基于小波变换的图像处理技术的研究

一、引言 图像是信息传递的一种重要手段．在人类感觉器官接收的各类信息中．视觉类占了70％。这类视觉信息经过数字化后，如果不进行压缩，其数据量是巨大的，将占用极大的存储空间和信道带宽．这与当前硬件技术所提供的计算机存储资源和网络带宽之间有很大的差距。所以图像处理非常必要。基于小波变换的图像压缩编码方法是目前比较新颖和有效的图像压缩方法。小波变换是传统Fourier变换的继承和发展．被誉为“数学显微镜”具有一定的分析非平稳信号的能力．小波变换使信号的低频长时间特征和高频短时间特性能够同时得到处理．可以有效地降低图像信息的冗余度，     

高斯线调频小波变换及参数优化

线调频小波变换(CT)作为小波变换(WT)的一种推广,成了信号处理中的研究热点.该文推导出高斯线调频小波变换(GCT)的短时Fourier变换(STFT)计算形式.并利用分数阶Fourier变换和广义的时宽-带宽积来优化GCT的参数.与Wingner-rille分布(WVD)、短时Fourier变换(STFT)进行比较分析.仿真结果表明优化的GCT有很好的时频聚集性.     

小波变换在傅立叶变换轮廓术中的应用

从小波变换本质、原理出发 ,说明它在提取条纹位相方面的应用 ,通过阐述小波变换与傅立叶变换两者之间的内在联系 ,将小波变换应用到傅立叶变换轮廓术中 ,并着重用傅立叶变换的原理对小波提取位相的原理进行详细解释。模拟结果表明 :小波变换在傅立叶变换轮廓术中的应用是正确的、可行的。     

基于小波变换域上的KL变换的地震信号去噪方法

基于相邻地震道的有效波在波形及能量上有较强的相关性及改变各个频率成分的信噪比．有益于提高分辨率的观点，本文提出了基于小波变换域上的KL变换去噪方法．该方法的主要思想是：将地震记录进行小波分解，形成地震记录的分时、分频小波包剖面，然后利用相邻道相关的性质，用KL变换进行去噪，再将各个小波包剖面重构为去噪后的地震剖面．理论记录计算及实际地震剖面的处理结果表明：基于小波变换的分时、分频KL变换去噪方法能有效地提高地震剖面的信噪比和分辨率．     

一种基于Fourier变换的人脸识别算法

针对现有的多数人脸识别算法在单训练样本时识 别性能并不理想这一问题,提出一种基于Fourier-Mellin变换的频域不 变性以及时域不变性的特征提取算法。首先,采用图像亮度作为原始特征,将对图像亮度标 准化以改善光照变化,通过应用2D小波变换降维来管理频域不变量的复杂度;然后,为进一 步改进识别性能,根据分析的Fourier-Mellien变换(AFMT) 以及正交Fourier-Mellin矩(OFMM)法不变量的特征,将两种算法混合,进行特征提取; 最后,利用分值标准化度量频域不变量与时域不变量,并存储到一个特征向量中用于分类。 通过最近邻分类器(NNC)和相关性系 数法(CCM)进行分类和融合。通过在YALE与ORL人脸数据库上进行了大量实验的结果表明, 本文提出方法的性能要优于传统的人脸识别算法。     

基于Mellin变换的连续小波变换快速算法

连续小波变换（CWT）快速算法的研究对于小波变换在信号处理领域更加广泛，深入的应用有重要意义．本文提出一种基于Mellin变换的CWT快速算法，其特点是一次算出某一固定时刻各个灰度的变换结果．算法的计算量与待分析信号的数据长度成正比，在任一时刻下为两个2N点FFT和一次2N点复数乘法（N为分析尺度个数）．该算法适用于尺度跨度较小，对尺度分析要求较细的应用场合。     

小波变换与傅立叶变换相结合的信号实例分析

文章采用离散小波变换与快速傅立叶变换相结合的方法,先对原始信号进行小波分解,再对各子带信号做快速傅立叶变换,从而得到各子带上时间信号的频谱。计算机仿真的实例分析表明,该方法将小波变换和傅立叶变换的优点结合了起来。     

广义S变换的基因分析

文中主要从短时傅里叶变换和小波变换出发推导了广义S变换,并从遗传学的角度入手,分析了广义S变换与短时傅里叶变换和小波变换的基因遗传关系,定义了"公式的基因重组"和"公式的基因突变"这两个概念,给出了相应公式的理论推导过程。理论分析表明,广义S变换世袭了短时傅里叶变换的窗选信号特点,通过对特定参数的基因重组,使广义S变换具备了时频窗口随具体的频率实时调节的适应性。此外,广义S变换突破了小波变换在小波函数容许性条件上的局限性,文中利用基因突变的思维,定义了"公式的基因突变"这一概念,突破了小波变换的容许性条件。基于小波函数的结构形式,在相对广义的区间上定义广义S变换。广义S变换在一定程度上遗传了短时傅里叶变换和小波变换的优点,使得它在处理非平稳信号的过程中具有良好的实用性和灵活性。     

小波变换的电路集成

小波变换是信号分析和处理中的重要方法．本文设计了一种实现小波变换的集成电路．它充分利用了算法本身的特点，采用电路复用的方法，节省了电路单元的需要量，并且，采用并行和流水线的电路结构，使得工作速度较快．平均每个时钟周期内输出一个小波变换结果．时钟的频率由加法器延时决定．电路得到了ＶＨＤＬ（硬件描述语言）的模拟和验证．     

提升多小波变换及其在图像编码中的应用

多小波是一种新的小波．他在理论上所表现出来的优势以及他在应用领域所具有的潜力．使其受到高度重视。在短短的几年时间内，他在图像处理方面的应用已取得了一定的成效。提升方法不仅是现存小波变换的一种快速算法．而且是构造新的小波变换的一种工具。根据提升方法和多小波变换的特点，介绍了一种实现多小波变换的提升方法．并把这种提升多小波变换应用于图像处理，结果表明有很好的效果。     

基于小波变换的超短脉冲相位回归

针对频率分辨光学门法(FROG)要用傅里叶变换迭代算法耗时较长不利于实时检测的缺点,及光谱相位相干直接电场重构法(SPIDER)中用传统傅里叶方法滤波过程会产生相位噪声的缺点,提出了用小波变换回归相位的方法。对FROG迹线进行时-频分析直接提取脉冲相位,从SPIDER方法的光谱干涉条纹的小波变换中直接读取相位,对两种方法的小波变换进行了数学模拟,并与傅里叶变换结果进行对比,得到:小波变换能准确地回归超短脉冲相位。最后采用SPIDER方法测量了KLM钛宝石激光器输出脉冲的光谱干涉条纹,并用小波变换和傅里叶变换重建了光谱相位,消除了窗口滤波引入的噪声,证明了方法的正确性和可靠性,更适用于超短脉冲的评价。     

基于小波变换与稀疏傅里叶变换相结合的光场重构方法

随着计算机图形学和计算机视觉技术的发展,光场开始进入人们的视线并被迅速应用于各个领域.然而光场的获取需要大量的图像,具有数据量大,获取成本高等特点,因此学者们越来越关注如何利用少量的光场数据获取整个光场这一问题,并且做出了大量的工作.针对上述问题,本文将小波变换与稀疏傅里叶变换相结合,利用光场在角度域的稀疏性提出一种新的光场重构方法.首先,利用小波变换多分辨率分析的特点,通过小波变换将原始图像分解为多个不同频率的子图像;然后分别对每个子图像通过傅里叶切片定理恢复其频率位置,从而可以分别得到它们的二维角度谱;最后将每个子图像的二维角度谱合并,进行小波逆变换获得整个光场.本文方法利用小波变换将原图像分解为多个不同频率的子图像分别同时处理,不仅降低了算法的复杂度,大大减少了算法的运行时间,为光场的广泛应用提供了条件,而且相比于单独运用稀疏傅里叶算法重构,本方法有效地抑制了窗口效应,使重构结果更加准确.此外,本文方法将高频信息和低频信息分开重构,可以有效地改善并网恢复中小频率丢失的问题,进一步改进重构结果.最后通过仿真验证了算法的有效性.     

小波变换在EEG噪声滤除中的应用

通过小波变换与标准傅里叶变换和短时傅里叶变换比较,指出了小波变换以其良好的时频局部性,成为时频分析方法中发展最为迅速的一种,并着重介绍了小波变换在滤除脑电信号噪声领域的应用.     

基于小波变换的通信信号识别算法

通信技术的数字化已经是现代通信发展的趋势.为识别出通信信号中的数字信号的调制方式,分析了解析信号以及归一化处理后的数字信号经过小波变换后的特点,提出直接提取信号小波变换后的频域特征的算法.该算法无需设置判决门限,可以更简单、直接地实现数字信号与其它信号的类间区分以及数字信号之间的区分.通过仿真表明,该方法可有效区分PSK、FSK、QAM与AM、FM、SSB、CW、噪声.     

基于小波变换的非平稳信号瞬时频率分析方法

利用小波变换的优越时频分辨特性,对非平稳信号的瞬时频率进行了分析,给出了模拟仿真结果,并与短时傅立叶变换作比较,得出了两者对信号瞬时频率分析的适用范围及各自的优缺点。     

基于小波数字滤波的傅里叶变换轮廓法

采用一种基于小波数字滤波的傅里叶变换轮廓法测物体三维形貌。先利用小波变换基本滤除变形栅线图中的直流分量和高频分量,再进行相位计算。结果表明,该方法在一定程度上解决了频率混迭的问题,从而也降低了对低通滤波器的设计要求。     

基于小波变换的电能质量信号谐波分析

快速傅里叶变换(FFT)可实现整数次谐波的精确检测;但对非整数次谐波的检测误差较大,加窗插值算法可提高非整数次谐波的检测精度,但会导致谐波分辨率降低,如果信号中存在频率相近的整数次和非整数次谐波,利用FFT和加窗插值算法都无法实现谐波的准确检测.为了弥补这种不足,本文采用基于小波变换和FFT相结合的方法来分析电能质量信号.用小波变换检测电能质量信号的间断点,对由间断点分段得到的低频信号用FFT进行分析,并进行了计算机仿真,取得了较满意的结果.     

基于解析图像的小波变换光学载频干涉全息图相位重建方法

将解析图像和实数小波变换(WT)相结合应用到光学载频全息图分析中。首先对载频全息图进行希尔伯特变换构造解析图像,然后对解析图像进行WT,提取小波脊处对应的WT系数的相位信息即可得到载频全息图的相位信息。由于母小波优秀的空域局部化能力,使得因全息图边缘不连续引入的误差被限制在局部区域。同时,由于不需要人工滤波操作,所提方法一定程度上解决了载频全息图的频谱混叠问题。给出了严格的理论公式推导、计算机模拟和实验验证。