一种基于子波变换的信号滤噪改进方法

对子波变换多尺度下信号与噪声的不同性质进行了研究,提出了一种在子波域不同尺度上选取不同的滤噪方法,该方法将经典的软阈值滤噪与子波变换的模极值传播特性在一定尺度上有机结合起来处理信号.在改善信噪比的同时,也尽可能地保持原信号的边缘信息和精细特征.通过仿真验证了该方法的实用性和优越性.     

一种用于脸部特征估计的快速边缘提取方法

提出了一种基于子波变换（ＷａｖｅｌｅｔＴｒａｎｓｆｏｒｍ）的边缘提取方法．该方法充分利用了子波变换的多分辨率特性．将本文方法与其他方法相结合，可望为可视电话图像的甚低比特率传输提供一种有效的技术手段．     

基于子波变换极大值描述的图像压缩编码方法

本文给出了玫种有效的从图像子波变换模局部极大值点链接图像多尺度边缘曲线的跟踪算法。研究了基于基图像子波变换局部极大值描述的压缩编码方法。     

大鱼际掌纹图像边缘提取算法

主要研究大鱼际掌纹图像边缘提取算法。介绍几种经典的边缘检测算子以及Hough变换方法,重点讨论了小波模极大值多尺度边缘检测方法。构造了高斯多尺度边缘检测算子,根据噪声和图像边缘的小波变换模值跨尺度传递的不同特征,研究小波模极大值多尺度边缘检测方法,对大鱼际掌纹图像进行边缘提取。实验结果表明该方法检测到的边缘细节丰富,定位较准确,有效降低了噪声,不足之处是连续性较差。     

一种利用子波变换多尺度分辨特性的信号消噪技术

本文基于传统信号处理方法对非平稳信号的局限性，利用子波变换下奇异信号和随机噪声在多尺度空间中不同的模极大值传播特性设计了一种实用的子波消噪方法，对不同信号的仿真结果表明该方法既能提取一定的信噪比改善增益，同时又能保持对突变信息的良好分辨率，适合于一类非平稳信号进行时变处理．     

基于样条子波的多尺度图像边缘检测

本文基于紧支撑样条子波,运用Mallat快速算法进行子波分解,从子波分解后的子波系数模极大值中提取图像边缘。分析了噪声抑制与尺度之间的关系。理论和实验结果表明,这种方法能够检测出不同尺度下的信号突变和边缘特性;随着尺度的加大,具有一定的抑制噪声的能力。     

反对称双正交小波应用于多尺度边缘提取的研究

本文对反对称双正交小波所具有的多尺度边缘提取能力进行了理论分析，提出了一种反对称双正交小波变换域内的多尺度边缘提取算法，并通过实验进行了验证。该结果为在基于小波变换的压缩数据域内利用边缘信息实现图像检索提供了依据。     

红外小目标小波多尺度相关检测方法

提出一种基于小波多尺度相关的目标检测方法.该方法通过二进小波对图像进行多尺度分析;利用边缘和噪声具有不同的Lipschitz指数造成它们的小波变换模在不同尺度下的不同传播特性,根据小波变换尺度相关性计算相邻大尺度模相关量用来增强信号,抑制噪声,提取粗略边缘图;并结合小尺度检测,具有定位精确的特点,将粗略边缘图与小尺度模图相与,寻找模极大值点,得到最终的检测结果.实验结果表明,该方法较传统的小波多尺度边缘检测方法能更加有效地进行红外小目标检测.     

一种基于小波变换和图像边缘特征的图像融合方法

图像融合是信息融合的重要组成部分,是一种重要的增强图像信息的方法。本文将图像小波变换边缘提取和图像融合结合起来,提出了一种基于图像边缘特征的图像融合方法。首先对输入图像进行小波变换,用模极大值方法检测出图像的多尺度边缘,然后利用边缘特征对小波系数进行融合。实验结果表明该方法既能有效地去除噪声,又能突出源图像的边缘细节信息,是一种有效的图像融合方法。     

基于小波变换的密封件边缘检测

针对密封件内、外径的检测要求，提出了基于B样条小波变换的多尺度阈值图像边缘检测新方法。该方法采用小波的多分辨率分析，先计算小波变换模的极大值，然后，基于多尺度阈值消噪处理，进而检测出信号的奇异点位置，达到密封件的边缘检测目的。实验结果证明，该方法不仅能够较为准确地检测出有用的边缘信息，且具有一定的抗噪能力，是一种有效的边缘检测算法。     

图像子波／分类矢量量化及其在指纹识别中的应用

提出了适用于子波变换系数的矢量量化方法－－子波／分类矢量量化（Ｗ／ＣＶＱ）。以子波变换系数中对应于图像边缘信息的零交叉片段的具体情况为依据，将子波变换图像矢量分为不同的类别，然后为各类矢量建立码本。初步实验结果表明，该方法能克服传统矢量量化编码子波交换系数不能准确恢复有关边缘信息的缺点，此结果在光学实时指纹识别系统中的应用表明，它能够充分保留原因图像的信息，保证识别系统的准确识别。     

小波变换在医学图像边缘提取中的应用

边缘是图像的重要特征。医学图像往往较模糊．其边缘特征难以用传统方法检测。小波变换具有良好的局部化特性、多分辨特性．及检测信号局部突变的能力。对图像进行二维小波变换，其梯度模值反映了图像的边缘。介绍一种基于小波变换的图像边缘提取方法。实验证明．与传统边缘检测方法相比，该方法去噪效果好，能提取图像中较弱的边缘，且能使边缘细化。这些特点使得他特别适合于医学图像边缘的提取。     

基于NSCT和形态学的微透镜表面分割

为有效分割精密光学微透镜及微透镜阵列的表面不同特征区域,结合具有良好平移不变性、多尺度多方向分解能力的非下采样轮廓波变换(NSCT)和数学形态学运算,提出了一种微透镜表面特征边缘提取方法.采用非下采样轮廓波变换分解微透镜表面,得到粗尺度系数和精细尺度系数.粗尺度系数采用数学形态学处理,获得近似特征边缘;精细尺度系数根据变换域系数模值、硬阈值处理后得到细节边缘.融合粗尺度和精细尺度边缘作为微透镜表面的边缘.实验表明,该方法可准确识别透镜表面的特征边缘,比传统的边缘算子更为有效.     

基于小波多尺度相关的特征边缘提取方法

根据采用小波变换提取图像边缘的多尺度特性,对小波多尺度间的相关性进行了分析,提出多尺度小波变换相关算子,分析了相关算子的滤波特性,利用相关算子对图像的多尺度边缘信息进行了优化.既保留了图像中重要的细节边缘信息,又剔除大量的冗余边缘和虚假边缘,有效地提取出了图像的特征边缘.     

基于多方向小波期望最大融合的图像边缘检测算法

针对传统图像边缘检测算法抗噪能力差,定位准确性不高的缺点.提出了一种基干多方向多尺腰小波变换的图像边缘检测算法.该算法利用小波变换各尺度间边缘梯度信息的关联及备方向上边缘梯度信息的互补,首先从多个方向对图像进行多尺度小波变换.然后将各个方向上小波系数根据期望最大规则进行融合,再通过最大墒阈值处理,形成图像的边缘。宾验结果表明,由于算法省去了求模值过程,使计算更加简单.同时通过多方向小波变换能尽可能地搜索各方向的图像边界,使边缘定位更加准确.     

非降采样Contourlet图像边缘检测算法

介绍了非降采样Contoudet变换(NSCT)的结构特点与系数分布特性,并提出了基于NSCT的图像边缘检测算法,实现了对图像高频边缘的有效去噪和提取.该方法具有多向选择性、高低频信息并行检测、信息利用率高、两类边缘相互补偿修正精确定位及抗噪声干扰能力强等特点.通过仿真实验并与Prewitt、Sobel、Canny及多尺度小波边缘检测算法进行比较,验证了该方法的有效性和优越性.     

子波变换去噪及其在卫星电视秒信号传播时延数据处理中的应用

研究了子波变换在随机噪声滤波中的应用，讨论了子波变换模极大值同信号奇异性之间的关系；给出了利用该极大模信息的信号重建方法；并用实测的卫星电视秒信号传播时延值进行计算，理论研究和实算结果表明该滤波方法能很好揭示信号与噪声之间的差别，比传统的滤波方法有更好的效果，为滤波提供了一种有效的手段。     

基于小波变换的图像边缘检测

介绍了利用小波变换进行图像边缘检测的原理与方法。基于小波变换的模极大值原理,利用不同尺度小波变换后的不同方向获取图像的高频信息,并通过小波系数的模极值点与过零点,检测出图像在四个方向上的模极大值,得到该位置模的局部最大值。仿真测试表明,利用小波变换进行图像边缘检测可以较好的检测图像边缘的细节特征,取得了很好的效果。     

基于小波变换的图像边缘检测

介绍了利用小波变换进行图像边缘检测的原理与方法。基于小波变换的模极大值原理,利用不同尺度小波变换后的不同方向获取图像的高频信息,并通过小波系数的模极值点与过零点,检测出图像在四个方向上的模极大值,得到该位置模的局部最大值。仿真测试表明,利用小波变换进行图像边缘检测可以较好的检测图像边缘的细节特征,取得了很好的效果。     

基于多尺度边缘检测的小波包去噪方法

文章提出一种将小波变换模极大值(WTMM)多尺度边缘检测与小波包去噪算法结合起来的图像去噪方法。仿真结果表明,该方法不但对噪声的抑制能力强,而且可以很好地保留图像的边缘信息。