基于复小波变换的地震资料角度域信息提取

局部角度域属性是地震资料非常重要的属性之一,应用地震波在局部角度域的传播特性,提取地震属性,分析介质的物性参数.通过对三雏地震数据的深层切片处理获取局部角度域属性,提出采用基于映射的复小波变换对二维地震资料两步算法,提出局部角度域信息的解决方案.     

用对数域电流模式电路实现连续小波变换

本文提出了用对数域电路实现连续小波变换的一种方法.利用复解调技术将设计带通滤波器组转化为设计相对简单的低通滤波器组问题,给出了分解与重构的系统流程.设计并分析了对数域电流控制振荡电路,对数域积分器和高斯滤波器等主要的模拟电路.     

基于混沌映射的小波变换域数字水印算法

本文结合传统的密码学和小波变换域数字水印技术,在水印信息被嵌入到载体作品之前,根据密码学原理将水印进行加密,然后再进行嵌入,充分考虑了小波变换的频域特性与人类视觉系统的很好匹配.在前人的研究基础上,利用图像的小波变换域的JND模型提出了一种基于混沌映射的在图像的小波变换域嵌入数字水印的算法.实验证明,用该算法嵌入的水印...     

基于变换域离散小波变换音频水印算法研究

本文提出基于离散小波域的音频水印算法。对要嵌入水印的音频数据进行小波变换三级分解。水印图像经过置乱处理后,再进行降维处理按乘性规则嵌入到经过三级DWT分解的近似分量中,然后和三级DWT的细节分量一起经过逆变换处理产生嵌入水印的音频信号。通过上述过程的逆变换从嵌入水印的音频信号中提取出水印。     

基于Gabor小波变换复频域响应的人脸识别研究

介绍了Gabor小波变换的基本原理,利用幅值和相位信息,结合描述局部特征的提取方法,使高维数据能被有效处理,最后通过合适的判别标准进行识别比对,在ORL,Feret等人脸库上得到较好的识别率.     

基于小波的变换域通信系统抗干扰性能研究

变换域通信系统通过信道估计在变换域设计信号波形避开干扰,它没有采用载波调制,而是用一个类似噪声的基函数进行信息调制。对高斯白噪声信道下的取不同门限值的基于小波的变换域通信系统与DSSS的抗干扰性能作了比较分析,仿真结果表明基于小波的变换域通信系统相比于DSSS在单音、多音、线性调频、10%部分带宽干扰下误码率平均改进约10dB,在70%部分带宽干扰下误码率平均改进约5dB,并对基于小波的变换域通信系统门限值的选取给出了建议。     

基于小波变换域估计的瞬态信号检测

在未知瞬态信号检测中，一般采用广义似然比检测，然而广义似然比检测不能有效利用瞬态信号的固有特性，检测性能不是很好。文中在介绍瞬态信号和噪声的小波变换特性基础上，提出了基于小波变换域估计的检测方法，最后给出了几种检测器的工作特性比较。     

基于双树复小波变换的自适应图像融合方法

双树复小波具有平移不变性、方向选择性、有限冗余等特点,用于图像融合,优于传统的小波变换方法。本文提出一种基于双树复小波变换的自适应图像融合方法,源图像复小波分解后低频采用PCA,高频采用区域能量算法。通过对可见光和红外图像的融合实验,结果证明了双树复小波的优势和所用融合算法的有效性。     

双树复小波变换及其应用综述

双树复小波变换是为克服通常的离散小波变换的缺陷而提出的。当对应小波基（近似）满足Hilbert变换关系时，双树复小波变换能够极大地减小通常的实小波变换中的平移敏感性，改善方向选择性。这些优点使双树复小波变换成为有效的图像配准融合工具，能够显著提高配准融合质量。     

基于小波变换域上的KL变换的地震信号去噪方法

基于相邻地震道的有效波在波形及能量上有较强的相关性及改变各个频率成分的信噪比．有益于提高分辨率的观点，本文提出了基于小波变换域上的KL变换去噪方法．该方法的主要思想是：将地震记录进行小波分解，形成地震记录的分时、分频小波包剖面，然后利用相邻道相关的性质，用KL变换进行去噪，再将各个小波包剖面重构为去噪后的地震剖面．理论记录计算及实际地震剖面的处理结果表明：基于小波变换的分时、分频KL变换去噪方法能有效地提高地震剖面的信噪比和分辨率．     

基于双树复数小波变换的掌纹特征提取

根据掌纹纹理的多分辨率、多方向特性,提出了一种基于双树复数小波变换的掌纹特征提取方法,利用双树复数小波变换具有的近似平移不变性,多方向选择性对掌纹图像进行特征提取,全面的描述了掌纹图像的纹理特性.该方法首先对掌纹图像进行多尺度双树复数小波变换,然后将每个细节图像分块,计算每个细节图像每块各点的幅值之和,形成矢量,归一化后形成掌纹特征矢量,最后使用加权的城区距离进行匹配.在1000幅掌纹图像上进行实验,结果是该方法具有的0.093 5%的等错率,发生等错率时的正确识别率为99.908 1%,在行和列方向上的抗平移能力约为一6～+6个像素.对比实验表明本方法在提取掌纹特征和抵抗平移的能力好于基于实数小波能量特征的方法.     

基于小波变换的图像去噪方法

针对传统小波去噪时图像边缘被破坏因而丢失有用细节信息的问题,基于小波去噪的优点,研究了几种改进的基于小波变换的图像去噪方法。分别是基于小波变换和中值滤波的去噪方法,雏纳滤波和小波域滤波相结合的方法,小波变换去噪与高阶统计量滤波法去噪相结合的方法等。经过大量的计算机仿真试验,最后所得结果表明这几种改进后的基于小波变换的去噪方法均可以有效地降低图像的噪声干扰,比较好地保留图像中重要的细节信息,具有一定的实际应用价值。     

基于二维双树复小波变换的无人机个体识别

在无人机个体识别中,直接用双谱矩阵进行个体识别要计算复杂的二维模板,运算效率低。针对这一不足,提出了一种基于二维双树复小波变换的二次特征提取算法。该算法将双谱分解成多个方向子带图并计算其能量和能量偏差,将维度较高的双谱矩阵高效地转换为维数较低的图像纹理特征,再将其送入支持向量机实现无人机个体识别。采用实采的Phantom 3 Advanced与Mavic Pro图传信号对算法进行验证,结果表明,基于二维双树复小波变换比直接用双谱矩阵进行分类的运算效率高21倍,准确率相较于基于积分双谱、基于灰度共生矩阵、基于小波变换法有不同程度的提升,满足准确性和实时性的需求。     

一种小波域改进非局部均值滤波算法

提出了一种噪声图像高效滤波算法。该算法对经典非局部均值滤波算法从边缘保持效果和计算复杂度两个方面加以改进。提出一种基于图像结构相似度(SSIM)相似性检测算子,并将其与传统的高斯加权欧氏距离进行加权融合,从而实现对经典非局部均值滤波的改进,可实现对图像边缘和平坦区域滤波的有效兼顾。将其引入到小波变换域,对于高频子图像,首先采用Canny算子实现自适应边缘检测,获得边缘和非边缘图像,采用改进非局部均值滤波和经典非局部均值滤波分别加以处理,然后实现图像的融合;最后实现小波系数重构。通过对实物图像和标准测试图像的仿真实验结果表明,该滤波算法的去噪效果较优,能基本实现对高强度随机噪声情形下的图像复原,从而印证了该滤波思路的可行性。     

基于整数小波变换的Wiener插值算法

小波变换中高低分辨率子带之间的相似性使得利用小波变换进行图像插值的方法成为可能.根据数字图像信号的特点,分析了小波变化后各个子带信号的特点,提出了基于整数小波变换的Wiener插值算法.用Wiener自适应滤波器训练得到插值滤波系数,同时结合既符合图像性质又能减小运算量的整数双正交小波基对图像插值.结果得到较高的信噪比和较好的主观视觉效果.平均峰值信噪比比传统的双线性插值法提升了2.4dB.     

基于伪中值滤波和小波变换的红外图像增强方法

针对红外图像对比度差、信噪比低的特点,提出一种基于伪中值滤波和小波变换的红外弱小目标增强的算法。图像首先经过伪中值滤波滤除部分噪声,然后进行小波变换得到小波系数,对小于阈值的系数利用基于临近系数保留法进行滤波,防止小目标误判为噪声被滤除,对于大于阈值的系数进行非线性增强,最后重构得到去噪后的增强图像。实验结果表明,本文算法有效地滤除了噪声,提高了图像的对比度,更符合人眼视觉特性。     

应用于分段连续信号的基于提升格式的双自适应小波变换

由于小波具有良好的时频特性，对于平滑的信号，利用固定尺寸的小波滤波器滤波可以获得良好的线性近似结果。然而对于某些具有突变点的信号而苦，采用固定尺寸的小波滤波器进行线性滤波并不足一个理想的选择。在Piella G提出的基于提升格式的自适应小波变换算法的基础上，本文提出了一个新的双自适应小波变换算法，将其应用于分段连续信号中得到了较好的线性近似结果。     

基于小波变换的结构光光条图像去噪方法

结构光光条图像通常受到大量噪声的干扰,会对光条图像分析的造成影响。本文通过对结构光光条图像的噪声特点的分析,结合中值滤波和小波去噪特性,提出基于自适应中值滤波和改进小波重构的去噪方法。用本文提出的方法对结构光光条图像进行去噪处理,并与传统小波软阈值去噪法等其他去噪方法结果进行对比。使用客观的评价标准对两种方法去噪效果进行评价,结果表明,本文提出的去噪方法对结构光光条图像有更好的去噪效果。     

基于小波变换的多尺度SSIM算法

提出一种基于小波变换的多尺度结构相似度的图像质量评价(WWMS-SSIM)算法。首先对原始图像和失真图像分别进行小波变换,在对应的低频子带图像中比较亮度和相关度差异,在对应高频子带图像中比较对比度、相关度和结构差异,然后赋予不同子带图像不同的视觉加权值,最后得到归一化的图像质量评价值。通过对不同失真类型图像以及Live数据库图像的评价,证明了提出的算法(WWMS-SSIM)相对均方误差、峰值信噪比、结构相似度以及改进的结构相似度评价算法更符合人类的主观视觉感受。