در اين مقاله، يک دسته آستانه‌گذار غير خطي جديد با يک پارامتر تنظيم شکل براي حذف نويز سيگنال در حوزه موجک ارائه شده است. همچنين، روش جديدي در آموزش شبکه‌هاي عصبي آستانه‌گذاري براي حذف نويز از سيگنال پيشنهاد شده است. در روش پيشنهادي، بر خلاف ساير روش‌هاي موجود، پارامتر تنظيم شکل تابع آستانه‌گذار وفقي جديد به همراه پارامتر آستانه و با استفاده از الگوريتم LMS تحت آموزش قرار گرفته و مقادير بهينه آنها به صورت هم‌زمان به دست مي‌آيد. با اين کار اثر هر دو فاکتور آستانه و شکل آستانه‌گذار در حذف نويز مد نظر قرار گرفته است. تابع آستانه‌گذار پيشنهادي براي حذف نويز در حالت آستانه - سراسري و زيرباند - وفقي آزموده شده و با روش‌هاي متداول در اين زمينه از طريق معيارهاي مختلف مقايسه شده است. همچنين آزمايش‌هايي براي تعيين کارآيي روش پيشنهادي آموزش شبکه عصبي در حالت زيرباند - وفقي انجام شده است. نتايج آزمايش‌ها روي سيگنال‌هاي استاندارد، کارآيي روش‌هاي پيشنهادي را در حذف نويز از سيگنال نشان مي‌دهد. پرونده مقاله

در ترميم تصوير، قسمت‌هاي نامطلوب و مخدوش تصوير، حذف و با تصوير مناسب جايگزين مي‌گردد. در اين مقاله ترميم تصوير با استفاده از اطلاعات فرکانسي تبديل موجک انجام گرفته است. ترميم با استفاده از انتشار مقدار پيکسل‌هاي سالم به داخل ناحيه مخدوش انجام مي‌شود كه از بيروني‌ترين پيکسل‌ها شروع و به تدريج ناحيه مخدوش بازسازي مي‌شود. براي تعيين جهت انتشار و ميزان انتشار روش ترميم مبتني بر منحني‌هاي هندسي، تعميم يافته و از اطلاعات تبديل موجک استفاده شده است. نتايج آزمايش‌ها، برتري روش موجود را به روش ترميم منحني‌هاي هندسي نشان مي‌دهد. پرونده مقاله

در اين مقاله سامانه‌اي کارآمد و دقيق براي توصيف خرابي‌ها در انواع بافت بر اساس تبديل پيچک ارائه شده است. ايده اصلي، در نظر گرفتن خرابي‌هاي بافت به‌صورت ناپيوستگي‌هاي يک‌بعدي در سيگنال (تابع) دوبعدي تصوير است. بر اساس اين ايده، مناسب‌ترين ابزار جهت توصيف خرابي‌ها، تبديل جهتي پيچک است. ابتدا در مرحله آموزش، نمونه‌هايي از بلوک‌هاي بافت سالم و معيوب جمع‌آوري شده و بر روي هر بلوک، تبديل پيچک اعمال مي‌شود. سپس براي هر بلوک يک بردار ويژگي بر اساس زيرباندهاي حاصل از تبديل پيچک تشکيل مي‌شود. در يک فرايند پيشنهادي بردار ويژگي برجسته براي بافت مورد نظر تعيين مي‌شود. پس از آن سطوح آستانه مناسب براي تشخيص بلوک‌هاي خراب بافت، تنظيم مي‌شود. در مرحله آزمايش، از هر بلوک بافت بردار ويژگي برجسته مربوط به آن استخراج شده و بافت مذکور با توجه به سطوح آستانه طبقه‌بندي مي‌شود. نتايج شبيه‌سازي‌ها نشان مي‌دهد که سامانه پيشنهادي نسبت به روشي که مبتني بر جابه‌جايي ميانگين است، دقت بيشتري در آشکارسازي بافت‌هاي معيوب داشته و در فرآيند تشخيص خرابي، نسبت به نوع بافت حساسيت کمتري از خود نشان مي‌دهد. پرونده مقاله