小波变换应用的研究

本文简要介绍了小波变换的基本概念、特点,以及小波变换在数字图像压缩、图像降噪、图像增强以及图像融合等遥感数字图像处理中的作用。此外,还实现了在Matlab语言环境下图像处理。     

基于小波变换在图像处理中的应用

小波变换被广泛接受的图像处理作为一种有效的和有前途的方法。本文根据遥感图像的多分辨率和多尺度特点,利用边缘提取对不同图像进行处理,并对上述结果对比分析认为:利用小波变换进行遥感图像边缘提取,须先对图像进行小波变换,然后用二进小波变换模的部分极大值来完成信号突变点位置及其异性大小,实现图像的边缘特征提取。本文中用多维度上二进小波变换图像边缘特征提取方法应用于遥感图像样本的仿真实验,获得了比较好的结果。     

基于小波变换的图象压缩研究

本文给出了使用二维小波变换进行图像压缩的原理和5实5例,提出了结合小波变换的零树压缩和量化编码的新方法,小波分解后,仅保留图像最有用的部分,即低频成分,对三个高频部分强制为0,然后再对低频部分量化编码。     

基于小波变换的图象压缩研究

给出了使用二维小波变换进行图像压缩的原理和实例,提出了结合小波变换的零树压缩和量化编码的新方法,小波分解后,仅保留图像最有用的部分,即低频成分,对三个高频部分强制为0,然后再对低频部分量化编码。     

小波变换在飞行器遥测数据分析中的应用

飞行器遥测参数表征飞行器飞行过程中的特征参量,而遥测参数受到外界和自身的干扰,使信号的信噪比明显下降,严重影响了测试结果和后续的分析工作,为此需对测量信号进行降噪处理。小波变换克服了傅里叶变换中时域的瞬间变换在频域中不能反映的缺陷,是一种更有效的降噪方法。另外,小波变换也是弹体故障诊断的有效方法。     

基于提升小波变换的图像去噪

对小波先进行提升,再用提升小波进行图像分解去噪。通过对比不同的去噪方式与去噪效果,实验证明基于提升小波的去噪是一种好的去噪方式,去噪效果比较好。     

基于小波分析的GPS消噪探讨

文章采用VB语言与MATLAB语言编程,提取南宁实验GPS控制网观测数据中的原始载波信号,利用小波分析理论在多尺度、多分辨率、可伸缩、可平移等分析方面的优势,分别对提取的原始载波信号、单差观测值、双差观测值采用bd3小波函数进行3层小波分解。研究高频信号特点以及不同差分方法消除噪声的效果。将小波分析理论作为数学工具,实施GPS观测数据小波分解和重组,对于发现并削弱GPS误差具有一定的参考价值。     

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MATLAB的变形监测数据成图与消噪处理

MATLAB具有强大的数学计算及数据处理分析功能,而沉降观测中涉及大量的数据需加以分析处理,应用MATLAB可将数据形象的成曲线图。此外观测成果除了受系统误差影响外,还应考虑到外界观测条件等随机因素的变化产生的影响,这类影响通常以随机噪声的形式表现在整个监测过程中,但其可通过小波变换进行消噪,使观测数据消除粗差,更客观的反映建筑物沉降。     

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处理综述

小波分析主要广泛应用在科学研究和工程技术中。虽然在现阶段的小波理论相对成熟,近些年关于小波理论的应用和研究也在不断的发展和更新。小波变化在图像处理领域中的应用也囊括图像与处理的所有方面。本文通过介绍小波变换的起源,将小波应用在图像处理中的压缩、还原图像、边缘检测和图像分割,宏观剖析小波的研究现状历史、发展动向及优势。     

基于小波变换和曲线拟合法的柴油机故障诊断

为了对柴油机故障类型进行准确诊断,对柴油机缸盖振动信号进行特征提取,所测取的信号通过小波变换提取时域、频域特征参数,得到相应的拟合曲线并计算多项式系数。设定两种常见故障,通过比较其小波变换拟合多项式系数与标准模式间的距离,从而判断出故障类型。经过验证,所判断出的故障类型正好为所设定的故障,由此表明该方法具有很大的优越性。     

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。     

基于改进的小波变换和模糊核聚类的纹理分割

提出了一种基于改进的小波变换和模糊核聚类的纹理分割方法。该方法首先用改进的离散小波变换进行纹理特征提取。然后用模糊核聚类方法对特征空间的每个像素进行聚类以实现对纹理的分割。实验结果表明所提算法有很好的分割结果。     

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。     

小波的信号突变点检测在车流量检测器中的应用

为了提高车流量检测器的精度,通过现场采样大量实验数据,建立车辆通过感应线圈时频率变化曲线的数学模型。采用小波变换对频率变化曲线的突变点进行分析,得到车流量检测的新方法。这种方法不但能有效的提高车流量的检测精度,而且为进一步通过车流量检测器实现对各种车型进行预分类提供了新的思路,具有相当的研究价值。分析过程中还对利用小波变换分析信号突变点的理论依据进行了描述,并介绍了小波基的选择方法。     

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。     

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。     

地震子波及其提取方法研究

地震子波的提取和研究是反演和正演模型的关键工作,论文重点研究了复赛谱域子波提取方法的原理和所存在的问题,并用实际资料进行试算,从而得出一些有益结论。并将提取子波运用于合成地震记录和反褶积。