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

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

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

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

7.1 短时Fourier变换与Gabor变换 7.2 小波变换 7.3 离散小波变换的快速算法——Mallat算法 7.4 常用小波函数 7.5 小波变换的应用

给出了一种基于小波变换的汉语语音信号预处理的方法。通过小波变换中的Mallat算法来分解汉语语音信号,能够消除信号冗余度,提高数据压缩比,而不影响语音信号的真实效果。同时还给出了小波变换原理和Mallat算法以及实验结果

植物根系的生长状况可以反映该地区的气候及土壤特性,现有的根系研究方法如挖掘法、整段标本法和剖面法,都有破坏样本和工作量大等缺点.为了实时跟踪植物根系生长状况,介绍了一种基于多尺度小波变换和自适应阀值的图像处理方法,对采用内窥方法获得的根系图像进行边缘检测,并将边缘提取后的图像进行融合.此方法可以在不损伤植物根系的前提下自动对根系的生长情况进行提取分析,实现实时采集及精确测量根系的物理参数

概要地叙述了小波、小波包理论,提出了一种用小波包分解和信号重构进行信号滤波的方法.先用小波包分解把信号分解到相邻的不同频率段上,然后用信号重构方法对各个频率段上的信号进行重构.以电机的振动信号为例,说明这种方法可以有效地用于信号的滤波

由于受实验条件的影响,在用等温热重法进行稀土氧化物脱除烟气中SO2的动力学实验过程中有噪音信号的干扰,因而采用Daubechies(N=3)小波函数和Matlab软件讨论了小波变换方法消除热重实验噪音信号的影响因素.研究发现阀值的选取规则和软硬阀值处理方式对消除噪音信号的影响不大,分解层数则对消除噪音信号的影响较大.当信噪比变化平缓时所对应的分解层数是最佳分解层数.经Daubechies(N=3)小波函数消噪后得到的信号能够比较真实地反映等温热重实验的动力学过程

智能系统：小波变换和GM-ARMA组合模型的股指预测