1. 小波介绍 1.1 小波简史 1.2 小波概念 1.3 小波分析 1.4 小波定义 2. 哈尔函数 2.1 哈尔基函数 2.2 哈尔小波函数 2.3 函数的规范化 2.4 哈尔基的结构 3. 哈尔小波变换 4. 二维哈尔小波变换 4.1 二维小波变换举例 4.2 二维小波变换方法 5. 图像多分辨率表示 6. 小波变换的多分辨率分析特性 7.小波变换在图像边缘检测中的应用 8.小波变换在图像去噪中的应用

1. 小波介绍 1.1 小波简史 1.2 小波概念 1.3 小波分析 1.4 小波定义 2. 哈尔函数 2.1 哈尔基函数 2.2 哈尔小波函数 2.3 函数的规范化 2.4 哈尔基的结构 3. 哈尔小波变换 4. 二维哈尔小波变换 4.1 二维小波变换举例 4.2 二维小波变换方法 5. 多分辨率表示

8.1 从傅里叶变换到小波变换的时频分析法 8.2 小波变换分类 8.3 小波变换的多分辨分析特性 8.4 尺度函数与小波 8.5 小波变换的快速实现 8.6 图像的多分辨分解与重建 8.7 小波变换在图像边缘检测中的应用 8.8 小波变换在图像去噪中的应用 8.9 小波变换在图像融合中的应用

要点: 小波基、尺度、尺度函数 连续小波变换 离散小波变换,马拉算法 小波变换压缩原理 小波变换去噪原理 小波变换其他应用

利用多分辨率分析,我们已构造出尺度函数和小波函数小本章将研究函数的小波分 解。我们将在第一节首先给出两种分解式,并导出计算小波系数的 Mallat算法。在第二 节将讨论小波的消失矩,它的光滑性以及与滤波函数mo()在w=处的零点的重数的 关系。第三节将用小波系数刻划函数的正则性

提出一种互为Hilbert变换对的小波代数构造方法.这种互为Hilbert变换对的小波基的构造是从构造小波的充要条件入手,利用延迟滤波器的思想,把问题化为代数方程组求解.该方法可以避免进行谱分解.经实验证实:由基于本文构造的小波对的对偶树复小波变换可以得到比离散小波变换更好的特征提取效果

本章讨论连续小波变换。在第一节将引入小波的概念,小波变换与重构公式。第二节将介绍对尺度进行离散化后的二进小波变换。第三节将用小波变换刻划函数的正则性

6．1 引言 6．2 从短时傅里叶变换到小波变换 6．3 小波变换的定义和性质 6．4 实现一维小波变换的光学系统 6．5 用多通道匹配滤波实现二维小波变换 6．6 光学小波变换匹配滤波器在图像识别中的应用 6．7 光学 Haar 小波变换和图形边缘探测

针对非线性、非平稳信号的数据压缩问题,提出了一种基于自适应形态小波的轧机电气信号压缩方法.结合电气信号的形态特征,采用中值算子作为形态小波的更新算子对信号进行分解,从而实现根据信号的局部形态特征,自适应地调整形态小波分解的更新算子.工业现场实际轧机电气信号的数据压缩实验证明:利用这种形态小波信号压缩方法,可以获得高压缩比的信号,并能保留信号的形态特征;同时,这种形态小波信号压缩方法运算量小,可以应用到实时性要求较高的在线监测系统中

针对大型齿轮箱低速轴故障信息难以提取的问题,采用小波分析方法对故障数据进行处理以实现信号在时/频域的局域性分析,将其无冗余、无泄漏地分解到一组具有紧支撑性的小波基上.文中采用小波分层突变系数作为判别故障隐患的特征值,并对该特征值进行趋势分析.结果表明:小波变换能有效捕捉冲击信号的时域特征和故障发生的时间历程,用小波分层突变系数所做的趋势图能有效地预测故障发展趋势,避免突发故障