基于小波变换的图像边缘检测

介绍了利用小波变换进行图像边缘检测的原理与方法。基于小波变换的模极大值原理,利用不同尺度小波变换后的不同方向获取图像的高频信息,并通过小波系数的模极值点与过零点,检测出图像在四个方向上的模极大值,得到该位置模的局部最大值。仿真测试表明,利用小波变换进行图像边缘检测可以较好的检测图像边缘的细节特征,取得了很好的效果。     

基于小波变换的图像边缘检测

介绍了利用小波变换进行图像边缘检测的原理与方法。基于小波变换的模极大值原理,利用不同尺度小波变换后的不同方向获取图像的高频信息,并通过小波系数的模极值点与过零点,检测出图像在四个方向上的模极大值,得到该位置模的局部最大值。仿真测试表明,利用小波变换进行图像边缘检测可以较好的检测图像边缘的细节特征,取得了很好的效果。     

小波变换域滤波方法在电磁生物医学成像中的应用

电磁生物医学成像信号是一种非平稳信号,传统滤波方法全造成信号重要信息的损失。小波变换局部极大值滤波方法利用信号与噪声不同的尺度变化特性来区分信号与噪声,将噪声从信号中分离出来。小波变换局部极大值描述是信号的一种稳定的、近似的描述,可以利用交替投影算法从小波变换局部极大值描述来重构信号。ａｄｈｏｃ算法是寻找小波变换对数模极大线的一种有效算法,在此基础上,提出模极大值漂移抑制方法,对生物医学成人像仿真     

基于信号奇异性分析的小目标检测方法

提出了一种新的基于信号奇异性分析的小目标检测方法,该方法将图像中的小目标看作是图像信号中的奇异点(突变点),利用小波变换模极大值点同信号奇异点之间的对应关系,结合信号奇异性与模极大值在多尺度上的变化规律,实现噪声抑制和信号增强,然后通过区域分析,检测图像小波变换模极大值,进而实现小目标检测。实验结果证明该方法是行之有效的。     

小波变换在电能质量扰动检测中的探讨

文中针对暂态电能质量问题,主要在电能质量扰动检测方面做了一些工作,在小波变换局部模极大值理论的基础上,针对连续小波变换的计算量大,存在较大冗余的缺点,采用二进小波变换对电能质量扰动进行检测。小波变换的局部模极大值对应信号的突变点,可以用来检测电能质量扰动。     

多尺度小波在图像测量中的应用

在图像测量中,图像的边缘检测是关键.基于信号和噪声在不同尺度下小波系数模值的变化特征,利用小波变换系数模的局部极大值提取图像的边缘.在对前、后孔配准图像的测量中,能够降低噪声,并能比较精确的得到图像的边缘.     

模极大值降噪法在信号降噪中的应用

利用信号与噪声奇异点Lipschitz指数的区别,以及反映在其小波变换模极大值曲线上的特点,应用小波变换模极大值降噪法,对含有带限高斯白噪声的数字通信信号进行了降噪处理,并对降噪原理、算法和仿真结果进行了较为详细的分析。提出了一种信号重构新方法,该方法利用小波变换对信号和噪声的模极大值进行分离,通过对噪声模极大值对应的小波系数进行线性压缩后重构信号,并用仿真试验验证了该方法的有效性。     

一种基于二进小波变换的图像边缘检测方法

边缘检测是图像处理和计算机视觉领域最活跃的研究课题之一。传统边缘检测方法对噪声非常敏感,针对该问题在传统边缘检测算法分析的基础上,提出了一种基于二进小波变换的图像边缘检测方法。首先,对原图像进行二进小波分解,然后对低频子图像用直方图均衡化来进行增强,对增强后的低频子图像用二进小波变换模极大值点方法进行边缘检测得到边缘图像。实验结果表明,这种边缘检测方法明显优于对原图像直接使用传统边缘检测算子或二进小波变换模极大值点的边缘检测方法。     

基于小波变换的自适应QRS-T对消P波检测算法

该文提出一种基于小波变换的自适应QRS-T对消P波检测算法。首先采用二进Marr小波的Mallat算法对心电信号作多尺度分解,在每个尺度下只保留超过一定阈值的小波模极大值点,其它点置零处理。在小波分解的3,4尺度下检测QRS波群,并根据心拍节律信息和QT间期,将QRS-T波群所对应的小波模极大值点进行自适应对消,最后对包含P波的剩余信号进行非线性放大,利用小波模极大值的自适应阈值检测方法定位P波。该方法经MIT-BIH心电数据库数据验证,取得了满意的结果。     

一种改善小波变换模极大值重构信号的整体变分方法

在小波变换模极大值去噪原理的基础上,通过整体变分法估计模极大值以外、非零值的小波系数,然后经过小波逆变换重构信号.为求解这个极小化问题,采用了改进的次梯度方法.数值计算结果表明:我们提出的方法有效抑制了小波变换中固有的伪Gibbs现象,重构信号的边缘、脉冲位置都十分准确,信噪比也得到明显改善.     

Denoising by singularity detection

A new algorithm for noise reduction using the wavelet transform is proposed. Similar to Mallat's (1992) wavelet transform modulus maxima denoising approach, we estimate the regularity of a signal from the evolution of its wavelet transform coefficients across scales. However, we do not perform maxima detection and processing; therefore, complicated reconstruction is avoided. Instead, the local regularities of a signal are estimated by computing the sum of the modulus of its wavelet coefficients inside the corresponding “cone of influence”, and the coefficients that correspond to the regular part of the signal for reconstruction are selected. The algorithm gives an improved denoising result, as compared with the previous approaches, in terms of mean squared error and visual quality. The new denoising algorithm is also invariant to translation. It does not introduce spurious oscillations and requires very little a priori information of the signal or noise. Besides, we extend the method to two dimensions to estimate the regularity of an image by computing the sum of the modulus of its wavelet coefficients inside the so-called “directional cone of influence”. The denoising technique is applied to tomographic image reconstruction, where the improved performance of the new approach can clearly be observed     

小波模极大值点的信号稀疏表示及重建

作为压缩感知理论的前提,稀疏表示要求信号本身是稀疏的或者在某种正交基下可以稀疏表示。本文针对信号本身及小波变换后均不够稀疏的情况,提出一种基于模极大值点的信号稀疏表示算法。该算法在小波变换的基础上,利用小波分解的结构,对各层高频小波系数通过寻找其模极大值点的方法进行稀疏化,然后通过测量矩阵得到它的测量值,对测量点数进行熵编码以实现数据压缩传输。解码时,采用正交匹配追踪算法得到模极大值点的估计值,最后通过交替投影法重构出原信号。仿真结果表明,与经典压缩感知算法相比,该算法恢复信号的质量有较大提高,且由于稀疏度增大,所以信号具有更好的可压缩性,实验表明本文算法对复杂信号效果更明显。      

基于B-样条小波的信号奇异性检测算法

介绍了小波变换的快速算法——Mallat算法和三次B-样条小波滤波器组系数,详细讨论了信号奇异性、小波函数奇偶性与模极大值的关系,最后给出了一个利用小波系数模极大值定位信号奇异点的实例。     

基于Hermite插值的小波模极大值重构滤波的肌电信号消噪方法

为了消除混杂在肌电信号中的噪声,该文提出了基于Hermite插值的小波模极大值重构滤波的肌电信号消噪方法。该方法先对肌电信号进行小波分解;其次,根据小波系数的奇异性,利用信号与噪声模极大值在小波尺度上的不同变化特性,分离出信号与噪声;再次,用Hermite插值法重构小波系数;最后从重构的小波系数恢复成去噪后的信号。实验结果表明,Hermite插值的小波模极大值重构能有效地去除噪声,提高信噪比,且保留了肌电信号的细节信息,为肌电信号的特征提取和模式识别创造了良好的条件。     

基于子波变换局部极大值的信号去噪新算法

本文出了一种相尺度间信号子波变换极大值点相似系数的定义，它定量地描述了相邻尺度间子波变换极大点的相似性。在上核实 定主的基础上，提出了波变换域信号去噪的新算法。     

基于小波的信号去噪分析

由实际应用可得,作为一种新的多辨认分析方法的小波变换,由于具有多分辨特征和时频局部性,可同时进行频域和时域分析,所以特别适用于进行非平稳信号的处理。首先介绍了小波分析的信号去噪原理,其次接着阐述了4种去噪算法：小波分解与重构去噪方法、模极大值检测法、阈值法及平移不变量小波去噪法。对于叠加了高斯白噪声的仿真信号,分别将上述的4种方法用于去噪处理,并通过仿真过程不同及图形差异对几种方法进行比较。     

重构小波系数的分段三次样条播值新算法

利用小波变换模极大值原理对信号去噪之后,如何由保留下来的模极大值点恢复出满意的重构信号,是一个重要课题。本文首先分析模极大值与小波系数之间的内在关系,提出了模极大值实际上是小波系数在特定意义下的离散采样;然后给出了一种对模极大值进行预处理的方法,由此得到了一组新的伪模极大值序列;利用这组伪模极大值序列,提出了一种新的重构小波系数的分段三次样条播值（ＰＣＳＩ）新算法,该算法程序简单,易实现,克服了交替投影（ＡＰ）法计算量大、程序复杂等缺点;最后给出一个应用实例,实验结果表明,与经典的交替投影法相比,本文提出的ＰＣＳＩ算法可获得更高的重构信号信噪比增益和更小的相对均方误差,它是一种实际、有效的算法。     

基于小波变换对信号噪声的处理研究

采用传统的滤波方法对信号进行消噪时,虽然方法简单,但是以牺牲信号的局部特征为代价,且信号的信噪比并未得到有效地改善。文中采用小波变换的方法对信号进行消噪,将原始信号经小波分解后,信号的小波系数大于噪声的小波系数,再选取一合适阈值,保留高于此阈值的信号小波系数,从而达到消噪的目的。实验结果表明,该方法不仅能有效地去除信号中的噪声,且能保留信号的局部特征。     

基于小波变换的空间目标图像去噪方法

通过对空间目标图像的特性进行分析,提出一种针对星空背景图像在保留恒星同时去除混合噪声的方法.该方法首先利用小波局部模极大值的多尺度相关性检测出图像边缘,再利用基于梯度分析的改进阈值方法对非边缘小波系数进行萎缩,最后由小波系数重构去噪后图像.实验证明该方法能够有效地去除高斯和椒盐混合噪声,使图像峰值信噪比提高5-10dB,并较好地保留图像边缘和有效恒星信息.