matlab 里小波变换的问题 http：//hi.baidu.com/kekewutao/blog/item/0bafc700d2849011728b65fd.html使用MATLAB设计小波变换程序中的若干问题3[转贴]使用MATLAB设计小波变换程序中的若干问题仍需探讨的问题：为什么使用PNG存储经小波变换后的重构图像变大？我曾在清华大学的多媒体课程的教师答疑中写了“老师：尊重事实：DB9阈值10的PNG文件就是比原文件大”和“续一：尊重事实：DB9阈值10的PNG文件就是比原文件大”，在林老师的鼓励和指导下，我进行了继续试验、分析，与刘赵璧（Anna）同学进行了探讨，并得到了Lily（姓名还不知道）同学的帮助，同时同学们也做了各自不同的实验，现在的实验结果可以说基本上比较明确，那就是有些图像就是会变大，这与图像的种类、纹理等密切相关。林老师曾经鼓励我去研究一下PNG的压缩方法，无奈我资质不够，至今在这方面的进展不大。由于临近期末考试，作业也要抓紧，所以我暂且将没有搞明白的内容搁置，待寒假期间再进行，希望对这些问题有各种看法也有兴趣研究的同学对此发表意见。以下是我最近试验、分析和阅读到的一些相关信息。试验结果 我首先根据老师第三章的Haar矩阵算法推演出DB9的系数矩阵，并实现了分解重构及阈值处理程序，对几种照片进行了比较，然后。
有谁会基于小波变换的改进阈值图像去噪方法吗？基于matlab的程序。 基于小波变换的改进阈值图像去噪方法。这个方法的研究，问题的帮助做起来还算是可以的
小波变换的阈值图像去噪
小波变换 阈值怎么确定？ 你好：阈值应该具体情况，具体对待；
小波变换的阈值函数图像去噪原理？ 一般情况下，这个阈值函数的选取与噪声的方差是紧密相关的。通常情况下，现在论文中的噪声都是选用高斯白噪声。被噪声污染的信号=干净的信号+噪声，由于信号在空间上(或者时间域)是有一定连续性的，因此在小波域，有效信号所产生的小波系数其模值往往较大；而高斯白噪声在空间上(或者时间域)是没有连续性的，因此噪声经过小波变换，在小波阈仍然表现为很强的随机性，通常仍认为是高斯白噪的。那么就得到这样一个结论：在小波域，有效信号对应的系数很大，而噪声对应的系数很小。刚刚已经说了，噪声在小波域对应的系数仍满足高斯白噪分布。如果在小波域，噪声的小波系数对应的方差为sigma，那么根据高斯分布的特性，绝大部分(99.99%)噪声系数都位于[-3*sigma，3*sigma]区间内。因此，只要将区间[-3*sigma，3*sigma]内的系数置零(这就是常用的硬阈值函数的作用)，就能最大程度抑制噪声的，同时只是稍微损伤有效信号。将经过阈值处理后的小波系数重构，就可以得到去噪后的信号。常用的软阈值函数，是为了解决硬阈值函数“一刀切”导致的影响(模小于3*sigma的小波系数全部切除，大于3*sigma全部保留，势必会在小波域产生突变，导致去噪后结果产生局部的抖动，类似于傅立叶变换中。
关于小波变换一个小波变换的初学者，求大虾们解惑，什么是小波变换？一幅图像经过小波变换的结果是什么？什么是小波系数？什么是窗口？如果有一幅图像有一块明显异常的部分，怎样找出经过小波变换之后原图像中异常部分对应于小波变换后的图像中的部分？最好能够给出一个比较好的例子，
小波变换 极值点平移问题 你对“模”的理解正确，都是对某一阶次的系数序列求模（如果系数是复数就是求模，如果是实数就是绝对值）.一个序列中只有一个最大值，会有多个极值.对于人工方法，最为简单的方法是求完这个序列（例如d1（1）、d1（2）、.d1（n））所有的模，再根据其中的模最大值设定一个阈值，低于这个阈值的模值归为0，那么你将得到一个和原始序列等长的，可能有几个极大值的新序列.建议先对原始序列的小波系数使用wcodemat函数进行量化编码，这样你的数据的极值会很明显，选择阈值就方便了.每一尺度或阶次（层次）的系数可能要选择不同阈值，得到各个尺度与阶次的模极大值，连成线就是传说中的小波脊（模极值轴线）.另一方式就比较麻烦，属于自动检测，检测时段(窗口)内如果某时刻的模值大于该时段内信号均值的6倍且该点均比与其相邻的左右5个时刻模值大，则认为该点为模极大值点.这玩意比较麻烦，而且没法人工干预，可能会漏掉有用的极值，得不到你满意的结果.所以matlab中模极值轴线图只能是个参考，通常满足不了实际处理的需求.
