基于并行小波算法的DEM数据多分辨率模型构建

由于离散小波的多分辨率分析特性和DEM数据多分辨率模型的一致性,可以采用离散小波算法来构建DEM多分辨率模型,同时针对现有的基于小波的DEM数据多分辨率模型构建中运算量过大的问题,采用了基于并行的小波算法来进行多分辨率模型构建.由于DEM数据等价于二维的灰度图像,可以作为二维信号来进行处理.首先给出了二维离散信号小波变换的Mallat算法,进行了算法的可并行性分析;然后描述了各处理机中的局部数组的数据结构并讨论了并行算法中多处理机逻辑拓扑间的数据传递.实验结果证明,小波算法适宜于并行,且将其应用于DEM数据多分辨率模型构建时能获得理想的加速比,基于并行的小波算法能极大地加速多分辨率模型的构建速度.     

一种多进制小波变换DEM数据简化方法

通过对DEM数据的二维多进制小波变换系数特征的讨论，针对三维地理景观的动态、实时绘制问题，提出了一种基于多进制小波变换的数字高程模型数据压缩方法，给出了DEM数据多进制小波系数编码压缩算法及其算法实验结果。     

大规模多分辨率地形实时绘制算法研究

为解决海量地形数据无法实现直接、连续地实时绘制的问题,根据小波分析的特点,提出了基于小波分析的多分辨率地形模型生成算法.该算法利用小波分析对数字高程模型(DEM,digital elevation model)数据进行简化压缩,采用四叉树结构来表示地形,构建视点相关多分辨率地形模型.实验结果表明,该算法使需要的地形数据量大为减少,能高效地生成地形的多分辨率模型,并且地形的逼真程度高.因此,该算法结构简单、便于实现大规模地形实时绘制.     

基于小波理论的多分辨率多传感器数据融合

小波变换的多尺度特点非常适合多尺度信号的处理,可以用于多分辨率多传感器数据融合,本文研究了不波变换的特征,提出基于小波包变换的多分辨率多传感器的数据融合算法,算法不需要把小波系数当成白噪声处理,并一能够有效地降低向量和矩阵维数,减少运算,有较好的滤波性能,同时采用双正交小波包变换,这可以克服基于正交小波包变换的多尺度滤波中正交小波因不具有线性相而产生恢复失真的缺陷,进一步提高滤波性能。     

Loop细分小波对网格模型的多分辨率分析

高分辨率网格模型因其数据量庞大,对其在网络中很难进行实时处理,因此,根据Loop细分模板,将边点作为小波的细节信息构造出了Loop细分小波,用于对网络模型进行多分辨率分析.该方法未涉及曲面几何拓扑关系,因而不受曲面拓扑特征的影响,具有很强的适应性.利用其对三维网格模型进行多分辨率分析,得到的低分辨率模型轮廓逼真,面片数量大幅度减少.由于该方法对细节信息取舍尺度还不能用统一的公式确定下来,因此只适合对模型做一些简单的处理.     

基于小波变换的多分辨率图像融合技术的研究

本文提出了使用小波变换对多幅不同分辨率图像进行融合的方法.该方法对大分辨率图像进行正交小波变换分解图像,然后把逼近部分和小分辨率图像进行处理,得到处理的小波系数矩阵,对该矩阵进行反变换,得到一幅汲取两幅图像优势的融合图像.最后对该方法进行了实验,效果较好.     

基于小波变换的多分辨率图像融合技术的研究

本文提出了使用小波变换对多幅不同分辨率图像进行融合的方法。该方法对大分辨率图像进行正交小波变换分解图像,然后把逼近部分和小分辨率图像进行处理,得到处理的小波系数矩阵,对该矩阵进行反变换,得到一幅汲取两幅图像优势的融合图像。最后对该方法进行了实验,效果较好。     

基于小波变换的不规则网格的多分辨率分析

Lounsbery 提出了一种三角形网格多分辨率分析方法，但该方法只能应用于规则的三角形网格，且包含了重新网格化的过程。为了解决该问题，基于小波变换，该文扩展了Lounsbery的方法。该算法直接对不规则网格进行渐进压缩，得到了不同分辨率的网格。在此过程中还可以基于三角形网格的连接信息，对三角形网格进行优化，使之更加规则，从而使该文算法得到了改善。将该文算法与以前的算法进行了比较，结果表明，该文算法速度快，效果良好，有一定的实用性。     

多尺度小波分析用于DEM网格数据综合

数字高程模型(DEM)虽已广泛应用于地学、景观以及区域规划等工作，然而在不同尺度下，不同的系统对其数据量的要求是不同的，且数据量将影响系统运行及分析的速度；其次等高线的制图综合也可直接通过数字高程模型数据的综合来实现，为了加快DEM数据综合的速度和保持综合前后DEM数据特征一致性，提出了一种采用小波多尺度分析的方法来进行DEM网格数据综合的方案，并给出了数字高程模型网格数据的综合基本模型。同时对综合以后的可靠性分别从数据量、断面图和曲面面积变化等方面进行了分析。具体实例说明，将多尺度小波分析用于DEM网格数据综合是有效的。     

基于小波不可分离多分辨率的图像重建

文中提出并实现了一种基于小波不可分离多分辨率的重建算法。在图像重建领域内利用小波变换时,是对二维图像进行行和列的依次滤波,需要假定二维信号是关于自变量x和y可分离的,而实际二维信号中大多是不宜分开处理的。在算法中首先将投影数据进行二通道的小波分解,在分解抽样中,使用不同的抽样方法,直接得到小波的近似系数和细节系数,这些系数再经过逆小波变换得到最终的重建图像。基于不可分离多分辨率的小波算法将投影数据进行二通道的小波分解。     

基于小波分析的SAR图像船舶目标检测

水上船舶目标检测对于海上安全和渔业资源管理具有重要意义。SAR图像存在相干噪声以及水面背景杂波的复杂性,传统方法对于弱目标检测存在困难。该文基于船舶目标像元的空间相关性和背景杂波在不同尺度小波变换域快速递减的规律,提出了一种利用静态小波变换分量空域和尺度相关运算对原始信号加权的目标检测方法。实验结果表明,该方法可有效地抑制背景杂波,提高对船舶目标的检测能力。     

基于小波变换的图像镶嵌技术的研究

提出了一种基于小波变换的图像镶嵌的方法，小波变换具有多分辨分析特性，极适合解决图像镶嵌边缘灰度不连续问题。还提出了一种新的图像边界处理算法，对镶嵌图像边界作了精确处理，保证图像能够完全恢复，该边界处理算法适用于任何基于正交变换的小波数字滤波器，试验表明该方法具有良好的视觉效果。     

小波分析在信号去噪中的应用

小波分析理论是一种新兴的信号处理理沦,它在时间上和频率上都有很好的局部性：在分析低频信号时,其时间窗很大;而分析高频信号时,其时间窗较小。这使得小波分析非常适合于时-频分析,借助时-频局部分析特性,小波分析理论已经成为信号去噪处理中的一种重要的工具。文中介绍了小波分析理论及其在信号去噪中的应用;同时介绍了三种噪声处理方法：默认阈值法、强制阈值法和独立阈值法。在假设噪声为高斯白噪声的基础上,根据小波分解与重构法,实现含噪信号的去噪处理。最后用最小二乘法对各种方法进行评估。     

基于小波变换的特征构造与选择

小波技术是对信号进行处理的重要工具,已广泛应用于信号分析、数据压缩和降噪等各个领域。该文从模式识别的角度,对各种小波变换特征构造与选择进行了全面的分析比较,探讨了各自作为模式特征对分类精度的影响,并着重对小波系数的平移不变问题和小波基的选择问题进行了详细的讨论。     

小波分析法在心电信号数字滤波中的应用

该文介绍了小波分析在数字滤波领域中的重要作用及其基本理论,并介绍了在心电信号数字滤波器,如何利用coniflet小波函数对原始的心电信号进行Mallat多分辨率分解和重建,并解决了小波分析在心电信号滤波中会遇到的三个实际问题：小波基函数的选取,确定心电信号及噪声的频域表现和小波在不同尺度下的通带。通过实验证明,用coiflet小波对心电信号进行数字滤波,能很好地换制信号中的基线漂移、工频干扰和肌电干扰。     

小波融合图像效果的因子分析评价方法

因子分析是一种有效的评价融合图像质量的方法。文中采用了小波sym5进行了多尺度图像融合的研究,并且通过主成分分析方法提取了细节信息因子和光谱信息流失因子等参数,作为图像的客观质量评价标准。实验证明,对于小波变换多尺度融合后的图像,该方法能够客观有效地评价其反映细节信息的参数（如信息熵和清晰度）以及反映光谱信息的参数（如扭曲程度和偏差指数）的变化趋势。理论分析结果,因子综合得分和观众评价得分结果具有良好的一致性。     

基于小波多分辨率分析的指横纹定位新算法

针对指横纹感兴趣区域(ROI)难以准确定位的问题,在明确提出指横纹ROI定义的前提下,提出利用小波多分辨率分析进行指横纹ROI自动检测定位的新算法.该方法利用纹理相似性原理,在高频子图采用基于特征向量和区域生长法产生指横纹的候选子区域集合,然后利用低频子图Radon投影得到的指横纹的区域特征对候选子区域进行验证,最后结合直线拟合手指轮廓得到指横纹在原图的有效位置,最终实现指横纹ROI的精准定位.实验证明该算法不仅能有效克服噪声以及手形姿态变化的影响,并且对多种情况有很强的鲁棒性.     

基于小波变换的间谐波检测与去噪

间谐波是一种特殊的谐波,它的大量存在对电能质量造成了污染,因而对其进行检测和分析具有十分重要的意义。文中分析了小波变换的特性及用于间谐波检测的优势,采用了正交小波多分辨率分析算法检测间谐波,并选择小波阈值法对信号进行去噪处理。仿真结果表明,小波变换具有良好的时频特性,能有效检测出信号中所含各频率成分,并且能有效的抑制和消除噪声。随着小波理论的进一步发展和完善,其在电能质量信号检测方面的应用将越来越广泛。