基于球坐标的非线性小波变换图像压缩编码算法

利用小波变换的 3个高频分量之间相关特性 ,提出了基于球坐标变换的非线性小波变换图像压缩编码的方法 .在小波收缩中 ,采用双曲线收缩处理球坐标下的径向分量以提高重建图像的质量 .实验结果表明

球坐标系下小波收缩去噪方法的改进

通过分析球坐标系下的小波收缩去噪法,对阈值函数进行修正,提出了一种较优的收缩判据.与传统的小波收缩去噪方法相比,该判据具有算法简单、工作量小等特点.仿真结果表明,改进的方法提高了图像的信噪比,去噪效果良好。

球坐标系下的小波图像去噪方法

介绍一种新的小波图像去噪方法,该方法首先将图像二维小波分解后的3个高频分量进行球坐标变换,然后对其径向分量r进行收缩去噪处理,与传统的直接收缩去噪法相比具有算法简单、工作量少等特点.仿真结果表明,该方法去噪效果良好.

基于复小波及动态神经网络的植物电信号研究

[目的]针对植物电信号数量级小、易受干扰的问题,提出了双树复小波变换(DT-CWT)结合双变量收缩消噪及不带输入变量的非线性自回归神经网络(NAR)模型,旨在能将植物电信号用于研究温室内植物生长模型。[方法]在屏蔽环境下获取生长状况良好的鸟巢蕨植株的电信号。采用双树复小波变换将电信号进行分解,利用层间小波系数具有相关性的特点,将分解后的小波系数进行双变量收缩消噪。通过对植物电信号进行自相关分析,确定迟滞阶数。再通过NAR网络训练消噪信号。[结果]采用双树复小波消噪后的信号虚部树的高频分量明显减少。消噪后的植物电信号前序98个样本点的自相关系数均大于0.8,迟滞阶数98。采用本模型对消噪后的电信号进行预测时相关系数为0.973,均方误差(MSE)为0.593 mv^2。相比于软阈值消噪与硬阈值消噪,本模型的消噪方法信噪比(SNR)最大,MSE最小。对碧玉、白鹤芋2种植物应用本模型,决定系数分别为0.975和0.972,MSE分别为0.112 mv^2和4.459×10^(-2)mv^2。[结论]植物电信号2个相邻时刻间具有很强的关联性,消噪过程对虚部树的影响更大,双树复小波分解结合双变量收缩的消噪方法更大程度上保留了信号的原始信息。本模型具有可推广性。

一种新的图像压缩编码算法

对图像压缩编码算法进行了改进。首先,将小波分解后的3个高频系数进行预处理:将高频部分进行球坐标变换,降低了同一尺度内系数的相关性;基于小波域和球坐标域的两个前提,定义了多尺度模积的概念,用来控制收缩函数对小波高频部分进行收缩处理。这样,可以去除那些不影响视觉效果的小波系数以及噪声信息,达到较高的压缩比。然后,对小波变换的低频部分进行单独编码(DPCM),对球坐标下的高频部分采用改进的多级树集合分裂(SPIHT)编码。针对SPIHT编码中重复扫描的问题,引入了最大值矩阵MMP(matrix of maximum pixel),这种策略能够有效降低比较次数。仿真实验表明,本文提出的算法具有较好的编码效率。