本论文所做的工作及创新主要包括以下几个方面: 1)查阅了国内外一定数量的期刊、文献，综述了图像融合的基本概念，总结了该领域 研究的最新进展，对存在的问题进行了讨论，并展望了未来的发展趋势。 2)对图像融合的算法进行了细致的归类，具体解释了空域、变换域图像融合算法，像 素级、特征级以及决策级图像融合算法各自的适用范围和特点。 3)综述了该领域的热点图像融合问题，对多传感器图像融合、多分辨率图像融合以及 多聚焦图像融合，分别做出了具体说明。 4)回顾了傅立叶变换和小波变换的发展，由多分辨率分析引出了金字塔型和基十小波 变换的两类图像分解与重构方法;特别针对影响图像融合效果的各种因素:融合图像的类 型、小波变换的基函数、滤波器、分解层数以及融合规则，进行了归纳总结。 5)讨论了图像融合质量的评价方法，单独列出了主观和客观相结合的方法。在仿真实 验中，使用MATLAB中的图形用户界面GUI和小波工具箱(Wavelet Toolbox，实现了图 像融合质量评价的可视化。该研究成果可参照已发表论文《小波图像融合评价方法的综合 比较研究》。 6)综述了吉布斯现象，并讨论了抑制伪吉布斯现象的平移不变小波变换。将在基十“平 移平均”思想的Cycle Spinning算法用十图像融合，提出了一种基十小波变换的Cycle Spinning图像融合的方法(称为CSDWT，简称为CS方法)，并在仿真实验中实现了该过 程，取得了较好的主观和客观融合效果。该研究成果可参照已发表论文《小波变换结合Cycle Spinning图像融合的研究》。 7)进一步研究了Cycle Spinning算法，就平移方向和平移量两个问题提出了不同的平 移策略，从}fu改进了CS方法;仿真实验证明，这种改进没有减弱图像的融合效果，ifu b_ 减少了计算量。该研究成果可参照已发表论文《基十小波变换的Cycle Spinning图像融合的 扩展研究》。

结合小波变换和数学形态学的优点,提出了一种基于小波变换和数学形态学的边缘检测算法.基于数学形态学的边缘检测,对现有的检测算子进行改进,构造了一种抗噪型边缘检测算子,并使用不同方向的线型结构元素;基于小波变换的边缘检测能有效地保留图像边缘的细节信息,使提取的边缘完整连续.实验结果表明,本研究提出的算法与几种经典边缘检测算子相比,有效抑制了噪声的影响,提高了检测的精度,对各种不同图像具有很好的鲁棒性.

图像边缘检测的关键是在尽量多检测到边缘的同时更有效地抑制噪声，为此提出了一种融合小波变换和形态学差分算法的边缘检测方法。将源图像进行小波分解，高频分量利用小波模极大值算法进行边缘检测，可有效提取高频边缘；低频分量采用形态学差分算法进行边缘检测，能够检测出低频边缘；采用一定的融合规则将两个边缘检测图像融合在一起。实验结果表明，该方法优于单独使用小波模极大值法或数学形态学法，对噪声具有很好的鲁棒性，得到的图像边缘连续、清晰。

边缘检测可以大幅度地减少原图的数据量，消除许多没有意义的信息，保留图像重要的结构属性。本文使用Haar小波滤波器，利用小波变换将原灰度图像进行一层分解，产生4个子图像，对水平高频子图像和垂直高频子图像分别进行Sobel算子检测处理，将低频子图像和对角细节图像分别置零处理，然后对处理过的4个子图进行重构，得到的图像与Canny算子对原图提取的特征图像进行了对比。实验结果表明，该方法得到的结果较好。

基于小波变换和支持向量机的大坝变形预测

matlab小波变换算法代码小波显着性 基于小波变换的低阶特征显着性检测模型 该代码用于使用基于Wavelet变换的低级特征来计算自下而上的显着性图。 这是以下出版物的修订版，可以在网络上公开发行。 使用此代码时，请引用以下论文。 参考： Nevrez Imamoglu，Weisi Lin和Yuming Fang：一种基于小波变换的使用低级特征的显着性检测模型。 IEEE Transactions on Multimedia 15（1）：96-105（2013年1月） 运行代码： 请使用“ mainSaliencyMap.m”文件在matlab命令窗口中运行matlab代码： >> mainSaliencyMap 免责声明：提供的Matlab代码仅用于评估算法。 对于以任何方式使用本准则引起的任何损失，本准则的作者或所属单位概不负责。 请使用代码，后果自负。

因小波变换具有多分辨率分析能力和自适应性,故常被作为图像去噪的有效手段之一。文中从遥感影像中常见的薄云噪声的特征分析出发,分别从两个方面入手对含有薄云噪声的遥感影像进行去噪处理:①使用DB系列和SYM系列小波基对含有薄云的遥感影像进行小波变换去噪,对比发现使用db5小波母函数得到的去噪效果最佳。②使用Bridge-Massart阈值降噪模型对含有薄云的遥感影像进行去噪。结果中推断出:直接使用Bridge-Massart阈值降噪模型去噪的结果不如在第一步得到的结果上运用Bridge-Massart阈值降噪模型去噪的结果好。由此得到一种新的基于小波的遥感影像薄云去除方法 ,与小波变换法去除遥感影像薄云的结果比较,本方法得到的结果更优。

智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真

在理解了离散小波变换的基本原理和算法的基础上，通过设计VC程序对简单的一维信号进行小波分解系数；再通过改变分解得到的各层高频系数进行信号的小波重构达到消噪的目的

王光宇编著的《多速率数字信号处理和滤波器组理论》全面系统地论述了多速率数字信号处理和滤波器组的基本原理，包括时变和非时变滤波器组。全书共十章，包括离散时间系统和滤波器、多速率系统的组成单元、多通道滤波器组、多通道滤波器组的相关理论、M通道DFT滤波器组、余弦调制滤波器组、时变滤波器组的基本理论、最一般的时变滤波器组、M通道时变滤波器组、时变余弦滤波器组。 　　《多速率数字信号处理和滤波器组理论》可供研究和工程部门从事数字信号处理和通信技术工作的广大科技人员参考，也可供高等学校相关专业的高年级学生、研究生学习参考。