基于小波变换的纹理边缘检测方法

根据Ｍａｌｌａｔ多尺度边缘检测原理和纹理图像的局部特征,推广了Ｍａｌｌａｔ多尺度边缘检测算法,这个推广算法不仅适用于一般图像的边缘检测,而且还可用来提取纹理图像的边缘。     

基于小波变换的纹理边缘检测方法

根据Ｍａｌａｔ多尺度边缘检测原理和纹理图像的局部特征,推广了Ｍａｌａｔ多尺度边缘检测算法．这个推广算法不仅适用于一般图像的边缘检测,而且还可用来提取纹理图像的边缘．     

基于小波变换的气缸内表面磨损检测的研究

经典边缘提取算法是以原始图像为基础，对噪声信号和边缘信号不加区分地使用边缘提取小波利用其在各个分辨率下具有时域和频域特性检测出图像边缘，并消除了噪身对图像的污染在实际应用中，很好地完成了对柴油机气缸内表面损坏的检测．     

基于三次B样条小波的图像边缘检测技术研究

图像的边缘信息在图像的各种变换和处理中至关重要，边缘检测是为了获取更多的图像细节信息。根据边缘信息的多尺度杼陛和小波变换的性质，研究了基于B样条小波的图像边缘检测方法。采用三次B样条小波设计的平滑滤波窗算子，实现相对简单、效率较高。测试表明，该算子与其他边缘检测算子具有相似的视觉处理效果。     

基于图像小波变换的数字水印

提出了一种基于小波变换的数字水印的嵌入与检测方法。这种方法充分利用小波变换的特点,在原始图像的适当位置加入水印,采用盲水印算法检测图像中是否含有水印。     

基于小波变换的频谱检测算法分析

文章分析了认知无线电频谱检测中匹配滤波检测、能量检测、周期平稳过程特征检测的性能,指出了噪声对各自检测性能的影响,给出了一种基于小波变换的信号频谱检测算法,着重对含噪2FSK、2PSK信号进行分离仿真。仿真结果表明,该算法可以有效地进行信号的成分分离,降低了噪声的频谱检测的影响。     

基于自动阈值检测和边缘连接的路面裂缝边缘提取方法

随着不同等级公路的快速发展,对道路裂纹或裂缝的检测技术也提出了更高的要求。道路裂纹或裂缝检测技术主要依赖于图像处理、模式识别等数字图像处理技术,针对道路裂纹或裂缝检测的关键技术,提出了一种基于改进的边缘提取算法的路面裂缝检测方法。该方法有效降低了传统图像边缘提取算法对噪声、异常的敏感度,提高了对不同图像阈值的自适应性,数值算例表明该算法可有效、准确地对路面裂纹或裂缝进行检测。     

基于最优条件下三次B样条小波的多尺度边缘检测算子

提出了一种新的基于三次Ｂ样条小波的边缘提取算子该算子通过构造一个目标函数而得到一组最优滤波器的系数,并将这一组系数和以三次Ｂ样条函数作为尺度函数的线性组合作为最优边缘检测算子提取边缘,经验证算子优于Ｃａｎｎｙ算子。     

基于小波变换及熵的视频镜头分割检测方法

提出了基于小波变换及熵的视频镜头分割检测方法．用图像低频信号的小波系数的均值和标准差检测剪切镜头转换边界．分别计算图像小波分解后水平、垂直和对角方向细节信号的小波熵分量,以此3个小波熵分量作为特征量,计算相邻视频帧间特征量的欧氏距离．在检测窗内欧氏距离两次以上大于设定的阚值时即可判定镜头发生渐变转换．实验结果表明,剪切镜头查准率为95％,查全率为96％;渐变镜头查准率为87．5％,查全率83．8％．     

基于小波包分散的多尺度图象边缘检测算法及实现

提出一种基于小波分解的多尺度图象边缘检测算法,对经小波包分解所得到的高频部分加以考虑,避免了普通的利用小波分散进行边缘检测时忽略图象频部分的缺陷。在此基础上,通过对实际图象运用此算法,对其检测效果同其他方法分析与比较,结果证明此方法在复杂图象边缘检测中具有较好的效果。     

基于离散小波理论的时间尺度变换实现

时间尺度变换就是使信号在时域上压缩或扩展而幅度不发生变化，将连续小波理论的时间尺度变换推广到了离散小波变换领域，推导了基于离散小波变换的函数时间尺度变换公式，在已知任意平方可积函数f(t)的条件下，通过离散小波变换和反变换求得期望的g(t)=f(t/λ)，并给予了理论证明和仿真实验。     

一种基于形态学变换的车道检测方法

利用形态学图像处理技术,基于形态学变换的道路检测方法,能够应用形态学变换、Canny边缘检测与Hough变换检测出直线道路车行道的边缘线。试验表明该方法能够准确提取出目标区域轮廓。     

基于小波变换的钢丝绳缺陷信号检测与分析

应用漏磁通检测法,采用磁敏检测元件-霍尔感元件可以获得该磁场的变化情况,缺陷信号是一随机出现的局部异常信号,即奇异信号。通常它叠加于背景噪声信号之上,是一空间域变信号,小波分析能满足“信号频率越高,相应的窗口越小”的这一时频局部化分析要求,如果选择小波为光滑函数的一阶导数,则由小波变换的幅值（模值）极大点就可以检测到缺陷信号的突变点（奇点）,即缺陷,由模极大值的位置也就确定了钢丝绳缺陷所在的位置。     

综合小波和数学形态学的图像边缘检测

提出一种基于小波和数学形态学相结合的图像边缘检测方法,即将图像分为高频和低频两部分别进行处理,利用小波对高频和低频部分进行边缘检测后,再利用数学形态学方法对低频进行边缘处理,并对两种边缘图像进行了融合.实验结果证实了该算法的可行性.     

基于小波变换的数字图像水印加入与提取技术

介绍了数字图像水印技术的原理，发展现状及其应用范围，以及小波变换技术在数字图像水印技术制作中的应用，同时，还就小波变换在数字图像水印制作技术中的发展前景提出了一些预测和基于小波变换的数字图像水印制作方法的思路。     

基于小波变换的高速列车表面脉动压力提取

高速列车表面压力测试过程中,为了克服微型压阻式气压传感器测试的脉动压力信噪比低的缺点,有效提取出脉动压力,建立了传感器输出模型;利用相关系数法确定分解层数,根据3原则计算分层阈值,提出一种小波变换阈值去噪方法.用该方法对CRH(China railway high-speed)某型动车组静态测试信号进行去噪处理;并进行200 km/h动车组表面压力测试信号脉动压力的提取,建立了脉动压力功率谱模型.研究结果表明:该方法能有效提取出列车表面脉动压力,测点处脉动压力的幅值在20 Pa范围内时刻波动,频率主要集中在0~200 Hz;建立的脉动压力功率谱模型为列车减振和降噪提供理论指导.      

连续小波变换与信号处理

介绍了连续小波变换与信号处理的关系。     

基于小波分析的地铁视频火灾边缘检测方法

地铁由于其特定的运行环境,发生火灾事故时,伤亡大、损失严重。通过数字图像技术处理视频图像,判定是否发生火灾早期火灾预警的重要手段。准确、高效地识别火灾的轮廓是其中的一个重点。本文针对视频火灾检测,本方法首先采用加权均值滤波方法去除图像中的噪声,再利用方向可调的小波变换方法,对火灾图像进行边缘检测,成功提取出火焰轮廓,以实现火灾的识别和报警。通过对火焰图像采取标准小波方法和该方法进行边缘检测,结果表明本文提出的方法可以提取火焰轮廓更多的细节信息,并且很好的避免了图像边缘模糊化现象。     

基于小波变换的高速公路意外事件检测

试验表明,基于一维连续小波变换、一维离散小波变换和二维离散小波变换建立的高速公路意外事件检测模型原型具有优良的检测性能,检测在Califonia8#基础上提高了195%,同时检测时间缩短为原来的3.4%.     

应用小波变换检测噪声中的信号

研究了基于小波变换的信号检测问题,提出了多分辨似然比的概述,表明对检测问题存在一些特定的时频空间,在其中信号的大部分能量得到保存,而噪声能量很快减少,因此应用小波变换,通过对特定的时频空间的似然比分析较容易判断噪声是否存在信号。