一种基于小波变换的边缘检测方法

基于信号与噪声在不同尺度下小波变换系数摸不同的变化特征。提出了一种边缘检测方法。该方法通过对图像的小波变换域中由噪声引韦的小波变换系数摸进行处理,再利用小波变换系数模局部极大值来撮图像的边缘特征,实验结果说明这种特征提取方法可以有效地降低噪声,同时又较准确地提娶出图像的边缘。     

基于小波变换多尺度的边缘检测

基于信号与噪声在不同尺度下小波系数模的变化特征，利用小波变换系数模局部极大值提取图像的边缘特征。实验结果说明这种特征提取方法不仅有效地降低了噪声，而且也能较准确地提取图像的边缘及降低计算量。     

基于小波变换的机加工表面SEM图像边缘检测

图像边缘是图像的重要特征，提出了一种基于小波变换的图像多尺度边缘检测算法，并以机加工表面SEM图像为对象，利用小波系局部极大值提取其边缘，实现加工表面纹理特征提取。实验表明该算法可取得较好的效果。     

连续小波变换在焊接缺陷超声检测中的应用

本文研究连续小波变换方法在焊接结构超声无损检测信号处理中的应用，以压力容器的三种焊接缺陷为对象，对缺陷回波信号作连续小波变换，对小波变换尺度图采用与时间－尺度相平面相似的网格作区域平均特征提取，并对提取出的特征利用B－P型神经网络进行训练和分类，实验结果表明：连续小波变换在信号特征提取上具有优良特性。     

运用各向异性小波变换进行图像特征提取

在图像信息提取中,为实现任意方向、任意尺度对图像进行小波分解,在各向异性小波变换中增加了衰减因子和旋转因子的新算法,运用Matlab编程实现该算法,可准确地提取图像任意方向的趋势和细节特征,是一种高效的图像特征提取算法.     

一种基于小波多尺度分析的水天线检测方法

提出一种基于小波多尺度分析的水天线检测方法．该方法针对海面背景图像的特点，利用小波变换的多尺度分析特性，依据小波变换模极大值在多尺度上的变化规律，综合了各尺度信息，对水天线进行检测，仿真实验验证了其有效性。     

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.     

使用小波分析方法提取焊缝位置信息

针对焊缝特征提取中普遍采用的线段拟合方法计算量大的问题,探讨了基于小波变换的焊缝特征提取方法;将离散小波变换和奇异分析理论引入焊缝特征提取问题;利用多尺度小波分析计算最小以及对信号奇异点敏感的特征,有杉db2小波对焊缝特征进行分析,通过采用小波变换模极大值传播规则,大大减少小了计算量,实验证明此方法具有较好的性能,有效地排除了局部信号对焊缝整体特征的影响,可以很快确定焊缝的位置。     

基于多尺度的小波变换在图像编码中的应用

介绍了小波的多尺度特性及其在图像编码中的应用，通过尺度因子对小波作伸缩处理，小波变换具有突出信号在时域、频域局部特征的能力．通过具体实例给出图像数据的小波多尺度变换及图像重构的实现过程，通过合理阈值的选取去除图像数据中的一些细节参数，图像的改变对人的视觉影响不大，处理后图像的可压缩性增强。     

基于多方向小波模糊融合的SAR图像边缘提取

合成孔径雷达图像通常带有较强的相干斑噪声。传统的边缘检测算法难以兼顾噪声抑制，检测边缘的完整性和定位的准确性，针对合成孔径雷达自身的特点，利用多方向小波变换各尺度间边缘梯度信息的关联及各方向上边缘梯度信息的互补，提出一种将小波变换的多方向多尺度与模糊积分相结合的边缘特征提取算法．这种算法能在有效克服斑点噪声影响的同时保留弱边缘．融合边缘比较完整．边缘定位准确。     

基于连续小波变换的湖底回波特征提取

提出了以多尺度连续小波变换值矩阵的奇异值作为识别特征矢量的方法,并利用该方法对湖底回波实测数据进行特征提取与分类。理论分析与仿真试验结果表明,相对于时间-小波能量和尺度-小波能量特征提取法而言,该方法可得到更好的类内紧致性和类间可分性,以及更佳的分类效果。     

用小波变换和Fisher判别对人脸进行特征提取

提出了一种用小波变换和核函数Fisher判别对人脸进行特征提取的方法.同传统的特征提取方法相比,用核函数Fisher判别进行特征提取,不仅可以对人脸图像进行维数压缩,而且还可以有效利用提样本的类别信息.同时,用小波变换对人脸图像进行预处理以降低计算复杂度.同传统的Fisher变换相比,可以较好地解决人脸识别这一非线性问题.实验结果表明方法是有效的.     

一种新的模拟电路故障诊断小波神经网络方法

结合小波变换和神经网络二者之间的优点，提出基于小波神经网络的模拟电路故障诊断方法。采用能量分布特征提取方法和改进BP算法，用正弦信号仿真模拟电路，应用小波变换对模拟电路的采样信号进行多尺度分解，再进行能量分布特征提取，然后利用神经网络对各种状态下的特征向量进行分类识别，实现模拟电路故障诊断。相对于传统的故障诊断方法，用小波变换对故障信号进行预处理，大大减少了神经网络的输入数目，从而简化了神经网络的结构和减少了它的训练时间，并提高了辨识故障类别的能力。对实例电路仿真结果表明，该方法能正确识别各种故障状态，准确率高。     

基于小波空间特征谱熵的数字图像识别

针对目前数字图像识别准确率不高的问题,重点研究了基于小波空间特征谱熵的图像特征提取方法。该方法利用小波变换前后能量不变的原理,构造小波能量模式矩阵,对该矩阵进行奇异值分解,并求取了奇异值的特征谱熵作为图像的特征。实验结果表明,本文提出的图像特征提取方法能够获得很高的图像正确识别率,证明了该方法的有效性和实用性。     

基于底层纹理特征的图像检索

讨论了统计法中的灰度共现矩阵法和频谱法中的小波变换法来提取图像底层纹理特征,并对此进行了比较和分析,实验表明,基于小波变换的纹理特征提取方法可以有效描述图像底层纹理并取得较好检索结果。     

基于B样条小波的自适应阈值多尺度边缘检测

利用小波变换的特点,设计了3次B样条平滑滤波算子。对图像进行多尺度滤波,得到了不同尺度的小波变换。结合自适应阈值方法,在每种尺度下分别提取了图像边缘;而后利用边缘信息的多尺度特性,综合多尺度边缘得到单像素宽边缘。通过计算机仿真对该方法进行验证表明:该方法不仅能准确检测出图像边缘,而且能有效地抑制噪声,明显优于已有的边缘检测方法。     

基于小波高频分量的边缘检测方法

在对图像的小波变换原理讨论的基础上,提出了一种较为实用的图像多尺度边缘检测方法,同时对如何抑制噪声的干扰进行了讨论.由于该方法克服了以往使用单尺度提取边缘的局限性,并结合小波变换多尺度的特点,获得的边缘图像效果较好,而且算法简单实用,具有抗干扰能力强的特点.     

多尺度图像迭代去噪

为了解决传统图像去噪算法仅对平稳噪声或缓慢变化噪声有效，且存在残留图像噪声较大的问题。研究了非平稳环境下基于小波变换的图像去噪算法。该算法根据图像与噪声在小波域的分布特性以及图像和噪声小波模极大值随尺度的变化大小不同，运用迭代算法得到不同尺度小波域中噪声的具体位置以及小波系数大小，完成了多尺度图像去噪。实验结果表明：对峰值信噪比较低的图像去噪，本方法去噪后峰值信噪比比传统的方法高，并且保留较多的图像细节。该算法对平稳和非平稳的噪声都能进行较好地去噪。     

基于小波分析的磁共振图像去噪方法研究

小波分析去噪是一种新兴的图像去噪方法。由于小波分析具有多尺度分辨和去相关性等特点，使得小波分析在去除高斯白噪声方面优于传统的图像去噪方法。但是，磁共振图像这种小波变换去噪后，纹理特征被弱化，图像的边缘变得模糊。针对以上问题，提出了基于小波变换的图像去噪新方法。此去噪方法对经典的小波去噪方法进行了改进，使基于阀值的小波分析在阀值处理上更精确，并具有自适应性。采用本方法处理的噪声图像与经典方法相比，图像的边缘信息更清晰，纹理特征增强，去噪能力也得到增强。[第一段]     

基于小波变换的储粮害虫图像的提取

以基于机器视觉的储粮害虫识别系统中图像轮廓的提取为研究对象，利用小波变换对图像进行不同尺度的小波分解，对得到的小波系数进行不同的处理，从而达到图像轮廓提取的目的。结果表明：利用小波变换对图像进行处理，可以收到良好的效果。运用Matlab语言对二维图像信号进行多尺度多分辨率分析，并很好地应用于粮虫图像轮廓的提取。该研究对粮虫识别及其它图像分析技术具有一定的参考价值。