一种基于小波变换的边缘检测算法

目的 利用小波变换,完成图像边缘的检测,提取能表征图像概貌的重要特征.方法 学习并比较几种边缘检测方法,结合小波变换的多尺度特性,对小波变换分解的近似系数和高频系数进行处理,构建模值和幅角图像,提出一种基于小波变换的图像边缘检测算法.结果 在MATLAB R2018b环境下,首先以屋顶图像为例,将算法与Roberts算...     

基于小波变换的图像融合方法研究

采用小波变换的多分辨率分析技术进行图像融合,将图像信息分解成低频和高频两部分,通过融合算法,将图像数据重构成一幅信息完整的新图像.仿真实验表明,采用本算法融合后的图像更符合客观实际,图像数据信息丰富.     

一种新的基于小波变换的边缘检测算法

提出了一种新的基于小波变换的图像边缘检测算法。该算法首先按水平、垂直和对角方向对图像进行多尺度二进制小波变换,提取3个方向的小波系数。然后采用相邻尺度小波系数相乘的方法去除噪声,提取小波系数乘积的极大值点。最后将这3个方向上的极大点进行融合,形成图像的边缘。仿真实验表明,该算法具有较好的边缘检测和抑制噪声的能力,边缘检测效果明显优于传统的边缘检测方法。     

基于小波变换的网络异常检测研究

由于普通的网络流量很难从中检测出异常,为了有效地分析网络流量,深入研究网络流量的性质,本文提出了一种基于小波的分解与重构思想,将网络流量通过小波变换分解成不同尺度下的逼近信号和细节信号,然后分别单支重构成低频序列和高频序列,根据低频序列和高频序列的特性,对异常网络流量进行检测.通过对真实网络流最的仿真实验,结果显示该方法能够比较简单且准确地检测出异常的网络流量.     

基于形态学和小波变换的图像边缘检测方法

电力机房图像边缘提取是实现电力机房三维重建的重要辅助环节,机房图像边缘提取越精准,三维重建将会更准确.本文提出一种融合小波变换模极大值和多尺度多结构形态学的图像边缘检测算法对电力机房图像进行处理.首先,对原始电力机房图像进行小波分解得到高频图像和低频图像;然后,采用小波变化模极大值算法提取高频图像的边缘信息,多尺度多结构数学形态学算法提取低频图像的边缘信息;最后,通过叠加运算融合高频和低频的边缘信息,得到原始图像的边缘信息.通过仿真实验表明,本文提出的边缘检测算法在抗噪性能、边缘连续性、定位精度上综合实力最强.     

基于小波包变换的电力系统谐波检测

谐波是影响电能质量的重要因素,谐波对电力系统和用电设备产生严重危害和影响.根据电网谐波中既存在稳态谐波分量又有暂态谐波分量的特点,依据小波分析具有对非平稳信号的分析和处理能力及多分辨率的特性,将小波变换理论应用于电网谐波检测中,提出了利用小波变换实现测量信号各次谐波的方法.仿真算例表明:小波包变换分析法能够正确地提取电力系统的谐波信号,将电流信号中的基波成分与高次谐波成分分离,验证了该方法的有效性.     

CDMA中盲自适应多用户检测算法的研究与分析

在传统的自适应检测方法改进的基础上,总结了最新的LMS,RLS,Kalman算法在CDMA多用户检测上的应用。文中给出了三种算法原理及方法,并用Matlab工具进行仿真。在比较三种检测方法的平均信干比和加不同干扰条件下误码率的基础上,得出三种算法的抗干扰性能较好,而Kalman算法表现了最优的性能。     

一种基于Daubechies小波变换的图像边缘检测算法

基于Daubechies小波变换提出了一种图像边缘检测算法,并将其应用到岩芯图像的边缘处理中,以很好地获取了岩芯的裂缝、颗粒等信息。实际应用结果表明,基于Daubechies小波变换的图像边缘检测算法非常适合于岩芯的边缘检测。     

基于Cross-Validation的小波自适应去噪方法

小波去噪算法中,阈值的选择非常关键.提出一种自适应阈值选择算法.该算法先通过Cross-Validation方法将噪声干扰信号分成两个子信号,一个用于阈值处理,一个用作参考信号;再采用最深梯度法来寻求一个最优去噪阈值.仿真和实验结果表明:在均方误差意义上,所提算法去噪效果优于Donoho等提出的VisuShrink和SureShrink两种去噪算法,且不需要带噪信号的任何"先验信息",适应于实际信号去噪处理.     

基于小波变换的指纹图像增强算法

小波变换在对图像进行增强处理的过程中也对图像中存在的噪声做了同样的处理,在增强图像边缘细节的同时没有很好的进行图像消噪。针对这些不足,对传统的小波变换算法进行了改进。基于Mallat算法对小波分解和重构,在分解后保持低频信息的不变性,并利用小波系数的变换使图像信息得到增强,同时具有一定的图像消噪效果,该方法与传统的小波变换算法相比在图像增强处理中具有更好的效果。     

小波分析对奇异性的检测用于滴定终点的确定

在分析化学领域中，利用数学判断法确定滴定终点，随着计算机的日益普及而备受关注。本文从多分辨率分析出发，结合小波变换的奇异性检测理论，提出了基于低尺度细节系数重构信号模极大值的滴定终点判断方法，该方法操作简便，通过选择合适的小波函数后，能达到较高的精确度。实验数据的处理结果也证明了该方法的可行性。     

一种Contourlet域高斯混合模型降噪方法

利用图像子带内部Contourlet系数的空间相关性,在平移不变Contourlet去噪方法的基础上提出了一种随像素自适应调整的混合高斯模型去噪方法.每个系数建模为两个均值为零、方差不同的正态分布之和,利用局部贝叶斯阈值对Contourlet系数进行分类,通过当前系数邻域窗中两类系数的信息,得到大、小方差以及有关概率的模型参数估计.该方法较平移不变小波去噪和平移不变Contourlet去噪的Contourlet域降噪方法具有更好的降噪效果,进一步提高了PSNR值,降低了MSE值,获得了更好的图像恢复质量.