waveletbaserede

Waveletbaserede metoder refererer til teknikker i signal- og billedbehandling, der anvender en familie af wavelets til at repræsentere data med multiresolution. Ved at dekomponere et signal i forskellige skalaer kan man isolere detaljer i forskellige tids- eller rumlige områder.

Teoretisk bygger metoden på multiresolution analysis, hvor et signal udtrykkes som en kombination af en morwavelet og en scaling function. De vigtigste varianter omfatter den diskrète wavelet-transform (DWT), den kontinuerte wavelet-transform (CWT) samt stationær og wavelet packet-transform.

Anvendelser omfatter støjreduktion, kompression, feature extraction og billedbehandling i medicinske, geofysiske og lydbaserede applikationer. Fordelene omfatter god tids- og frekvenslokalisation og sparsitet, hvilket muliggør effektiv lagring og fjernelse af støj.

Udfordringer inkluderer valg af passende wavelet og antal niveauer af nedbrydning, grænseeffekter og beregningsomkostninger. Historisk har waveletbaserede metoder udviklet sig gennem bidrag fra blandt andre Morlet, Daubechies og Mallat.