一类双正交小波构造及其压缩性能分析

在应用提升框架构造一类双正交小波中,W.Sweldens等给出了预测算子和更新算子的一种求法。论文从时域角度出发,应用多分辨率分析理论、完全重建条件和脉冲函数给出了预测算子和更新算子的另一种求解方法,进而得出了对偶小波函数、对偶尺度函数、主小波函数和主尺度函数的显式表达式,与W.Sweldens等的方法相比,该文的方法更为简单易行。仿真结果表明,论文构造的小波具有优良的压缩性能。     

双正交小波的提升构造研究

文章系统研究了提升格式与小波滤波器支撑长度、线性相位、消失矩等性质的关系;提出了提升格式构造同时满足短支撑、对称性和任意阶消失矩双正交小波的一般算法;给出了最佳提升格式(Best Lifting Scheme,BLS)的定义以及在该算法下诸多已有双正交小波的构造方法.此外,文中首次构造了一系列性质优美的双正交小波--最佳提升格式小波(BLS Wavelet,BLSW)奇数阶系列,列出了BLSW的部分性质并将其应用到图像非线性逼近上.实验表明,性质上的优势体现在应用上,部分BLSW具有突出的逼近能力.     

简单双正交C9／7小波的提升构造

针对CDF9/7等小波的缺陷,灵活运用双正交对称滤波器的规一化和消失矩性质以及9/7小波的提升结构,构造了一组包含两个自由变量的9/7提升小波族。该小波族通过选取合适的自由变量值,得到了提升系数和滤波器系数都非常简洁,而且构造了部分系数分母为2的幂次方的C9/7系列小波,并结合滤波器理论,讨论了它们的正交性和消失矩;最后将C9/7小波与CDF9/7小波进行了对比分析,结果表明,C9/7小波在计算性能方面明显优于CDF9/7小波,而在客观质量评价和主观质量评价方面则与CDF9/7小波不相上下。     

参数化的Deslauriers-Dubuc插值小波——构造及图像编码性能分析

研究了采用提升构造具有任意偶数阶消失矩, 满足对称性, 且仅用一个自由参数表达的 Deslauriers-Dubuc (D-D)双正交插值小波. 首先,采用多相矩阵理论推导出了此类小波存在的条件; 然后,给出了对应小波滤波器和插值小波变换的构造算法. 采用算法具体构造了分别具有消失矩对(4, 2)、(4, 4)、(6, 2)以及(6, 4) 等4类一参数表达的D-D插值小波; 最后, 以自由参数为自变量, 根据编码增益准则, 优化设计了4种用于图像编码的插值小波, 其滤波器系数全为二进制分数, 可实现非乘法运算的离散小波变换(Discrete wavelet transform, DWT). 系统分析表明, 两种小波的压缩性能超过CDF-9/7小波, 对于纹理图像, PSNR增益达到0.44.dB, 并且计算复杂度可降低17%以上. 实验同时表明, 新小波的重构图像具有更好的主观可视质量.     

一个新的带非常简单系数的双正交小波

近来,通过带待定系数提升格式构造小波已经被提出,构造出的提升格式一般有4步提升。不同地是,本文使用5步提升格式来构造小波。最终获得一个带非常简单系数(特别是在其提升格式中)的小波。它的消失矩阶数与D9/7小波一样大,但相应滤波器的系数都是简单分数。在它的提升格式中,所有系数的分母是2的幂次,并且分子为1。提升格式的每一步只需要一个0到3位的位移。此小波在某些数学性质上接近或超过了D9/7小波,这将被之后的图像压缩的数值实验所验证。     

基于小波变换的网络长相关业务Hurst参数估计

小波变换具有多分辨率,也叫多尺度的特点,可以由粗及细地逐步观察数据,通过引入多尺度性可以进一步揭示网络中的流量特性.在小波理论框架下,重点分析了长相关过程在经过小波变换后的性质,即将原来在时间域内长范围相关的流量序列转化为小波域里尺度间不相关,尺度内短相关的小波系数,使得原先复杂的估计问题变为一个简单的线性回归问题.同时分析了小波估计方法的无偏性,小波函数的选择以及估计方法的时间复杂度等重要的问题.在分析过程中,小波函数的消失矩起到了关键的作用.通过实验证明,与其它估计方法比较,是在估计值准确和时间复杂度及适用范围上更简单、准确性高、计算量小以及对于数据集的大小并不敏感的方法.     

一种基于区域不变小波矩的图像相似匹配挖掘方法

将小波多尺度分析理论与不变矩理论相结合,提出了一种基于区域不变小波矩的图像匹配挖掘算法和逐步求精的跳跃式搜索策略,将该算法与基于Hu矩和自仿射不变矩特征的图像匹配挖掘算法的性能进行仿真对比分析,得到了较好的结果。     

一种最优小波的设计方法

首先介绍了小波变换的基本原理,并在此基础上详细说明了如何根据所要分析的信号设计最优小波,最后介绍了它在图像处理中的应用。实践结果证明运用最优小波对图像进行处理相比一些常用的小波有更好的效果。     

图像压缩中小波基的选择技术研究

小波变换用于图像压缩时,小波基的一些性质对编码的效果有很大影响,如何最合理、快速地选择小波基,在这方面的研究目前并无定论.文章分析了小波基函数的正交性、正则性、对称性和消失矩对图像编码的影响,并利用matlab小波工具箱从实验角度出发,对图像压缩中小波基的选择问题作了探讨.     

一种起始点无关的小波系数形状匹配

小波变换的多分辨率特征使其在计算机视觉中得到广泛的应用,在形状匹配中,小波变换对起始点的依赖制约了小波变换的应用。为了克服小波变换对起始点的依赖,引入Zernike矩,提出一种起始点无关的小波系数形状匹配算法。对输入图像进行预处理后提取目标轮廓,生成具有平移、尺度不变的形状链状表达,并通过小波变换进行多尺度分析。最后计算各个尺度下的各阶Zernike矩,来解决小波变换的起始点问题,实现形状表达的旋转不变性。实验结果表明该算法适用于轮廓较明显的目标,同时具有速度快、精度高、鲁棒性强的优点。     

基于状态权的小波边缘检测算法

提出了一种基于小波变换和各向异性扩散的图像多尺度边缘检测方法。对噪声图像进行小波变换,得到高频和低频小波系数。对高频小波系数归一化后进行各向异性扩散得到状态权,把该权值作用在原高频小波系数上,得到了既去除噪声又保持结构不变的小波系数。对低频小波系数直接用小波阈值方法去噪,利用小波系数模极大值法对去噪后的高频和低频小波系数进行边缘检测,得到最终的边缘图像。实验结果表明,该边缘检测方法由于结合了小波和各向异性扩散方法,从而有效地抑制了噪声,得到了连续、清晰的边缘。     

基于小波变换的音频数字水印方法

数字水印是为了解决保护知识产权等相关问题而发展出来的一种技术。该文针对音频上的数字水印,提出以小波封包分频方式,按照人耳声学模型,将音频信号由滤波器群组分成29个次频带,从而找出最小临界值,此值作为嵌入数字水印时小波系数的依据。并且使用区域分频来过滤不适合嵌入水印的频率,区域,将数字水印嵌入不易改变极性的频率区域,提高了的数字水印的鲁棒性。     

基于小波变换的音频数字水印方法

数字水印是为了解决保护知识产权等相关问题而发展出来的一种技术。该文针对音频上的数字水印,提出以小波封包分频方式,按照人耳声学模型,将音频信号由滤波器群组分成29个次频带,从而找出最小临界值,此值作为嵌入数字水印时小波系数的依据。并且使用区域分频来过滤不适合嵌入水印的频率,区域,将数字水印嵌入不易改变极性的频率区域,提高了的数字水印的鲁棒性。     

基于经验模态分解和小波分析的靶船外弹道测量数据去噪方法

针对舰船外弹道测量数据误差性质复杂,表现为非平稳信号,难以用模型准确进行描述的问题,提出基于经验模态分解和小波去噪的靶船外弹道测量数据处理方法。首先对测量数据进行经验模态分解,得到测量数据不同频率的本征模函数,接着采用小波间值去噪原理对含有噪声的高频本征模函数去噪,最后将经过去噪的本征模函数与剩下的没有经过去噪的本征模函数和趋势项相加,重构去噪后的靶船测量数据。经实验数据分析,本方法在很大程度上克服了小波阈值降噪的缺陷,保留了高频分量中包含的有用信息,是分析非平稳、多频段的靶船外弹道测量的有效方法。     

基于BEMD和小波阈值的MRI医学图像去噪

针对核磁共振医学图像含有的混合噪声的特点,提出了一种基于2维经验模式分解(BEMD)和小波阈值去噪的新算法,即将图像分解到固有模态函数(IMF)域.然后采用小波阈值法对各固有模态函数成分进行去噪处理.在分析了小波硬阈值和软阈值去噪的特点之后,对小波阈值进行了改进,克服了传统小波阈值去噪的不足.实验结果表明该方法在有效去除噪声的同时,较好地保留了MRI图像的细节,有利于医学的诊断.     

An Improved Sliding‐Mode Repetitive Learning Control Scheme Using Wavelet Transform

This paper presents an enhanced sliding‐mode repetitive learning control (SMRLC) scheme using the wavelet transform. Distinct from previous wavelet transform‐based repetitive control schemes, the proposed SMRLC learns from a switching signal that is equivalent to the compensation error of the SMRLC, thereby speeding up the learning process. The wavelet analysis is employed to decompose the switching signal, capture its low‐frequency components effectively, and synthesize a de‐noised, high‐scale signal for the learning process. Experimental study on a directly driven Hoekens straight‐line mechanism is conducted, and the proposed wavelet transform‐based SMRLC is experimentally compared with a Fourier series‐based SMRLC. Copyright © 2011 John Wiley and Sons Asia Pte Ltd and Chinese Automatic Control Society     

小波变换与PAR方法在负荷短期预测中的应用

小波变换具有很多良好的性质,它能任意提取负荷序列的细节。针对负荷序列以天、周、年为周期的变化特点,引用小波变换算法对负荷进行了不同频段上的分解,然后利用能够准确描述数据周期性变化的PAR模型对负荷进行短期预测,建立了基于小波变换的PAR模型。实验证明,这种预测方法非常有效。     

基于CEEMD小波包算法的降噪方法研究

针对脑电信号易受噪声干扰的特性,提出一种使用CEEMD小波包对脑电信号进行降噪的方法。首先对脑电信号进行CEEMD分解,得到一组固有模态函数分量（IMF）,然后对包含噪声的IMF分量采用小波包阈值降噪,同时保留信号的低频IMF分量,最后将使用小波包阈值降噪的IMF分量和保留的IMF分量进行累加重构,从而得到最终降噪后的脑电信号。仿真结果表明采用CEEMD小波包对脑电信号进行降噪,在抑制噪声的同时,还有效地保留了脑电信号的细节特性,达到良好的去噪特性。     

基于经验小波变换的结构损伤特征提取

为了更好地提取结构损伤特征信息,提出了基于经验小波变换(EWT)和希尔伯特变换的振动信号分析方法。首先,用EWT对结构损伤加速度振动信号的频谱进行自适应分割,然后提取不同的调幅-调频(A M-AF)分量,最后对其进行希尔伯特变换,获取瞬时频率。仿真和工程实验结果表明:经验小波变换相对于经验模态分解(E MD)可以更好地提取信号的各个特征分量,为信号时频处理奠定基础,且分解的模态少,不存在虚假模态。同时,EWT与Hilbert的结合更进一步验证了该方法的有效性。