基于小波变换尺度间相关性的去噪 信号与噪声的小波变换在各尺度下的不同传播特性表明，信号的小波变换在各尺度间有较强的相关性，而且在边缘处具有很强的相关性；而噪声的小波变换在各尺度间确没有明显的相关性，而且，噪声的小波变换主要集中在小尺度各层次中。

数值微分在各种应用中都很重要。 但是，应该谨慎对待，因为它可以极大地放大数据中的噪声，尤其是在高频下。 当小波函数是平滑函数的导数时，小波变换具有平滑和微分的综合性质。

医学超声图像的增强与去噪一直是医学图像处理的重要课题，针对传统超声图像增强处理算法的不足，本文提出一种基于小波分析理论和模糊理论的超声图像增强与去噪算法，首先对医学超声图像进行对数变换，将乘性噪声转换成加性噪声；然后再对超声图像进行多尺度小波变换，得到图像的高频和低频小波系数；再对低频系数进行模糊域增强，对高频系数进行小波软阈值去噪；最后通过小波重构得到增强后的图像。实验证明，该算法能有效增强超声图像的视觉效果，去除噪声，具有一定的应用价值和意义。

这是本人的毕业论文，本文描述的是一种基于小波变换的图像去噪，结合了人眼视觉特性去除图像噪声。

内含所处理的原图，.mat格式的二进制图像原件，两个程序可直接运行

基于小波变换的音频信号去噪，给正在进行信号处理的朋友使用很好的

雾天的交通影响着人们的出行，是否可以安全的出行是人人所关心的问题.为获取含雾图像更多的特征信息，提出一种基于小波变换的交通图像去雾方法.一方面在RGB颜色空间对图像进行直方图均衡处理来增强图像的整体的对比度；另一方面在HSV色彩空间，对V分量进行小波变换处理，将分解得到的低频子带采取双边滤波处理的方式，而对多个高频子带进行非线性变换处理方式，将处理过的低频子带和多个高频子带，利用小波逆变换进行重构.最后将两幅图像进行线性组合，得到最终的去雾图像.实验结果表明，与其他方法相比，本文方法处理的的图像所含信息较高，便于人眼观察。

基于小波变换的图像降噪Matlab程序,适合图像降噪处理。

准确选出故障线路是对电力线路进行故障测距的前提条件分。析了现有故障选线的方法,提出了基于小波变换 和模极大值相结合的低压配电单相接地故障选线方法的新判据,同时利用 Matlab的 PSB建立仿真模型进行分析,结果 表明,在中性点非有效性接地的配电线路中,利用小波分解的细节系数模极大值即可准确判断出故障线路。

提出了一种新的基于小波变换的自适应MRI增强算法。该新算法采用两个非线性自适应规则分别增强低频和高频的小波系数，并且在增强图像信号的同时抑制、减小其中的噪声。实验结果表明新算法增强后的图像具有很好的对比度，且结果图像中的噪声要比其他基于小波变换的自适应增强算法得到的增强后的图像中的噪声要少很多。