小波在遥感图像分析中的应用综述

介绍了小波变换在影像压缩、多源遥感影像融合、影像去噪、影像边缘检测与纹理信息提取等方面的应用特点与效果。此外,还对近几年来兴起的用于遥感影像分析的一些小波变换算法就算法的有效性进行了分析。在文章的最后,对小波在遥感影像分析中的应用趋势,以及一些尚待解决和进一步研究的问题进行了探讨。

基于小波变换的柴油发动机辐射噪声线谱分析

对小波变换(多分辩率分析)用于柴油发动机辐射噪声分析.利用小波变换的"变焦"性能,并基于其多分辨率分析,以柴油发动机辐射噪声信号为对象,使用Daubechies小波及快速小波算法———Mallat算法对其进行塔式分解,然后进行各级小波波形结构特征提取,再结合经典谱估计的方法分析其线谱特征,进而提高线谱的分辨率,以获得更多的信息量,为柴油发动机降低噪声提供理论依据.分析表明,将小波变换应用于柴油发动机辐射噪声线谱分析具有重要的意义.

基于特征的遥感影像数据融合方法

基于小波的多分辨率分析理论提出了一种新的遥感影像数据融合方法。它利用区域方差最大和一致性准则对不同尺度下的子带数据进行融合，采用加权运算对相应基带数据进行复合。文中给出了黑白航空影像与ＴＭ影像、ＳＡＲ影像的融合结果。通过与基于像素平均的融合方法比较，证明了本方法具有良好的鲁棒性和自适应能力。

小波域的自适应波束形成算法

在分析传统自适应波束形成的基础上,首次提出了一种小波域的自适应波束形成算法。与通常的自适应波束形成算法相比,该算法利用小波变换对小波空间进行了分解,信号经小波变换自相关性会下降,收敛速度提高,同时在此分解过程中,根据信号与白噪声在不同尺度上的小波变换模极大值表现完全不同的特性进行信号的消噪。理论分析和仿真结果表明了该算法收敛速度较快,且计算量增加较少,易于实时实现,而且具有较好性能。同时仿真实验表明该算法收敛速度与小波基和尺度的选择有关,尺度越大收敛速度越快;对于同一小波基系列,小波基的正则性越好收敛速度越快。

小波变换及其在图像处理中的应用

小波分析是对傅立叶变换的继承和发展 ,在数字图像压缩、图像的边缘检测、信号分析、医学影像以及计算机视觉等领域有着广阔的应用前景 本文首先介绍了小波变换的基本原理 ,特别是多尺度分析理论 ,作为应用 ,分析了基于小波变换的图像消噪技术 。

基于小波变换的汉字签名鉴别

汉字签名鉴别是通过对手写人的笔迹进行分析从而得出签名是否由某特定人书写的结论。不同人的签名特征是不相同的，可以从其签名信息中抽取出最有效的签名特征来区分真假签名。该文采用新的数学工具——Wavelet 变换方法，利用复信号小波变换的优良特性抽取了一些新的具有旋转、平移及尺度不变性的签名特征，经验证这种特征具有很好的稳定性与可靠性。

基于二维离散小波变换的烧结断面图像去噪

由于烧结机尾环境恶劣 ,采集的烧结机尾图像干扰较多 ,采用传统的去噪方法难以达到满意的效果。本文首先分析了烧结断面图像的特点及其信号与噪声在小波变换下的不同特点 ,然后介绍了二维多分辨率分析的去噪方法 ,并将它应用于烧结断面图像去噪处理。实验结果表明 ,本文使用的方法能有效去除烧结断面图像中的噪声 。