光电容积脉搏信号的峰值点自动识别直接关系到无创血氧饱和度测量与脉搏波峰-峰间期提取的准确率。 提出一种小波联合识别方法: 基于小波多分辨率分析原理校正影响脉搏波峰值点幅值的基线干扰, 再利用二次样条小波模极大算法自动识别峰值点。 将该方法应用到自行研制的光电容积脉搏波测量系统中, 对采集的信号进行了校正与峰值点识别, 通过在信号中增加随机噪声以评价方法的稳定性与可靠性, 然后利用10组实测数据, 对比本方法与传统差分阈值法的峰值点识别准确率, 进一步评价方法的有效性。 结果表明: 本方法在较好地消除了基线干扰的基础上, 在染噪的信号中仍然会较精确地检测出脉搏波主波峰, 具有较好的抗干扰能力, 有利于提高血氧饱和度检测及峰-峰间期提取的准确性, 从而有助于后期人体呼吸功能评价与心率变异性分析。

高光谱分辨率的高光谱图像与高空间分辨率的全色图像融合可以综合两类图像的优势。将全色图像与高光谱部分波段分别融合, 再合成假彩色图像是融合的有效思路。引进多分辨率分析框架, 首先对源图像进行小波变换, 得到低频系数与高频系数; 然后从中提取平均梯度特征和边缘特征分别作为两类系数融合的依据; 最后将融合后的系数经过小波逆变换还原为各波段融合图像, 进行假彩色合成得到最终的彩色融合图。实验结果表明, 与 PCA、HIS等经典方法相比, 本文方法不仅能够在保证融合效率前提下有效保持光谱信息, 提高融合图像的空间分辨率, 融合图像的标准差、平均梯度、信息熵等各项指标也均优于其他融合方法。

为提高从包含复杂天空背景的红外图像中检测出星点目标的能力,提出了一种基于小波变换及多尺度分析的星点检测算法。在对图像进行小波变换的基础上,利用多尺度分析方法,确定图像自适应阈值,实现图像小波域的去噪,达到星点目标检测的目的。实验表明,该方法能有效地检测出红外图像中的星点目标,检测能力较普通背景预测方法提高近40%。

基于大场景合成孔径雷达（SAR）图像序列，研究了一种针对多类慢动车辆目标的识别与跟踪方法，采用先识别、再跟踪的思路。提出了一种图像目标局部多分辨分析与多核分类器相结合的识别方法，实现了多类目标的快速特征提取和准确分类。根据相邻帧之间目标的对应关系，利用无偏卡尔曼滤波对目标的运动参数进行估计，并用实际测量值不断进行修正，实时获取目标的坐标、类型等信息，实现了复杂背景下地面多类慢动目标的高效跟踪。通过构建大场景合成孔径雷达序列图像进行仿真实验，证实了该方法具有快速和稳定的收敛性能，实时性较好，具有较高的跟踪精度。

将多分辨率分析融合方法和多尺度几何分析融合方法应用于气象卫星水汽图和红外云图的融合中，并用主观视觉、平均互信息和Xydeas-Petrovic指标对各种融合算法的性能分别进行了定性和定量评价。结果表明，与源图像相比，融合图像取得了更好的视觉效果，图像中包含了更多的信息量，云体清晰度和云的层次感得到了提高，纹理变得细致了。从平均互信息和Xydeas-Petrovic指标看，多尺度几何分析融合方法的效果较多分辨率分析融合方法更好。

介绍了小波分析方法在逐束团束流位置测量系统中的应用。小波分析方法在高频处频率窗口较宽,具有较高的时间分辨力,使用小波分析可分离并提取信号的振荡成分及基线漂移成分，各成分在时间轴上的位置与原信号相同，原有的线性关系保持不变，在处理非平稳信号时不会造成信号明显劣化,如幅度失真和相位偏差。基于小波分解和重构的时间序列多分辨力滤波处理非平稳信号时不会造成信号明显劣化，保证了追踪束团振荡强度、相位、频率和振荡模式随时间变化的结果更真实可信。在合肥光源中，小波分析方法成功用于横向振荡振幅包络的提取及增长率、阻尼率的计算，也可用于提取横向振荡振幅包络及计算增长率和阻尼率，为机器研究、束流诊断和逐束团反馈系统调试提供了准确的依据。

针对实际应用中激光主动成像图像的特点，提出了一种基于小波的非线性增强和多尺度形态学相结合的方法对激光主动成像图像进行边缘检测。从小波多分辨分析出发，区分噪声和图像的边缘细节，构造基于小波的非线性增强算法对图像的边缘细节适度增强。引入多尺度形态学对增强后的图像进行边缘提取，利用大尺度形态算子抑制噪声，小尺度形态算子提取目标边缘细节信息，获得了较清晰的图像边缘。实验结果表明，与传统的边缘检测方法相比，该方法能够检测到完整清晰的激光主动成像图像边缘，且抗噪性能良好。

在建立1550 nm激光相干雷达探测系统的基础上,对运动目标微多普勒效应的探测进行实验研究。利用小波多尺度分析将实验所得到的时域信号分解为不同尺度下的信号成分,对包含微多普勒特征的信号成分进行重构(逆小波变换),从而获取了目标的微多普勒特征。为了更好地分析目标运动特征和估计运动参数,使用短时时-频分析方法对获取的信号做了进一步的处理。实验结果分析表明,该系统可有效地探测运动目标的微多普勒信息,且多尺度分析方法和短时时-频分析方法的联合应用可有效地提取运动目标的微振动信息。

提出了两种在相位轮廓术中使用离散小波变换提取条纹相位的方法：单次分解法和多次分解法。前者用多分辨率分析的多孔算法计算变形条纹解析信号的离散小波变换, 寻找每一位置的小波系数在尺度方向上的模极大值点, 通过提取该点的相位就可以得到原条纹的相位值; 后者是在前者的基础上, 通过插值改变条纹信号的抽样率, 再次进行多分辨率分析, 得到冗余的小波系数, 提取条纹相位。单次分解法适合处理正弦载频条纹图, 多次分解法抗噪性好, 可以处理带有高次谐波的准正弦载频条纹图。相对于使用连续小波变换的方法, 这两种方法较适合处理离散信号, 对于512 pixel×512 pixel的条纹图计算速度分别提高90%和50%。计算机模拟和实验验证了方法的有效性。

由于小波变换具有准确度高、抗噪性好等优点，在微多普勒效应探测方面具有很好的应用前景。利用多尺度分析(MRA)将信号进行分解并提取出含有微多普勒效应的低频平滑信息，获取了目标微小振动引起的微多普勒效应。用频谱分析和基于瞬时频率(Instfreq)的时－频域联合分析方法对原始信号及通过MRA分解得到的结果进行了对比研究。结果表明：利用时－频分析对MRA处理后的低频信号进行分析，可更加有效地提取微多普勒效应中振动信号的特征，为目标特征的识别、分类和探测提供了便利。