搜索资源列表
watermarkt1
- 基于小波零树特性的视觉感知度模型的优化方案, 给出了两种水印算法: 一种算法嵌入的是高斯序列水印, 通过相关检测实现盲检测 另一种算法嵌入的是二值图像水印, 水印的提取是非盲提取。这两种算法在所有重要小波系数( 包括最低频系数) 中嵌入水印, 以达到最大化水印嵌入量的目的, 并结合感知度模型在水印的透明性和鲁棒性之间实现了较好的平衡, 对于常见的图像处理操作, 特别是对于JPEG 和小波压缩均有较好的鲁棒性。-based on wavelet zerotree visual perception
yaogantuxiangquzao
- 采用小波系数极大值跟踪法去除图像噪声,建立了尺度间小波系数极大值跟踪矩阵,标识出小波系 数极大值的信噪属性,剔除了噪声部分对应小波系数极大值,从而抑制了噪声污染
B样条小波边缘检测的改进算法
- 第1章为绪论。简要介绍了课题研究背景、意义及研究现状。 第2章具体介绍小波变换应用在图像边缘检测的基本原理。在连续小波变 换基础上引入实际中应用范围较广的离散小波变换，重点分析了多分辨率小波 变换。 第3章介绍B样条小波边缘检测的改进算法。基于B样条小波变换，将 Contourlet变换应用在多尺度自适应阈值边缘检测中。 第4章介绍多层次自适应空间系数高斯小波边缘检测方法。将灰度共生矩 阵特征值应用在高斯小波变换中，提出一种多层次自适应算法。 第5章介绍Canny算子与小波变换结
小波变换
- 根据小波分析和分形理论在多尺度分析和自相似本质上的一致性, 从研究分数布朗运动小波系数的统计特性, 分析信号和噪声对小波系数统计特性的影响, 在探地雷达信号处理中引入小波分析和随机分形理论, 提出了在小波域中, 使用平滑因子恢复加性白噪背景下探地雷达信号。
Adaptive_blind_watermark_algorithm
- 一种嵌入可读水印的自适应盲水印算法， 本文提出了一种基于DWT的嵌入可读水印的自适应盲水印算法,通过分析图像经离散小波变换后细 节子带系数的特性,把细节子带系数的均值和方差作为水印信息的一部分来自适应地修改图像小波分解后某些细节 子带的系数值,在满足水印不可感知性的条件下自适应地嵌入水印信息,实现了水印不可感知性和鲁棒性之间的折 衷. 同时,水印的提取无须求助于原图像,很好的实现了水印的盲检测. 这里的水印是一幅有实际意义的二值图像. 实 验结果和攻击测试表明,本文提出的算
zy1
- 摘要 该文主要考虑利用图像噪声再生技术来提取图像细节 其思想是利用被滤除的噪声信号进行回收再利用 通过对噪声信号和初步去噪信号进行小波变换 比较它们的小波系数 当噪声信号的小波系数达到一定的阈值时 将噪声信号的小波系数保留叠加至初步去噪信号的小波系数 然后利用传统的软阈值去噪的方法来进行图像的去噪 从而达到既能够去除噪声 又能保留图像细节的目的 实验证明 该方法较传统的方法在去噪和细节保持上有改进-Abstract In this paper, consider using images to
SPIHT
- 通过调整小波系数的排序过程，用一维数组代替原有的链表结构，改变小波系数的重要性判断依据等措施对原有的SPIHT算法进行改进。-By adjusting the wavelet coefficients of the sorting process, using one-dimensional array instead of the original list structure, the importance of changing the wavelet coefficients and o
wavelet
- 基于小波系数块能量分析的自适应数字水印算法-Energy analysis based on wavelet coefficients of adaptive digital watermarking algorithm
LPPR
- 基于多速率滤波器组的PR条件，本文研究并提出了LPPRFB中综合滤波器组的类型和长度选择的一般性方法；在深入研究两通道LPPRFB和两通道格形小波滤波器组的关系之后，提出了一类可高速实现的具有二进制系数的格形对称双正交小波设计方法，并完成了实例设计-Multirate filter bank based PR conditions, this paper put forward LPPRFB integrated filter in the type and length of the gene
Novel-approach-for-texture
- 为提高基于内容的图像检索系统中纹理特征提取的有效性,提出了又一种纹理图像检索方法。该方法 利用非下采样 Contourlet变换对图像进行分解, 提取不同子带和不同方向变换系数矩阵的均值和方差为特征向量, 作 为数据库中纹理图像的索引,并利用两种不同的相似度函数计算图像之间的相似度,建立了一套基于示例查询图像 的纹理图像检索系统。实验结果表明,与小波包等特征提取方法相比, 该方法不仅能降低特征向量维数,而且能取得 更高的检索准确率和检索速度。-To i ncrease t he
xiaobo
- 给定一信号，用db1小波对信号分别进行单尺度和三尺度分解，求出各层的低频和高频系数，并进行重构。-Given signal db1 wavelet signal single-scale and scale decomposition, obtained layers of low-frequency and high-frequency coefficients to reconstruct.
mallat-dwt
- 利用matlab程序实现对一维信号进行连续小波变换，进而在程序的编辑过程理解一位连续小波变换的小波系数矩阵的含义。 同时通过对预算的到的小波系数矩阵进行分析解释，得到原始信号的频谱分布以及了解小波系数在尺度和位移两个分量上的意义。-Matlab program to achieve continuous wavelet transform of one-dimensional signal, and then in the editing process of the program
基于小波变换的数字水印系统设计
- 本文提出一种基于小波变换的图像数字水印算法，通过将低频子图分块并量化其小波系数，实现水印的嵌入和提取，并对其进行抗噪声、JPEG压缩、旋转等实验。对于旋转攻击，该算法结合了图像的归一化技术。实验结果表明，该算法对常见图像处理和旋转都有较好的鲁棒性。
xiaoboxiaozao
- 对实测加速度信号进行小波消噪，进行3层分解并提取系数-3 layer decomposition and extraction coefficient of measured acceleration signal wavelet denoising
xiaoboxishu1
- 实现小波分析 计算小波系数 能画出二维小波时频图-Wavelet analysis of wavelet coefficients to calculate to draw two-dimensional wavelet time-frequency diagrams..
66
- 对结构响应信号进行连续复Morlet小波变换，根据小波系数的模极大值提取小波脊线，识别结构的瞬时频率；为降低噪音的影响，采用奇异值分解(SVD)方法进行降噪处理，建立了一种基于连续复小波变换识别时变系统 瞬时频率的方法。用一个具有时变刚度的弹簧质量系统的数值算例验证方法的有效性，随后设计了一个时变拉索 结构试验，分别对索施加线性和正弦变化的拉力，同时测试结构的冲击响应，运用提出的方法成功地识别了索的瞬时频率。数值与试验结果表明，提出的方法能有效地识别时变结构的瞬时频率，且识别方法具有一定
Locating-Voltage-Sags
- 电压跌落是最严重的动态电能质量问题之一， 精确定位电压跌落起止时间是应对电压跌落问题的 重要前提和基础。由于电压采样信号往往有噪声分 量，现有的方法在定位电压跌落的起止时间时存在 局限性。本文提出利用多小波变换及相邻系数去噪 的电压跌落定位方法。多小波兼有对称性、正交性、 有限支撑性和二阶消失矩等优异的信号处理性能， 利用GHM多小波可以准确定位电压跌落起止时间。 多小波变换系数在每层之间具有对应关系，多小波 相邻系数将紧相邻的若干个系数作为一个整体来确
DB小波
- 总结了怎样构造DB小波 ，并且提供了怎么求出他的系数(This paper sums up how to construct the DB wavelet and provides how to find out his coefficients)
小波基函数
- 我们通常用的函数dbn中的n就是这个小波函数的消失矩; 消失矩越大,它的支撑长度就越大,通常是支撑长度不少于2*n-1的; 消失矩越大,对应的滤波器越平坦,而且小波函数的振荡很强. 光滑函数在利用小波展开后的零点越多,也就是说小波的消失矩的大小, 决定了小波逼近光滑信号的能力.这一点也可以用来进行图像压缩. 越大的消失矩将使高频系数越小,小波分解后的图像能量也就很集中,压缩比例就越高. 通常我们都愿意采用消失矩较高的小波函数. 我们可以对一个信号,采用不同的消失矩的小波函数来分
eigenvector
- 使用matlab的小波变换特征向量和高低频系数的提取(Using matlab wavelet transform feature vector and extraction of high and low frequency coefficients)