提出了利用小波变换(WT)、非负稀疏矩阵分解(NMFs)和Fisher线性判别(FLD)来进行人脸识别。用小波变换分解人脸图像，选择最低分辨率的子段，既能捕获到人脸的实质特征，又有效地降低了计算复杂性；非负稀疏矩阵分解能显示地控制分解稀疏度和发现人脸图像的局部化表征；Fisher线性判别能在低维子空间中形成良好的分类。实验结果表明，这种方法对光照变化、人脸表情和部分遮挡不敏感，具有良好的健壮性和较高的识别效率。

针对拓片得到的文字图像具有模糊细节多、效果差等特征,以及传统算法对其边缘检测的精度不高，根据拓片文字边缘独立于尺度传播的特性，提出了一种基于二进小波变换的拓片文字图像边缘提取和增强算法。首先用二进小波对拓片文字图像进行多尺度分解，再结合小波变换模值跨尺度传递的不同特性，进行多尺度下的图像边缘提取、增强和细化。实验表明，该算法克服了传统算法的不足，弱化了单尺度下噪声抑制与边缘细节提取精度之间的矛盾，从而具有更好的实用性。

Haar小波变换的基本思想：找到另一个基函数，通过压缩平移也生成差空间，这个基函数和原来的尺度函数能够建立直接的联系。优点是时域紧支撑的，正交对称的，而且计算简单。但是在时域上是不连续的，所以作为基本小波性能不是特别好。从时频图可以看出频率分辨率比较差。

为了解决方向对纹理图像细节增强的限制问题，提出一种融合小波变换与改进脉冲耦合神经网络（PCNN）的图像增强算法。该算法首先对图像进行二维离散小波变换，提取图像的高频分量图。然后将图像像素的局部梯度值作为链接强度系数，在动态阈值函数中加入侧抑制信号来改进脉冲耦合神经网络；并用改进的脉冲耦合神经网络对高频分量图进行增强。最后使用中值滤波对小波重构后的图像进行非线性平滑，实现纹理图像细节的增强。实验结果表明，该算法能够有效地减少图像细节增强时方向的限制。增强后，纹理图像的细节更加丰富，整体对比度也有一定的提高。

采用小波变换的方法进行显著性图像检测，获取图像中的显著区域

为解决工业计算机层析成像(CT)图像的伪影和弱边缘问题,提出一种基于小波变换的图像区域可伸缩拟合能量最小化分割方法,实现图像边缘的精确定位,从而提高图像测量精度。首先,采用小波变换对图像进行预处理,降低金属伪影。然后,采用所提方法精确分割图像,提高感兴趣区域边缘的定位精度。实际数据测量结果表明,所提方法可有效降低图像弱边缘的影响,测量相对误差低于0.7%,相较Chan-Vese算法,测量精度提高了1.4倍,满足实际测量需求。

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仿真代码

针对融合后的医学图像时常存在细节纹理不够清晰的问题，本文提出一种新的基于非下采样剪切波变换（Non-Subsampled Shearlet Transform，NSST）的医学图像融合算法，对多模态医学影像进行融合，增强细节结构提取的能力，提高图像融合质量，为医疗诊断提供依据.首先，将已配准的源图像进行NSST分解，得到低频子带和一系列高频子带；其次，对于低频子带系数，提出利用局域平均能量与局域标准差的合成值进行子带之间选择的融合策略，有利于完整保存基础信息，对于高频子带系数，利用改进的拉普拉斯能量和（New Sum of Modified Laplacian，NSML）的方法进行融合；接着，将融合过后的低、高频子带进行NSST的逆过程变换，从而得到融合之后的图像；最后，在灰度和彩色医学多模态图像上进行大量的实验，并选择信息熵（IE），空间频率（SF），标准差（SD）和平均梯度（AG）对融合后的图像进行质量评价.仿真结果表明，本文算法在主观视觉效果以及客观评价指标上均取得较大改善.与其他算法相比，信息熵，标准差，空间频率和平均梯度的平均值分别提高了2.99%，4.06%，1.78%和1.37%，融合后的图像包含更丰富的细节纹理信息，视觉效果更好.

利用小波变换获取子图像的能量值来提取高分辨率遥感影像的纹理特征,采用了大量训练样本进行特征统计,揭示了小波变换用于遥感影像纹理特征提取的规律。

本文应用小波变换技术对电力用户每15分钟采集一次的用电负荷数据的特征进行了梳理，选择小波变换算法开展用电负荷数据的特征提取，优化数据存储方式实现数据压缩与脱敏存储，用以解决海量用电负荷指标数据的存储问题。结果表明，通过小波变换可以有效提取数据特征，压缩存储空间约50%，并实现数据脱敏。本文所研发的基于小波变换特征提取技术实现用电负荷数据压缩与脱敏存储的技术具有潜在的应用价值和推广价值，并能够产生较高的经济效益。