·摘 要:本文研究了小波閩值圖像的去噪方法，并與其它圖像去噪方法進(jìn)行了比較。對(duì)lena圖像進(jìn)行MATLAB仿真實(shí)驗(yàn)，得到了主觀效果圖和客觀效果的PSNR。研究發(fā)現(xiàn)，小波閾值圖像去噪無(wú)論主觀效果還是客觀效果都優(yōu)于其他圖像去噪方法。[著者文摘]
標(biāo)簽： MATLAB 小波閾值 圖像去噪算法 仿真實(shí)驗(yàn)
上傳時(shí)間： 2013-06-04
上傳用戶：BIBI
隨著遙感影像數(shù)據(jù)量不斷增長(zhǎng)，為了更加高效地組織與管理海量的遙感影像，研究并提出了改進(jìn)的基于小波分解的影像金字塔構(gòu)建方法。利用多分辨率分析和圖像的小波分解與重構(gòu)算法，參考影像金字塔構(gòu)建的一般方法，將圖像小波分解的不同級(jí)系數(shù)量化、編碼后，分別存儲(chǔ)于金字塔的不同層中。該構(gòu)建方法可以有效地降低金字塔各層之間的數(shù)據(jù)冗余，減少總數(shù)據(jù)量和瀏覽時(shí)的數(shù)據(jù)流量，并能更好地支持嵌入式碼流和漸進(jìn)式傳輸。
上傳時(shí)間： 2013-10-20
上傳用戶：1477849018@qq.com
數(shù)字水印是數(shù)字信息安全領(lǐng)域研究的一個(gè)熱點(diǎn)。小波變換算法以其多分辨率分析的特性在應(yīng)用數(shù)學(xué)方面取得了一定的發(fā)展。文中結(jié)合小波算法，在數(shù)字圖像的低頻域中采用分塊方法來(lái)嵌入數(shù)字水印，改進(jìn)了小波多尺度分解算法，通過(guò)實(shí)驗(yàn)說(shuō)明，該數(shù)字水印算法對(duì)數(shù)字水印的穩(wěn)定性效果明顯
上傳時(shí)間： 2013-11-08
上傳用戶：199311
由于模擬電路的多樣性、非線性和離散性等特點(diǎn)，模擬電路的故障診斷呈現(xiàn)復(fù)雜、難以辨識(shí)等問(wèn)題。針對(duì)已有方法的數(shù)據(jù)不平衡，提出了一種支持向量機(jī)集成的故障診斷方法。使用小波變換方法提取特征向量，在多類別支持向量機(jī)的基礎(chǔ)上，設(shè)計(jì)了模擬電路的最小二乘支持向量機(jī)預(yù)測(cè)模型，實(shí)現(xiàn)了對(duì)模擬電路的狀態(tài)的故障預(yù)測(cè)。將該方法應(yīng)用于Sallen-Key帶通電路進(jìn)行故障預(yù)測(cè)試驗(yàn)，結(jié)果表明，該方法比單一支持向量機(jī)、徑向基神經(jīng)網(wǎng)絡(luò)、BP神經(jīng)網(wǎng)絡(luò)和APSVM有更好的分類和泛化性能，故障診斷準(zhǔn)確率更高。
標(biāo)簽： LS-SVM 集成 模擬電路 故障檢測(cè)
上傳時(shí)間： 2013-10-31
上傳用戶：417313137
提出了一種基于仿生小波變換和模糊推理的變步長(zhǎng)自適應(yīng)濾波語(yǔ)音降噪算法。該算法首先用仿生小波變換法對(duì)包含噪聲的語(yǔ)音信號(hào)進(jìn)行小波分解，以分離出來(lái)的噪聲信號(hào)作為自適應(yīng)濾波器的輸入，選擇基于模糊推理變步長(zhǎng)自適應(yīng)算法對(duì)帶噪聲語(yǔ)音信號(hào)進(jìn)行降噪處理，最終實(shí)現(xiàn)語(yǔ)音信號(hào)的信噪分離，去除語(yǔ)音信號(hào)中的噪聲。仿真結(jié)果表明，該方法對(duì)語(yǔ)音信號(hào)有較為明顯的降噪效果。
標(biāo)簽： 仿生 小波變換 模糊推理 語(yǔ)音降噪
上傳時(shí)間： 2013-10-14
上傳用戶：戀天使569
為去除腦電信號(hào)采集過(guò)程中存在的噪聲信號(hào)，提出了基于小波閾值去噪的腦電信號(hào)去噪。以小波閾值降噪為基礎(chǔ)，首先利用db4小波對(duì)腦電信號(hào)進(jìn)行5尺度分解，然后采用軟、硬閾值與小波重構(gòu)的算法進(jìn)行去噪。通過(guò)對(duì)MIT腦電數(shù)據(jù)庫(kù)中的腦電信號(hào)進(jìn)行仿真，結(jié)果表明，采用軟閾值方法有效去除了噪聲，提高了腦電信號(hào)的信噪比。
上傳時(shí)間： 2014-12-23
上傳用戶：如果你也聽(tīng)說(shuō)
針對(duì)齒輪故障特征信號(hào)具有強(qiáng)噪聲背景、非線性、非平穩(wěn)性特點(diǎn)，提出采用形態(tài)梯度小波對(duì)齒輪振動(dòng)信號(hào)進(jìn)行降噪。首先使用形態(tài)梯度小波把齒輪振動(dòng)信號(hào)分解到多個(gè)尺度上，然后對(duì)各層的細(xì)節(jié)系數(shù)進(jìn)行軟閾值方法降噪處理，對(duì)經(jīng)過(guò)處理后的小波系數(shù)進(jìn)行重構(gòu)。對(duì)降噪后的齒輪振動(dòng)信號(hào)采用S變換多分辨率時(shí)頻分析，能夠從具有良好的時(shí)頻分辨率的S變換譜圖提取齒輪故障特征。通過(guò)仿真試驗(yàn)和故障軸承的信號(hào)分析證明，該方法具有短時(shí)傅里葉變換和小波變換的優(yōu)點(diǎn)，不存在Wigner-Ville分布的交叉干擾和負(fù)頻率，能有效地提取隱含在噪聲中的齒輪故障特征，適合齒輪故障的在線監(jiān)測(cè)和診斷。
上傳時(shí)間： 2013-11-01
上傳用戶：AISINI005
為了使計(jì)算機(jī)能更好的識(shí)別人臉表情，對(duì)基于Gabor小波變換的人臉表情識(shí)別方法進(jìn)行了研究。首先對(duì)包含表情區(qū)域的靜態(tài)灰度圖像進(jìn)行預(yù)處理，包括對(duì)確定的人臉表情區(qū)域進(jìn)行尺寸和灰度歸一化，然后利用二維Gabor小波變換提取臉部表情特征，使用快速PCA方法對(duì)提取的Gabor小波特征初步降維。再在低維的空間中，利用Fisher準(zhǔn)則提取那些有利于分類的特征，最后用SVM分類器進(jìn)行分類。實(shí)驗(yàn)結(jié)果表明，上述提出的方法比傳統(tǒng)的方法識(shí)別速度更快，能達(dá)到實(shí)時(shí)性的要求，并且具有很好的魯棒性，識(shí)別率高。
上傳時(shí)間： 2013-11-08
上傳用戶：小眼睛LSL
討論了交-交變頻調(diào)速系統(tǒng)故障診斷的重要性，針對(duì)目前變頻系統(tǒng)輸出電流諧波比較大，用常規(guī)方法不易判斷的問(wèn)題，提出了用新型小波包頻帶能量法提取電機(jī)斷條故障信號(hào)的特征量，并運(yùn)用該算法對(duì)變頻調(diào)速系統(tǒng)電機(jī)斷條時(shí)和正常時(shí)輸出電流波形特征量進(jìn)行分析。仿真結(jié)果表明，新型小波包頻帶能量特征法與常規(guī)診斷方法相比，具有準(zhǔn)確度高、診斷速度快等優(yōu)點(diǎn)。
上傳時(shí)間： 2015-01-02
上傳用戶：hgmmyl
小波變換在電力系統(tǒng)諧波中的應(yīng)用，與諧波本身的特性是直接相關(guān)的，要得到實(shí)時(shí)性和精確性都較高的檢測(cè)效果就需要對(duì)電力系統(tǒng)的諧波特點(diǎn)，小波在這方面的應(yīng)用原理有深刻的理解。文中對(duì)此在作了深入分析的基礎(chǔ)上，還重點(diǎn)研究了采用小波變換研究諧波檢測(cè)的主要因素，用仿真驗(yàn)證其影響效果。最后針對(duì)目前的研究成果論述小波在諧波檢測(cè)應(yīng)用中的發(fā)展，為小波變換在分析有效、精確、可靠的電力諧波檢測(cè)方法提供研究思路。
標(biāo)簽： 小波變換 電力系統(tǒng) 諧波檢測(cè)
上傳時(shí)間： 2013-11-21
上傳用戶：yuanxiaoqiang
蟲(chóng)蟲(chóng)下載站版權(quán)所有 京ICP備2021023401號(hào)-1
