基于小波包变换与自适应阈值的SAR图像去噪

针对SAR遥感图像在探测、传输过程中受到噪声干扰,不利于对其进行处理的问题,提出一种基于小波包和自适应阈值的SAR图像去噪方法.该方法采用小波包对SAR图像进行分解,与传统的小波分析相比,小波包分析能够提供一种更加精细的分析方法;然后采用自适应阈值的方法去除SAR图像中的噪声.实验结果表明,该算法能有效去除SAR图像中的噪声,在信噪比和主观视觉上都要优于小波去噪的方法.     

基于小波变换的自适应图像压缩方法

根据不同特征的图像在进行小波变换中能量分布的特点,提出了一种用能量函数来控制小波的分解,并找到图像的最佳小波分解树,从而完成自适应图像压缩的方法。     

小波变换的尺度自适应选择

提出了尺度自适应选择的概念，指出应该根据信号的不同而自适应地选择分解尺度。提出了3种选择准则，即距离准则、能量准则和相关系数准则。根据每一准则可以确定一个适应度函数，并采用遗传算法对分解尺度进行选择搜索，同时利用适应度函数评价不同尺度的分解效果，由此实现了尺度的自适应选择。实例分析结果表明，尺度自适应选择对于提高小波分析的效果是重要和必要的。     

小波域改进变步长自适应滤波

自适应滤波器可在统计量未知的环境中自动调整自身参数,以满足被控对象的时变要求,是现代信号处理技术的重要研究领域.最小均方算法具有结构简单,运算量小,易于实时处理等优点,被广泛应用于自适应滤波算法.但其收敛速度受输入向量自相关函数矩阵特征值的分布影响较大,且收敛精度及跟踪速度与步长选取相互矛盾,因此提出一种改进的变步长调整函数应用于小波域最小均方自适应滤波.实验结果表明,算法可以有效减小输入信号的条件数,降低输入信号的相关性,并可使信号在自适应滤波中更快达到稳态.     

区间小波变换域的2－PAM信号自适应均衡算法

1 引言为了克服数字通信尤其是无线通信中所产生的码间干扰,一般需使用均衡器。最简单的均衡器是用FIR滤波器实现并采用最小均方误差(LMS)算法的线性横向均衡器(LTE),其优点是结构简单,易于实现,缺点是收敛速度较慢。为了提高收敛速度,可以对信号作正交变换,然后在变换域中通过自正交等方法降低相关阵的条件数来提高收敛速度,比如文[2]提出的就是一种基于小波变换的自适应均衡算法。研究表明,经小波变换后信号的自相关阵近似呈稀疏带状分布,小波变换的这一优点使得它在自适应信号处理中     

基于小波包变换与自适应阈值的图像去噪

提出了一种基于图像小波包变换及与分解层次相关的自适应阈值的去噪方法。利用小波包对图像进行分解,可以同时对图像的低频和高频部分进行分解,可以更好地保留图像信息,减少噪声对图像的影响。同时对小波包树系数用自适应阈值进行软阈值处理,可以很好地保留边缘等图像信息,这一方法比采用常用的阈值明显提高了去噪图像的信噪比。通过对加噪图像的实验可以看出,本文方法不仅可以有效地去除加性高斯白噪声,而且很好地保留原图信息,对进一步图像处理有所帮助。     

自适应小波变换的扩频音频数字水印

在分析了自适应小波变换特性的基础上,提出一种基于自适应小波变换的扩频音频数字水印算法.将二值水印图像降维处理转化为一维序列,再将一维序列与m序列做扩频调制,对音频信号进行分段做自适应小波变换,把经过扩频调制的水印信号经过量化处理嵌入到自适应小波变换后的系数中.模拟实验证明,该方法具有较好的不可感知性和鲁棒性.     

基于图像小波变换的自适应数字水印

1.引言随着多媒体技术和网络技术的迅速发展与广泛应用,对多媒体数字产品的版权保护已成为迫切需要解决的问题。传统的加密技术已经不足以解决问题,而数字水印技术在这方面显示出了巨大的潜力。数字水印算法将一个版权识别代码序列,例如作者ID,公司标志,产品序列号等作为水印嵌入到图像(空域或变换域)中,利用它证明版权归属问题,跟踪数字产品拷贝的非法销售和使用,或者用于鉴定数字产品的可靠性。数字水印应具有以下基本特征:可证明性,应能为受到版权保护的信息产品的所有权提供完全和可靠的证据。不可感知性,对于图像来讲,一方面是指水印的不可见性,在宿主数字媒体中嵌入一定数量的附加信息之后,不能引起明显降     

Bark子带小波包自适应阈值语音去噪方法

为了克服低信噪比输入下,语音增强造成清音弱分量损失,导致信号重构失真的问题,提出了一种新的语音增强方法。该方法采用小波包拟合语音感知模型的临界带,按子带能量对语音清浊音分离,然后对清音和浊音信号分别作8层和4层小波包分解,在阈值计算上采用Bark子带小波包自适应节点阈值算法,在Bark子带实时跟踪噪声水平,有效保护清音中高频弱分量,减少失真。通过与传统语音增强方法的仿真对比实验,证实该方法在低信噪比输入时,具有明显优势,输出信噪比高,语音失真度低。将该方法与谱减法相结合,进行语音二次增强,能进一步提高增强语音质量。     

基于小波自适应算法的传感器信号降噪研究

基于MALLAT算法原理和自适应算法,设计了小波自适应算法的结构,并对算法进行了理论分析和仿真研究。仿真结果表明,小波自适应算法在传感器信号降噪方面表现出了良好的性能。     

基于Arnold置乱和小波包分解的自适应水印算法

针对小波变换的不足,根据原始图像各子块对水印信息的适应程度不同,提出一种基于Arnold置乱和小波包分解的自适应水印算法。首先,该算法采用Arnold变换对水印图像进行预处理,然后对原始图像进行小波包分解,小波包分解能够提供一种更为精细的分解方法,将频带进行了多层次的划分,最后将水印图像嵌入到小波包分解后的子带中,水印的嵌入强度和嵌入位置均根据原始图像的内容自适应地决定,这样很好地解决了水印鲁棒性和不可见性之间的矛盾。仿真实验结果表明,算法对常见的图像攻击具有较强的鲁棒性和稳健性。     

基于SVD和小波包分解的自适应鲁棒水印算法

针对当前水印鲁棒性和透明性矛盾的问题,提出了一种基于奇异值变换(SVD)和小波包分解的自适应鲁棒水印算法,对二值水印图像进行Arnold置乱预处理,以增强水印信息的安全性。在水印嵌入过程中,将原始宿主图像分为8×8子图像块,并对每一子块进行小波包分解。根据人眼视觉特性和图像块自身的亮度以及纹理特征确定最佳量化步长,将水印信息通过量化调制的方法自适应地嵌入至相应高低频区域的奇异值中。实验结果表明,该算法在具有良好透明性的同时,对JPEG压缩、加噪、滤波、几何攻击等常见的攻击方式也有着较强的鲁棒性。     

NSCT变换和小波包变换相结合的图像隐藏方法

为了更好地解决NSCT域图像隐藏不可见性和鲁棒性之间的矛盾,提出了一种基于NSCT变换和小波包变换相结合的可见光图像隐藏方法,利用NSCT变换将载体图像分解为低频子带和一组高频子带,对低频子带进行二级小波包分解,通过奇异值变换将秘密图像重要位平面信息隐藏在小波包分解低频子带中,次要信息自适应隐藏在NSCT高频子带中。实验表明,在同等嵌入容量下,算法峰值信噪比大于50 dB,对几何攻击和滤波等干扰处理后,秘密图像的归一化系数仍接近于1。     

基于小波变换和脊波变换的自适应图像去噪算法

为了克服单纯小波变换或脊波变换的不足,提出了基于小波变换和脊波变换的自适应去噪算法。实验结果表明,在处理点奇异性和线奇异性的图像时,该方法比单纯小波变换或脊波变换的阈值去噪算法更具优越性,在实际应用中更为有效。     

基于小波包分解的 SAR图像压缩 *

针对 SAR图像含有丰富的中、高频信息 ,而基于小波变换的图像压缩方法会丢失高频细节信息 ,提出了基于小波包分解的 SAR图像编码算法。小波包变换对 SAR图像进行完全分解 ,再用与后续编码器相关联的代价函数进行最佳基搜索 ,然后根据各子带小波包系数的重要性进行加权 ,采用多级树集合分裂算法 ( SPIHT)编码。实验结果表明 ,该算法更好地保留了 SAR图像的细节信息 ,获得了同压缩比下优于传统 SPIHT算法的编码性能 ,更有利于后续图像处理。     

一种基于小波包变换加权自相关的基音检测算法

噪声环境下的基音检测在语音信号处理中占有重要地位。为了有效提取低信噪比情况下的语音基音周期,提出了一种基于小波包变换加权线性预测自相关的检测方法。该方法首先利用小波包自适应阈值消除噪声,将多级小波包变换的近似分量求和以突出基音信息,并采用小波包系数加权线性预测误差自相关的方法突出基音周期处的峰值,提高了基音周期检测的精度。实验结果表明,与传统的自相关法、小波加权自相关法相比,该方法鲁棒性好,基音轨迹平滑,具有更高的准确性,即使在信噪比为-5dB时仍能取得较为理想的结果。     

基于Sobel算子的小波包变换遥感图像融合算法

针对遥感图像融合时图像的空间信息与光谱信息不易兼容的问题,在小波包变换的基础上提出了一种基于Sobel算子的图像融合算法。该方法将多光谱图像与高分辨率图像进行小波包变换,根据阈值选用不同的融合准则得到小波低频系数,利用Sobel算子提取图像高频特征值,采用最值法获取高频系数。实验结果表明,所提算法优于传统的HIS(Intensity,Hue,Saturation)变换、小波变换以及两者结合的方法,在较好地保留图像光谱信息的同时,进一步增强图像的细节信息、边缘特征,从而提高图像的清晰度。     

一种基于临界带宽的新小波包变换算法

针对传统语音短时分析技术容易出现丢失信息的现状,提出了一种基于临界带宽的小波包变换算法,该算法借鉴传统倒谱特征参数(MFCC)提取的过程并在该过程中引入临界带宽(Critical Bandwidth)的概念。在基于高斯混合模型的说话人识别系统中进行实验,结果表明在选取不同小波包函数的情况下,该算法所取得的识别率较MFCC参数均有提高。     

Emotion modeling from speech signal based on wavelet packet transform

The recognition of emotion in human speech has gained increasing attention in recent years due to the wide variety of applications that benefit from such technology. Detecting emotion from speech can be viewed as a classification task. It consists of assigning, out of a fixed set, an emotion category e.g. happiness, anger, to a speech utterance. In this paper, we have tackled two emotions namely happiness and anger. The parameters extracted from speech signal depend on speaker, spoken word as well as emotion. To detect the emotion, we have kept the spoken utterance and the speaker constant and only the emotion is changed. Different features are extracted to identify the parameters responsible for emotion. Wavelet packet transform (WPT) is found to be emotion specific. We have performed the experiments using three methods. Method uses WPT and compares the number of coefficients greater than threshold in different bands. Second method uses energy ratios of different bands using WPT and compares the energy ratios in different bands. The third method is a conventional method using MFCC. The results obtained using WPT for angry, happy and neutral mode are 85 %, 65 % and 80 % respectively as compared to results obtained using MFCC i.e. 75 %, 45 % and 60 % respectively for the three emotions. Based on WPT features a model is proposed for emotion conversion namely neutral to angry and neutral to happy emotion.     

基于提升小波与DCT的自适应音频水印算法

为了达到版权保护的目的,利用提升小波变换计算速度快、离散余弦变换（DCT）后直流系数的听觉容差性强的特点,提出了一种在提升小波域进行DCT的自适应音频水印算法。原始音频信号经提升小波变换后分解为低频子带和高频子带,对其低频子带进行DCT,将水印序列嵌入到DC系数上。考虑到水印音频信号的不可感知性和鲁棒性之间的平衡问题,采用了水印序列自适应调整嵌入。实验结果表明,该水印算法计算复杂度低,且对噪声、 低通滤波等常见信号攻击及恶意替换操作均表现出很强的鲁棒性。