採用四階中心B樣條小波對實時圖和基準圖進行小波分解和邊緣增強,以提取可靠的邊緣特徵。
小波閾值去噪分為硬閾值去噪和軟閾值去噪,它們的去噪思想都是在小波分解後的各層係數中,對模大於和小於某個閾值的係數分別進行處理。
最後,通過採用幾種攻擊方法、不同的小波分解層數、水印嵌入強度、不同小波基函數的選取來檢測其對水印的影響。
編碼時前者分配較少的碼流,後者應用小波分解,去除該區域內像素間的相關*,並利用其所具有的能量聚集效應進行高效壓縮。
該模型採用流水線並行結構,即對圖像中各行像素進行流水線處理的同時,對小波分解的各級採用並行結構處理。
首先,論文提出了基於圖像小波分解三係數關聯去噪方法,利用該方法與偏微分方程中的幾何曲率驅動擴散模型相結合,得到高質量恢復圖像的圖像去噪方法。
詳細地探討了小波基函數、小波分解層數的選取對遙感圖像融合結果的影響,為小波基函數和分解層數的選擇提供了依據。
準均勻B樣條曲線小波分解與重構的快速算法可以拓廣到張量積B樣條曲面,而曲面小波分解與重構的快速算法是曲面多分辨造型的關鍵。
該文提出了用小波分解的頻譜*和人工免疫系統進行人臉識別的方法。
在含噪圖像小波分解後,對每一尺度下三個高頻子帶的細節分量進行單層逆變換,得到該尺度下的細節圖像。
融合實驗表明,該方法優於傳統的形態學金字塔圖像融合,襯比度金字塔圖像融合和小波分解圖像融合。
用所得的高頻子帶分別代替先前小波分解所得的高頻子帶。
小波變換提供了一種圖像的多分辨率分解重建的表示形式,這種小波分解能夠有效的利用人類視覺系統的特*壓縮圖像。
接下來它還要經過一些數學處理程序,比如小波分解,多重分辨率傅立葉分析,多相過濾,離散餘弦變換等。
通過對實測的振動信號進行小波分解,較好地提取出了軸承故障的特徵頻率,並對故障進行了定位。
利用自相似過程在小波分解下的特*,提出了基於小波變換的自相似信號檢測算法。
利用小波分解的能量分佈規律,提出了基於小波變換的圖像隱藏算法,並利用素數置亂對隱藏算法作進一步的改進。
方法先對圖像進行小波分解,從最低分辨率的近似圖像開始,採用光流場的方法進行逐級配準,再對配準的各分量進行重構,直至得到最高分辨率的配準圖像。
然後,利用信道輸出序列的二階統計量對時變信道的小波分解模型的小波係數進行兩級盲辨識;
在介紹幾種常用於多傳感器遙感圖像去雲方法的基礎上,採用多分辨力小波分解的圖像融合法來達到對影像的去雲目的。
首先,通過視距和圖像高度的函數來選擇小波分解級,從而對目標圖像進行小波分解;
首先將原始圖像進行分塊,逐一對每塊子圖進行整數小波分解,然後將置亂後的二值圖像嵌入到低頻係數。
基於小波分解,提出了一種融合算法,該算法在小波分解的子帶圖像中提取局部邊緣信息作為融合規則,較好的實現了兩幅互補皮革圖像的融合。
對源圖進行一層小波分解,獲得源圖的一幅近似圖。
實驗中以CDF 9/7二維離散小波變換為例,對於JPEG 2000中推薦使用的5級小波分解,本文算法相對於原空間組合推舉算法的縮放運算乘法量減少了34。
通過分析小波分解作為分形圖像編碼預分解的有效*和小波域內仿*變換的特*,提出一種基於分類的小波域內的分形圖像編碼方法。
當採用小波分解方法對低壓配電系統短路故障進行早期檢測時,門限值的合理設置對故障檢測的可靠*及靈敏度是至關重要的。