一种基于小波尺度相关性的自适应阈值去噪算法

针对图像去噪时造成的边缘模糊和细节损失问题,结合小波尺度相关性理论和经典的阈值去噪方法,提出了一种新的图像去噪算法,该算法利用不同尺度上小波系数间的相关性,对原图像和噪声对应的小波系数进行最大程度的区分,对前者予以保留,对后者则结合闽值去噪方法和该小波系数是原图像的置信程度进行处理。实验结果表明,该算法在达到很好的图像去噪的同时,能很好地保留图像的边缘和细节信息。     

基于小波分析和自适应共振解调法的故障诊断研究

文章介绍了小波分析技术和自适应共振解调法的基础理论,分析了传统共振解调法的缺点,并结合两者应用于对滚动轴承的故障特征提取,对实际轴承故障数据的分析表明,小波分析和共振解调技术在提取轴承故障特征信息的应用上是有效的。     

一种基于小波包分解图像的去噪方法

用小波包分解图像，对图像进行去噪，在图像去噪中能得到很好的效果。这里首先利用高斯一拉普拉斯边缘检测方法检测图像的边缘，再用小波包变换对图像的平滑区进行阈值去噪，并且对图像邻域进行平滑处理，最后把边缘图像嵌入到平滑图像。这种图像处理方法不仅可以去除图像的噪声，图像的去噪效果和清晰度也大大地得到了提高，而且图像的边缘信息也得到了很好的保持。     

基于电缆网时域反射信号检测与预处理技术研究

运行电缆网时域反射信号检测与预处理技术研究。应用小波分析变换电缆网时域反射信号的奇异点进行检测与预处理误差较大,采用小波分析的反射波消噪技术提出一种小波分析最优分解层数的自适应确定函数算法。     

基于贝叶斯理论的小波变换支持向量机负荷预测模型

用贝叶斯证据框架理论改进小波变换最小二乘支持向量机混合预测法。应用贝叶斯证据框架实现各尺度预测模型的超参数、核参数以及输入变量的自适应选择。该方法在提高预测精度的同时,大大增强了其混合模型的适应性。     

小波分析在信号处理中的应用

文章介绍了小波、小波连续变换、二进离散小波变换及其快速算法等基本内容。此外,提出了二进小波除噪、信号识别和小波分析的频谱细化等应用及其相应算法,进而得出小波分析在信号处理中应用的理论优势,并展望了小波分析的进一步应用。     

基于小波变换的图像融合方法及其性能评价

近年来,图像融合已成为图像理解和计算机视觉领域一项重要的新技术。把小波变换技术应用到图像融合之中是该研究领域的重大突破。文章以小波变换为工具,描述了基于小波变换的多传感器图像融合算法的实现,提出了多种融合规则和融合算子,并对融合结果进行了深入分析和性能评价。     

基于小波变换的图像融合方法及其性能评价

近年来,图像融合已成为图像理解和计算机视觉领域一项重要的新技术。把小波变换技术应用到图像融合之中是该研究领域的重大突破。文章以小波变换为工具,描述了基于小波变换的多传感器图像融合算法的实现,提出了多种融合规则和融合算子,并对融合结果进行了深入分析和性能评价。     

基于小波变换的图像融合方法及其性能评价

近年来,图像融合已成为图像理解和计算机视觉领域一项重要的新技术.把小波变换技术应用到图像融合之中是该研究领域的重大突破.文章以小波变换为工具,描述了基于小波变换多的传感器图像整合算法的实现,提出了多种融合规则和融合算子,并对融合结果进行了深入分析和性能评价.     

基于小波变换的土木工程结构裂缝损伤识别

小波变换作为一种优越的时—频局部分析的数学方法,能够对数据信号做较精细程度的数值分析,进而来识别信号中的突变点。本文基于土木工程结构的变形应用小波分析对结构裂缝进行损伤位置识别,给出了该方法的的基本原理和计算思路。以简支梁模拟数据为例,分析结果表明小波变换在土木工程结构裂缝损伤分析方面具有较好的的实用性和操作性。     

基于ADT算法的小波边缘提取

提出了一种小波边缘提取算法,应用多孔算法对视频信息进行小波分析,基于模极大值类内MIN variance原理,推导出高低2个阈值,进行候选边缘点的筛选。对在2个阈值之间的模极大值进行比较,进一步筛选候选边缘点。该方法不需要人为的设定任何系数或者初始值,根据不同的视频信息自适应地确定双阈值,避免了反复调试阈值系数,实验结果表明了该方法的有效性。     

基于Gabor小波和增强Fisher模型的掌纹特征提取

对于其他身份识别的生物特性而言掌纹有着很多的先天优势,因此在各个领域得到了非常广泛的应用。本文通过研究掌纹的特征,提出了一种基于Gabor小波和增强Fisher线性判别模型(EFM)的掌纹特征提取算法。先对预处理掌纹,在对掌纹灰色图像通过算法进行Gabor小波变换后,得到Gabor的掌纹特征向量。随后,通过主成分分析变换高维特征向量至低维空间,最后在此空间内利用EFM变换矩阵提取到掌纹的特征。由于Gabor函数在特征提取方面有着优良的性能,对高维特征的降维处理问题可有效解决,同时,算法也提高了Fisher线性判别式(FLD)的推广能力,可以较好地实现掌纹的特征提取。     

偏微分方程在图像去噪中的应用研究

图像学术领域一直都很注重对图像去噪的研究,随着科学技术的发展,偏微分模型开始应用于图像去噪。本文主要介绍偏微分方程在图像去噪中的应用历程,对几种常用的图像去噪进行了比较科学详细的论述,分析了各方法的优势和劣势,这次研究对偏微分方程未来的发展方向指明了方向。     

Convergence and performance of the peeling wavelet denoising algorithm

This note is devoted to an analysis of the so-called peeling algorithm in wavelet denoising. Assuming that the wavelet coefficients of the useful signal are modeled by generalized Gaussian random variables and its noisy part by independent Gaussian variables, we compute a critical thresholding constant for the algorithm, which depends on the shape parameter of the generalized Gaussian distribution. We also quantify the optimal number of steps which have to be performed, and analyze the convergence of the algorithm. Several implementations are tested against classical wavelet denoising procedures on benchmark and simulated biological signals.     

金属拉伸实验数据小波变换数字滤波方法研究

小波变换具有良好的时频局部化能力。当采用小波变换对金属拉伸实验数据进行数字滤波时,不但能滤除干扰信号,而且能很好的保留信号的突变部分,体现信号原貌,这一功能是傅里叶变换所无法比拟的。通过比较傅里叶变换与小波变换对金属拉伸实验数据的滤波结果,表明采用小波变换处理含噪的实验数据,具有良好效果。     

小波变换高分辨率层序地层学研究

以大庆长垣杏树岗地区高三组层序地层划分为例,分析了小波变换在高分辨率层序划分中的应用。利用对自然伽马曲线进行Morlet小波变换,将测井曲线信号转换为深度与尺度域的变化关系,得到不同尺度上的小波系数曲线,然后建立最佳尺度因子下的小波系数曲线的周期性振荡特征与各级层序界面的对应关系,最终将最佳尺度因子下的小波系数曲线用于层序的识别与划分。同时,结合地震资料和储层反演等资料验证,实践证明,最佳尺度因子下的小波系数曲线能准确识别出各级层序的界面,因此,利用小波变换进行层序地层划分为高分辨率层序地层学研究了提供一条新的途径。     

图像边缘检测技术及实现

边缘检测技术在数字图像处理中有着重要的作用。本文对图像的边缘检测的各种边缘检测方法进行介绍和详细分析,并通过MATLAB对各种算法进行实现,通过比较得出了各自的优缺点和适用范围,以及小波变换和数学形态学的边缘检测技术在复杂背景中的优势,为实际应用采用合适的图像边缘检测技术提供对照和参考。     

Wavelet thresholding for some classes of non–Gaussian noise

Wavelet shrinkage and thresholding methods constitute a powerful way to carry out signal denoising, especially when the underlying signal has a sparse wavelet representation. They are computationally fast, and automatically adapt to the smoothness of the signal to be estimated. Nearly minimax properties for simple threshold estimators over a large class of function spaces and for a wide range of loss functions were established in a series of papers by Donoho and Johnstone. The notion behind these wavelet methods is that the unknown function is well approximated by a function with a relatively small proportion of nonzero wavelet coefficients. In this paper, we propose a framework in which this notion of sparseness can be naturally expressed by a Bayesian model for the wavelet coefficients of the underlying signal. Our Bayesian formulation is grounded on the empirical observation that the wavelet coefficients can be summarized adequately by exponential power prior distributions and allows us to establish close connections between wavelet thresholding techniques and Maximum A Posteriori estimation for two classes of noise distributions including heavy–tailed noises. We prove that a great variety of thresholding rules are derived from these MAP criteria. Simulation examples are presented to substantiate the proposed approach.