小波毕业论文

小波毕业论文

题目基于小波变换的图像去噪方法研究学生姓名陈菲菲学号 1113024020 所在学院物理与电信工程学院专业班级通信工程专业1 101 班指导教师陈莉完成地点物理与电信工程学院实验中心 201 5年5月 20日 I 毕业论文﹙设计﹚任务书院(系) 物理与电信工程学院专业班级通信 1 101 班学生姓名陈菲菲一、毕业论文﹙设计﹚题目基于小波变换的图像去噪方法研究二、毕业论文﹙设计﹚工作自 201 5年3月1日起至 201 5年6月20 日止三、毕业论文﹙设计﹚进行地点: 物理与电信工程学院实验室四、毕业论文﹙设计﹚的内容 1、图像处理中,输入的是质量低的图像,输出的是改善质量后的图像。常用的图像处理方法有图像增强、复原、编码、压缩等。一般图像的能量主要集中在低频区域中,只有图像的细节部的能量才处于高频区域中。因为在图像的数字化和传输中常有噪声出现,而这部分干扰信息主要集中在高频区域内,所以消去噪声的一般方法是衰减高频分量或称低通滤波,但与之同时好的噪方法应该是既能消去噪声对图像的影响又不使图像细节变模糊。为了改善图像质量,从图像提取有效信息,必须对图像进行去噪预处理。设计任务: (1 )整理文献,研究现有基于小波变换的图像去噪算法,尝试对现有算法做出改进; (2 )在 MATLAB 下仿真验证基于小波变换的图像去噪算法。 2 、要求以论文形式提交设计成果,应掌握撰写毕业论文的方法, 应突出“目标,原理,方法,结论”的要素,对所研究内容作出详细有条理的阐述。进度安排: 1-3 周:查找资料,文献。 4-7 周:研究现有图像去噪技术,对基于小波变换的图像去噪算法作详细研究整理。 8-11 周: 研究基于小波的图像去噪算法,在 MATLAB 下对算法效果真验证。 12-14 周:分析试验结果,对比各种算法的优点和缺点,尝试改进算法。 15-17 周:撰写毕业论文,完成毕业答辩。指导教师陈莉系(教研室) 系( 教研室) 主任签名批准日期 接受论文( 设计) 任务开始执行日期 学生签名 II 基于小波变换的图像去噪方法研究陈菲菲( 陕西理工学院物理与电信工程学院通信 1 101 班,陕西汉中 72300 0) 指导教师: 陈莉[摘要] 图像去噪是信号处理中的一个经典问题, 随着小波理论的不断完善,它以自身良好的时频特性在图像去噪领域受到越来越多的关注。基于小波变换的去噪方法有很多

研究生自学研究小波分析容易发论文吗

那要看你的数理基础和动手能力如何，自学不到2年以上，别说入门，就是连小波的门在哪儿都摸不到，因为现在像样小波的参考书并不算丰富，多是千篇一律，很多小波的实际问题都没好的参考资料，你在实际处理时可能会遇到很多书上没讲到的各种问题，太深入的书又有些脱离实际应用。很多垃圾文章就是这么出来的，只是叠床架屋贻笑大方罢了，但如果你不太在乎学术良知，小波的文章目前还是比较好发，毕业论文选这方向就需慎重了，没人指导可能会搞的很惨，因为评委可不都是外行。

基于小波变换的图像处理其中哪个方面比较好做？我是本科生，毕业论文~~

楼上一群2逼= =！

压缩已经被研究的差不多了，JPEG2000相当成熟，算法已经到了一定高度，很难再创新。

融合，特别是multisensor的融合应该有搞头。不过，如果说简单的话，肯定还是multisolution的比较简单。直接分解，系数随便找一个策略就行了。

降噪也很简单，比较好做，不过我没研究过这个。

无论什么方向， 小波肯定不是最好的，现在多尺度分解方法太多了。小波只是最基本的一种

基于Haar小波图象分解与重构研究

wfilter = 'haar';%选择小波基
[CA,CH,CV,CD] = dwt2(x,wfilter, 'per');%小波变换

CA = (CA>=T1) .* CA;%对4个自带分别阈值处理
CH = (CH>=T2) .* CH;
CV = (CV>=T3) .* CV;
CD = (CD>=T4) .* CD;

result = idwt2(CA, CH, CV, CD, wfilter, 'per');%反变换重构图像。

对时间序列进行小波分析,奇异点怎么确定,？？？？？如何通过matlab实现？？？？？

不用谢我，我是雷锋
(1)小波模极大值重构 MATLAB代码_天天向上_新浪博客

function
[signal,swa,swd,ddw,wpeak]=wave_peak(points,level,Lo_D,Hi_D,Lo_R,Hi_R,offset)
%
该函数用于读取ecg信号，找到小波变换模极大序列

warning off;
ecgdata=load('');
%需要分析的信号，自己加
plot(ecgdata(1:points)),grid on,axis
tight,axis([1,points,-50,300]);
signal=ecgdata(1:points)'+offset;

% 信号的小波变换，按级给出概貌和细节的波形
[swa,swd] =
swt(signal,level,Lo_D,Hi_D);
figure;
subplot(level,1,1);
plot(real(signal)); grid on;axis tight;
for i=1:level
subplot(level+1,2,2*(i)+1);
plot(swa(i,:)); axis
tight;grid on;xlabel('time');
ylabel(strcat('a
',num2str(i)));
subplot(level+1,2,2*(i)+2);
plot(swd(i,:)); axis
tight;grid on;
ylabel(strcat('d ',num2str(i)));
end

%求小波变换的模极大值及其位置
ddw=zeros(size(swd));
pddw=ddw;
nddw=ddw;
posw=swd.*(swd>0);
pdw=((posw(:,1:points-1)-posw(:,2:points))<0);
pddw(:,2:points-1)=((pdw(:,1:points-2)-pdw(:,2:points-1))>0);
negw=swd.*(swd<0);
ndw=((negw(:,1:points-1)-negw(:,2:points))>0);
nddw(:,2:points-1)=((ndw(:,1:points-2)-ndw(:,2:points-1))>0);
ddw=pddw|nddw;
ddw(:,1)=1;
ddw(:,points)=1;
wpeak=ddw.*swd;
wpeak(:,1)=wpeak(:,1)+1e-10;
wpeak(:,points)=wpeak(:,points)+1e-10;

%按级给出小波变换模极大的波形
figure;
for i=1:level
subplot(level,1,i);
plot(wpeak(i,:)); axis tight;grid
on;
ylabel(strcat('j= ',num2str(i)));
end

注：运行此程序时一定要将待处理信号添加进去，程序中的红色部分。