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。     

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。     

基于灰色关联度的小波阈值方法及应用

本文运用灰色关联分析办法对小波系数进行了阈值处理,得出了一种基于小波分析理论的新的阈值法。实验结果表明,该阈值法与已有的阈值法相比,在信号的光滑性和相似性两大准则上都有了很大的提高。根据不同信号的特性,它能很好的处理抑制噪声和保留信号细节两个问题,并取得良好的效果。     

基于Neyman-Pearson准则和小波模极大值的边缘检测

图像边缘是对图像进行进一步处理和识别的基础,边缘都是图像上灰度不连续的点或灰度变化剧烈的地方,所以说图像的边缘就是信号的高频部分,边缘检测就是检测信号的高频部分,是图像基本特征之一。但在实际的图像中,由于噪声的存在,边缘检测成为一个难题,所以本文提出了一种基于Neyman-Pearson准则和小波模极大值的边缘检测方法,该方法能很好地检测出图像的边缘。     

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。     

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。     

基于AIW-PSO小波神经网络的上证指数预测

针对小波神经网络(Wavelet Neural Network,WNN)的学习算法的不足,采用一种自适应惯性权重粒子群优化算法(Adaptive Inertia Weight Particle Swarm Optimization,AIW-PSO)作为小波神经网络的学习算法,建立AIW-PSO小波神经网络模型对上证指数进行预测,并将预测结果传统小波神经网络模型比较。结果表明,AIW-PSO小波神经网络模型对上证指数具有更好的预测效果。     

基于小波神经网络的人脸识别算法研究

利用小波神经网络建立了人脸识别算法,并且利用MATLAB软件编制的仿真程序,进行了仿真分析,仿真结果表明,该方法具有较高的人脸识别精度。     

基于小波变换的图像放大方法研究

图像放大是为适应特殊应用场合或为得到一个较好的视觉效果,例如突出某些细节,常常需要一种可以有效改变已有图像大小的方法,使图像放大后仍然有较高的质量。本文采用一维小波变换和二维小波变换方法,将图像信息分解成低频和高频两部分,通过放大算法,将图像数据重构成一幅信息完整的新图像。实验表明,采用本算法放大后的新图像符合客观实际,图像数据信息丰富。     

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。     

基于扩散张量的图像混合去噪方法

图像去噪过程中,主要目的是有效去除噪声的同时能较好地保存图像的边缘与细节。基于此,本文根据自蛇模型与相干增强扩散的特征,提出了相应的混合去噪方法,并加入了保真项。实验结果表明该方法能有效去除图像噪声,同时对边缘信息的保留也较好。     

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。     

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。     

基于复杂适应系统理论的我国企业集团协同管控模式研究

如何实现有效的集团管控是长期以来困扰企业管理者的难题之一,复杂适应系统理论的提出,为解决这一方面问题提供了新的思路。本文旨在通过对企业集团系统性以及内外部环境的分析,阐明企业集团管控与内部整合两者的统一性,基于复杂适应系统理论提出企业集团协同管控模式以及通过实施内部整合建立该模式的思路,为企业管理者解决集团管控问题提供有价值的参考。     

基于ICA的图像去噪技术研究

ICA(Independent Component Analysis)可以仅由简单的几个假设条件,还原出原始相互独立的分量。利用ICA这一特点可对与噪声数据相互独立的图像数据进行分离,达到图像去噪的目的。文章对有噪图像进行小波处理,构建一个虚拟通道作为一个输入,对原有噪图像和构建出的虚拟通道进行分离,可得到去噪图像。传统去噪方法与文中所用方法的处理结果进行了比较。     

基于复杂系统理论的自适应供应链系统研究

供应链管理作为企业在复杂竞争环境中创造核心竞争能力的一种行为,具有结构、环境、行为等方面的动态、开放、突现等非线性特点,是典型的复杂系统。在分析供应链复杂性基础上提出了供应链适应能力的概念,并对供应链适应能力的驱动力进行分析,基于复杂系统理论建立了自适应供应链系统模型,以期为供应链企业的策略调整提供一种动态的方法。     

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。