基于小波变换的信号重构

在信号分析中,奇异点和不规则性经常携带有重要的信息．文中利用小波变换模极大值对应的点来提取奇异点,并讨论了如何运用凸集上投影的方法来重构原始信号．     

基于MAS小波的噪声污染图像边缘检测方法

提出了一种基于MAS小波变换多尺度相关的噪声污染图像边缘检测方法.该方法采用二进MAS小波对图像进行多尺度分析,由于小波变换的模极大值充分刻画了图像的奇异点,利用模极大值得到所有的奇异点包括边缘和噪声的图像;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,根据小波变换模尺度相关性区分边缘和噪声,得到边缘轮廓不太光滑的图像;将两幅图像进行融合,得到最终检测结果.实验结果表明,该方法能够有效地对噪声污染的图像进行边缘检测.     

基于二进小波变换的基音检测算法

为了克服目前诸多基音周期检测算法精度低、计算复杂度高、鲁棒性差的缺点,研究了一种采用二进小波变换模极大值进行基音周期检测的算法。仿真结果表明,该算法在强背景噪声下仍可以准确提取基音周期,并且具有复杂度低、分辨率高和实时性好的特点。     

基于小波变换模极大值的去噪方法研究

小波去噪在信号处理中得到广泛应用。目前常用的方法主要有Donoho提出的阈值法和Mallat提出的模极大值法。模极大值法是一种经典的小波去噪方法,噪声的模极大值的幅度随尺度的增大而迅速减小,而正常信号随尺度的增大而增大,因此利用合适尺度的小波变换,容易把噪声从正常信号中剔除。通过试验说明这种方法对白噪声和脉冲噪声都有很好的去噪效果,并与阈值去噪比较,对于高斯白噪声,信噪比比较低的信号,模极大值去噪要优于阈值法去噪;对于脉冲噪声,脉冲噪声点数较多时,模极大值去噪要优于阈值法去噪。     

基于小波树的数字图像水印技术

基于限定的重要小波树提出了一个数字图像水印的算法，该算法针对水印置乱、嵌入子带的选取、子带阈值的计算、限定的重要小波树的构造、水印的嵌入和提取都给出了相应的策略．实验证明算法对常用的图像处理攻击如JPEG压缩、低通滤波、剪切、加噪等攻击具有较好的鲁棒性、不可见性和安全性．     

利用小波变换进行水下图像边缘提取的一种方法

采用小波变换进行水下图像的边缘提取。采用一种简单的小波，利用滤波器组实现了图像的小波分解。并利用相邻尺度间小波系数的相关性和一种非线性函数进行噪声抑制，同时利用小波系数的模极大值来提取边缘点。通过真实水下图像的实验证明了利用小波系数间的相关性进行噪声抑制的可行性和利用小波在噪声抑制的同时进行边缘检测的有效性。     

基于小波变换的屋脊边缘亚像素检测

工业图像检测中,许多待检目标边缘是屋脊边缘,而现有亚像素边缘检测算法都是假设边缘模型为阶跃边缘,并且现有算法在定位精度、抗噪性能和计算速度方面还不尽人意．针对上述问题,提出一种使用小波变换系数的屋脊边缘亚像素检测算法,将小波分析和概率统计理论引入到亚像素边缘检测问题中,该方法具有较好的定位精确度、抗噪能力和较快的计算速度．实验证明该方法可达到1／60像素的精确度。     

一种图像纹理特征检索算法

提出一种基于Radon和小波变换的图像纹理特征检索算法,对原始图像进行坐标系的旋转校正,确定方向归一化的图像,再对方向归一化后的图像进行Radon变换．根据Radon变换投影数据的几何特性,构造了适合投影数据的具有尺度和平移不变性的小波分解,该小波分解系数具有旋转、平移和尺度不变性．采用图像中各尺度小波系数的能量值作为图像的纹理特征,以此进行图像检索．基于纹理特征的试验结果表明,该特征具有旋转、平移和尺度不变性,与RIM算法相比平均检索率提高了3.8％．     

基于区间双正交小波的多尺度边缘提取

对区间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，用消失矩N=N^-=3的[0，1]区间上的双正交滤波器对图像进行了小波变换，提出了沿幅角方向确定局部极大值的小波边缘检测算法．仿真结果表明，区间双正交小波比Daubechies正交小波和双正交小波更适宜图像的边缘检测．     

基于连续小波变换极值点进行故障检测的研究

介绍了连续小波变换的基本原理 ,以及利用连续小波变换的极值点进行系统故障检测的方法 ,并给出了基于MATLAB的仿真实例 .     

基于双正交小波变换的自适应图像水印算法

提出的基于双正交小波变换的盲水印算法,综合利用小波域中频各子带系数分布特点,选取重要边缘位置嵌入水印,水印强度可根据所处的嵌入位置自适应调节。实验结果表明：该算法能够有效抵抗附加噪声、裁剪和压缩等常见攻击,具有较强的不可见性和鲁棒性。     

基于小波变换的多聚焦图像自适应融合

图像融合是对来自同一场景的不同源图像的信息进行互补和合成,从而获得更为准确、更为全面、更为可靠的图像。采用了一种基于小波变换的自适应图像融合方法,首先将配准好的图像进行小波分解,并提取出细节分量和近似分量。其次,针对不同的频率域选择不同的融合规则,对低频系数选取区域均匀度和变化率相结合的融合规则,对高频系数选用区域方向对比度和区域匹配度相结合的自适应融合规则。最后通过小波逆变换得到融合图像。将其它融合算法和文中所提算法进行主观和客观的对比,结果表明,该算法是一种有效可行的图像融合算法。     

基于最大相关性的小波谐波检测方法

谐波的存在严重影响电网中电能的质量,保证电力系统的安全运行,首先要对谐波进行准确的检测和分析,剖析电网中的谐波成分。傅里叶变换能够分析谐波中稳态成分,却无法分析电力谐波中广泛存在的暂态及突变信号。小波变换的时频分析方法应用于谐波分析当中,弥补了傅里叶变换的这一缺陷。本文通过Matlab仿真,采用最大相关性的方法选取小波基,并用小波变换实现对电力系统中暂态信号的分析,将小波变换与傅里叶变换的分析方法进行比较,验证了基于小波变换的谐波检测方法的有效性。     

基于小波和傅立叶变换组合的数字图像水印算法

数字水印技术是实现版权保护的有效办法之一.为实现水印图像的嵌入,提出了一种基于二维离散小波与傅立叶变换组合的灰度图像数字水印算法.首先对原始图像进行离散小波变换,选择低频子带图像LL作为水印的添加区,再将LL区进行分块,并对每一个小块作离散傅立叶变换;对嵌入的水印图像做相应的分块置乱处理,而后根据人眼视觉系统的特点结合边缘分析将水印信息以不同的强度嵌入载体图像中,最后进行傅立叶和小波逆变换生成密图.实验结果表明,算法具有较好的鲁棒性和视觉效果.     

基于新型小波变换的通信系统的研究

为提高多载波通信传输系统的频谱利用率,节约频谱资源,提出了一种新的基于离散小波变换的尺度因子的多载波通信系统.与传统的离散小波基的尺度因子为2的整数倍不同,该方法中的尺度因子为整数的倒数,因此该系统的子载波不是一组正交载波,而是将每一个子载波在频域上进行等频分配,每一个等频间隙传送一个数据符号.通过对新系统进行仿真,结果表明虽然新系统在误码率性能上低于OFDM系统,但是其频带利用率优于OFDM系统的频带利用率.     

基于小波的奇异信号检测

介绍了小波变换的基本理论、奇异信号的特性及小波变换用于奇异信号检测的基本原理．并在Matlab下进行奇异信号的仿真试验，取得了理想的效果．实验结果表明，小波变换在奇异信号的检测中是有效的。     

多尺度方向性Hermite变换在低信噪比图像边缘检测中的应用

针对现有的边缘提取方法存在着无法同时满足抑噪能力强和定位精度高的问题,提出了多尺度的Her-mite变换边缘检测法.通过分析可以证明Hermite法是一种建立在滤波基础上的边缘提取方法,而且由于Her-mite变换提取出的是图像局部最优方向下的边缘检测,因此其在提取边缘时的抑噪能力要比一般方法高.此外,由于多尺度Hermite变换结合了大尺度的抑噪能力和小尺度的定位能力,因此这种方法能非常有效地提取出边缘并保持了较高的定位精度.通过与Sobel法的边缘检测结果进行对比,可以发现多尺度Hermite变换法在进行低信噪比条件下的边缘检测时具有较好的抑噪和定位能力.     

基于小波变换人脸图像融合方法的研究

利用小波高频系数区域选大法、小波区域能量选大法、小波系数区域标准差选大法、小波区域平均梯度选大法四种融合算法,通过小波变换将图像金字塔选择系数进行一系列的处理后构成融合图像信息。最后从均值、信息熵、交叉熵、扭曲程度、相关系数等方面对融合后图像进行了评价,验证了算法的可行性。     

一种新的基于混合变换的图像稀疏表示

Tetrolet变换对图像中边缘和纹理的稀疏逼近性能远远高于小波变换,对细节丰富的图像具有明显优势,但其对平滑图像的逼近性能却不如小波变换．针对这一问题,本文提出了具有一定普适性的图像稀疏方法．首先,对图像进行小波变换,采用p-fold抽取滤波器对各子带进行多相分解,对分解结果进行主成分变换,并对两次能量聚集后的图像进行低频稀疏逼近;然后,根据前面结果生成细节图像,采用Tetrolet变换进行高频稀疏逼近．实验表明,在相同条件下,无论是客观质量还是主观质量,该方法均优于单一的小波变换和Tetrolet变换,证实了本文方法的有效性．     

一种基于小波变换的数字图像自动聚焦算法

由傅立叶光学理论可知 ,图像高频能量值可以反映聚焦程度 .在传统图像灰度方差评价函数的基础上 ,利用小波多分辨率分析 ,提出了一种新的自动聚焦算法 .清晰度评价函数通过舍去图像低频概貌信号 ,突出了高频能量 ,具有更好的尖锐性 .并分析了分解层数对评价函数性能的影响 .通过改进的变步长爬山算法实验表明 ,该算法与传统灰度方差算法相比具有更好的聚焦精确度 .