值选择规则。实验结果表明,与传统的短时能量法和倒谱距离测度法相比,该算法的检测准确率明显提高,具有较强的噪声鲁棒性。     

基于小波变换的泄露故障特征提取研究

为研究液压系统管路泄漏对压力脉动信号的影响,提出利用改进的小波消噪算法和小波包对压力脉动信号进行消噪和特征提取;针对传统小波变换阈值函数在去噪处理中存在的恒定偏差、不连续等缺点,提出一种改进阈值函数和新阈值相结合的新方法,将该方法与平移不变量方法相结合,避免了传统小波变换去噪时在不连续点存在的Pseudo-Gibbs现象;通过利用改进小波消噪方法和小波包对FESTO试验系统采集的正常和故障压力脉动信号进行分析比较,研究结果表明,不同工况下压力脉动信号3个主要能量频带的分布特性,可以作为泄露检测和识别的故障特征。     

基于小波变换的脉象信号特征提取方法

为了较好地区分正常人与心脏病人的脉象信号，利用小波变换奇异性检测功能与多尺度分辨特性，提出了两种提取脉象信号特征的方法：连续小波变换法和二进小波变换法。在此基础上，构造了两种特征向量：小波变换系数的尺度——主波峰值和小波变换的尺度——能量值。经过对临床采集的235例脉象信号的处理与分析统计，所得数据具有较好的重复性与稳定性，可以作为用于脉象信号识别的特征向量。