补充材料
可供下载
BURT，P.J.和ADELSON，E.H.1983年。 拉普拉克兰金字塔作为一个紧凑的图像代码。 IEEE传输。 计算。 4月31日，532-540。 谷歌学者 
COHEN，A，DAUBECHIES，I.和VIAL，P.1993。 小波的区间变换和快速小波变换。 申请。 计算。 Harraonzc分析。 12月1日，54-81。 谷歌学者 DAUBECHIES，I.1988年。 紧支撑小波的正交基。 Commun公司。 纯应用程序。 数学。 41, 909-996. 谷歌学者 DAUBECHIES，I.1993年。 紧支撑小波的正交基，iL主题变奏曲。 SIAM J.数学。 分析。 24,499 519. 谷歌学者 HEIL，C.E.和胡桃木，D.F.1989。 连续和离散小波变换。 SIAM版本31,4（12月），628-666。 谷歌学者 MALLAT，S.G.1989年。 多分辨率信号分解理论。 小波表示IEEE Trans。 模式分析。 马赫。 智力。 第11、7（7月）、674-693页。 谷歌学者 MCGmL，K.和TASWELL，C.1991。 有限持续时间离散时间信号的小波变换算法：消除信号增强效应。 未发布的技术报告。 谷歌学者 McGILL，K.和TASWELL，C.，1993年。 有限持续时间离散信号的小波变换算法。 在Wavelets和Apphcatzons国际会议记录（法国图卢兹，1992年6月）中，Y.Meyer和S.Roques，Eds.Editions Frontieres，第221-224页。 谷歌学者 RIOUL，O.和VETTERLI，M.1991。 小波和信号处理IEEE SL信号处理。 Mag.8，4（10月），14.38。 谷歌学者 STt~NO，G 1989年。 小波与膨胀方程：简介。 SIAM版本31,4（12月），614-627。 谷歌学者
索引术语
算法735：有限持续时间离散信号的小波变换算法
建议
基于小波变换的多级图像去噪 集锦 在CNN中使用动态卷积来解决轻量级CNN在深度和宽度方面的限制，以获得良好的去噪性能。 信号处理技术和判别学习技术的结合是一种有效的方法。。。
摘要 深度卷积神经网络（CNN）通过自动挖掘精确的结构信息来进行图像去噪。 然而，现有的大多数CNN都依赖于增大设计网络的深度以获得更好的去噪性能。。。 离散剪切变换：一种新的方向变换和紧支撑剪切框架 现在人们普遍认为，分析底层图像的内在几何特征在包括图像处理在内的许多应用中都是至关重要的。 为了实现这一点，已经提出了几种方向性图像表示方案。。。 结合曲线变换和小波变换的图像去噪 ICIC’10：高级智能计算理论和应用会议录，第六届智能计算国际会议 小波变换具有良好的时频局部化特性，许多研究表明，小波变换在平滑和奇异区域都能很好地去噪。 但它不适合描述高维的信号。。。
