小波变换在图象压缩中的应用

文章从实际应用角度出发,提出了一种基于小流变换和改进LBG向量量化的有损图象压缩算法。该算法首先利用小波变换对图象进行分解,然后根据各子带（子图象）特点对小波系数进行相应的改进LBG向量量化编码,从而实现图象压缩目的。实验结果表明：该图象压缩算法的使用,可以在图象质量几乎不下降的条件下,极大地提高压缩比,改善恢复图象质量。     

基于小波变换的RL湍流退化图像复原算法

为了从湍流退化图像中准确有效地恢复出目标图像,提出一种基于小波变换的RL湍流退化图像复原算法。该算法首先对湍流退化图像进行小波分解,可得到不同分解尺度下,不同频带的子图像。根据不同方向的高频子段的小波系数,估计出各个高频子段噪声方差,进而求得适用于各频段的自适应阈值,以这些阈值为软阈值法的临界条件分别对各频段的小波系数进行收缩,最后用RL算法去迭代小波重构后的图像来实现湍流退化图像的复原。为了验证该方法的有效性,分别用这两种算法在不同噪声条件下,对同一幅退化图像进行了仿真实验。改进后的算法使得两幅图像的峰值信噪比分别提高5.894 3dB和7.108 4dB。结果表明,本文的算法相比RL算法在复原效果上有一定的提高。     

指纹图象小波压缩中子图信息的研究

图象小波分解后,各子图信息对图象恢复的质量有很大的影响。本文结合指纹图象的特点,明确了各个子图在图象恢复中的重要性,并提出了一种适用于纹理图象的压缩方法,在保证较好的图象恢复质量和较大压缩比的情况下,简化了算法,加快了处理速度。     

指纹图象小波压缩中子图信息的研究

图象小波分解后，各子图信息对图象恢复的质量有很大的影响。     

一种新的小波变换零树图象编码

本文在对图象的小波变换进行讨论的基础上，充分利用了小波变换后各子图象的系数对重构图象的重要程度和人眼的视觉特性，对“嵌入式零树编码”进行改进，提出了一种更加实用的图象压缩方案。该方案可获得具有较高压缩比、信噪比和较好视觉效果的恢复图象。     

基于小波-神经网络的短期风功率预测

采用小波变换和神经网络相结合的方法对风电功率进行短期预测。利用小波变换将信号分解成不同频段的子序列,各子序列单支重构后,利用神经网络分别建模预测,最后将各子序列的预测结果叠加得到最终的功率预测值。在神经网络学习过程中采用LM算法,有效提高了收敛速度,降低了陷入局部极小值的可能。通过实例分析,验证了该方法可以较为准确地预测风电功率。     

交替使用小波去噪和全变差正则化的盲图像恢复算法

盲图像恢复就是在点扩散函数未知情况下从降质观测图像恢复出原图像.该文提出了一种交替使用小波去噪和全变差正则化的盲图像恢复算法.观测模型首先被分解成两个相互关联的子模型,这种分解转化盲恢复问题成为图像去噪和图像恢复两个问题,可以交替采用图像去噪和图像恢复算法求解.模糊辨识阶段,使用全变差正则化算法估计点扩散函数;图像恢复阶段,使用小波去噪和全变差正则化相结合的算法恢复图像.实验结果和与其它方法的比较表明该文算法能够获得更好的恢复效果.     

基于小波分解的湍流退化图像的快速复原算法

提出了一种基于小波分解的湍流退化图像的复原新方法．该方法以2帧同一目标的湍流退化图像作为输入，采用小波变换技术对两帧湍流退化图像进行多尺度分解．利用两个低频子频段图像的傅立叶频谱估计出两湍流点扩展函数在大尺度下的离散值，在图像的低频子频段进行去模糊，而在高频子频段则主要进行抑制噪声和保边缘特征．实验结果表明该方法十分有效，不但可以极大地减少计算复杂性，加快恢复速度，而且还可以很好地提高图像的恢复质量和抗噪能力。     

一种基于LDPC码的离散小波域语音隐藏算法

研究了一种将保密语音隐藏在公开的音频载体中的信息隐藏算法.首先对保密语音进行改进型多带激励(IMBE)编码,并进行LDPC编码后形成秘密信息;然后对音频载体进行离散小波变换,通过修改相邻时频段的能量而嵌入秘密信息.提取时按同样的方法确定相邻时频段的能量值以盲恢复秘密信息,并经LDPC译码和IMBE解码还原保密语音.仿真实验表明该算法对音频压缩、加噪等攻击具有较高的鲁棒性.     

基于小波变换的多方向分形预测图象编码方法

小波图象编码属于子带编码,但是,与通常的子带编码不同,图象经过小波变换后,不但分解成不同频带（即分辨率）的子带图象,而且,同分辨率的子带图象还进一步分解成不同空间方向的子带图象。同方向的各个子带图象之间具有相似性,利用这种相似性进行图象编码可以提高压缩比。不同方向的各个子带图象之间虽然不具有相似性,但是,原图象的特征在这些子带图象中的空间位置具有不变性,利用这种空间位置的不变性进行图象编码,可以进一步提高压缩比。本文提供了这方面的理论分析和实例验证。     

基于小波变换与像元对目标的短波红外图像增强算法

弱光夜视是短波红外成像的重要应用领域之一。针对短波红外弱光图像对比度低,增强后噪声也被放大的特点,提出了一种基于小波变换与像元对目标的短波红外图像增强算法。首先通过小波变换获得不同频率成分的子带图像;然后对低频子带图像进行基于像元对目标的灰度变换处理,对高频子带图像进行可变阈值降噪处理;最后通过小波反变换将处理后的子带重构得到增强结果。将该算法与基于直方图的增强算法,全局优化线性窗口色调映射算法和自然保持增强算法进行比较,采用图像的信息熵和基于Michelson法则的对比度增强度量作为客观评价指标,结果表明本文算法更为有效地提高了短波红外弱光图像的对比度,抑制了噪声的增强,提升了图像的视觉效果。     

结合方向边缘检测的红外与可见光图像融合算法

针对现有红外与可见光融合算法中存在边缘模糊与目标不清晰等问题,通过对红外图像与可见光图像的研究,提出一种基于方向边缘检测的红外与可见光的图像融合算法。通过在传统的边缘检测算法基础上,引入一个方向因子,提出了一种新的方向边缘检测算法;并根据高频子带与低频子带中小波系数的不同特性,分别对其采用了不同的融合规则。实验结果表明,该算法能够有效的提取图像中的边缘信息与目标信号,具有可靠性高、清晰度高的市场优势。     

全景图拼接中图像融合算法的研究

为了实现平滑连续的全景图拼接融合效果,针对全景图拼接的特点,提出了利用彩色空间变换和Contourlet变换结合对比度金字塔分解的图像融合算法。首先进行HSI彩色空间变换,得到图像的亮度信息,然后利用基于对比度金字塔的Contourlet变换对亮度信息进行塔式分解,得到不同的频带信息,再对不同频带进行融合处理。实验证明,该文提出的算法充分利用Contourlet变换的轮廓特性,展示了图像的细节信息,从而很好地实现了全景图的拼接融合效果。     

基于Contourlet 变换和Hu 不变矩的图像检索算法

文章提出一种基于Contourlet 变换和Hu 不变矩的图像检索算法。首先,对每幅图像进行Contourlet 变换,得到低频子带与高频方向子带,把计算得到的低频子带的Hu 不变矩和各个高频方向子带的均值与标准差作为图像的特征向量,利用Manhattan距离进行相似度度量,完成基于内容的图像检索。为对该文提出的算法的检索效果进行检验,分别与基于Contourlet 变换特征的检索算法和基于Hu不变矩特征的检索算法等方法进行了对比实验研究。结果表明,该算法有效地融合了图像的纹理特征与低频子带的形状特征,较好地实现了基于内容的图像检索,平均查准率达到73.94%。     

shearlet变换和区域特性相结合的图像融合

为了提高多模医学图像或多聚焦图像的融合性能,结合shearlet变换能够捕捉图像细节信息的性质,提出了一种基于shearlet变换的图像融合算法。首先,用shearlet变换将已精确配准的两幅原始图像分解,得到低频子带系数和不同尺度不同方向的高频子带系数。低频子带系数使用改进的加权融合算法,用平均梯度来计算加权参量,以此来改善融合图像轮廓模糊度高的问题,高频子带系数采用区域方差和区域能量相结合的融合规则,以得到丰富的细节信息。最后,进行shearlet逆变换得到融合图像。结果表明,此算法在主观视觉效果和客观评价指标上优于其它融合算法。     

基于WBCT与平滑共生矩阵的图像检索

利用WBCT变换良好的稀疏特性及其能准确地捕获图像中边缘信息的特性,分析了纹理图像WBCT系数的统计特征,提出了一种滤波算法。该算法根据纹理图像WBCT系数分布的特点,提取纹理特征。加入在低频子带上提取的灰度—平滑共生矩阵统计量,形成最终的特征向量。仿真实验结果表明,该方法在纹理图像检索上有一定的优越性。     

CT scan contrast enhancement using singular value decomposition and adaptive gamma correction

We propose in this paper a new enhancement algorithm dedicated to dark computed tomography (CT) scan based on discrete wavelet transform with singular value decomposition (DWT–SVD) followed by adaptive gamma correction (AGC). Discrete wavelet transform (DWT) is considered to decompose the input dark CT image in four sub-bands. Singular value decomposition (SVD) is used in order to compute the corresponding singular value matrix of low–low (LL) sub-band image. The enhanced LL sub-band is determined by scaling the singular value matrix of original LL sub-band by an adequate correction factor, followed by inverse SVD. For a further contrast improvement, the new enhanced LL sub-band image is processed using an AGC algorithm. Finally, the obtained LL sub-band image undergoes inverse DWT together with the unprocessed sub-bands to generate the final enhanced image. This proposed method has the advantage of being fully automatic and could be applied for dark input images with either low or moderate contrast. Different dark CT images are considered to compare the performance of our proposed method to three other enhancement techniques using both objective and subjective assessments. Simulation results show that our proposed algorithm consistently produces good contrast enhancement, with best brightness and edges details conservation and with minimum added distortions to the enhanced CT images.     

基于小波域纹理分析的图像自适应隐藏算法

提出了一种以彩色图像为载体的变换域自适应嵌入方法,根据小波变换后的低频子带保留有原图像大部分能量和主要的视觉特性,利用熵值、标准差进行纹理分析并标记出平滑、边缘、纹理区域,再由各区域的视觉阈值决定不同的信息嵌入深度。预处理时将小波低频系数末比特清零,实现信息隐藏的盲恢复。此变换域方法对复杂纹理性的图像嵌入率可达13.89%,且常规的鲁棒性实验表明本文方法可获得较好的恢复图像。     

非抽样双树复小波域的BPP-NMF图像融合

提出了一种非抽样双树复小波变换（UDT-CWT）与基于块主元旋转的非负矩阵分解（BPP-NMF）相结合的多聚焦图像融合算法。利用UDT-CWT具有完美的平移不变性及良好的方向选择性,首先对图像进行多尺度、多方向分解并得到低频子带和高频子带系数;然后对低频子带系数采用块主元旋转的非负矩阵分解的融合策略,高频系数则选用高斯加权区域能量与区域标准差一致性选择的融合准则。最后对融合后的系数进行UDT-CWT逆变换得到重构图像。选用多组多聚焦图像进行融合并对融合结果进行主观视觉、客观方面的评价。试验结果表明,该融合算法不仅具有良好的视觉效果,同时在客观评价指标也优于一般的融合策略,验证了该算法的有效性。     

NSST域内结合UDWT与PCNN医学图像融合算法

为了进一步突出医学融合图像的细节信息,提升 清晰度,本文提出NSST域内结合UDWT与PCNN医学图 像融合算法。首先,将两幅源图像分别通过NSST 进行分解,获得相应的低频和高频子带。 在低频融合规则中, 采用UDWT将低频子带进一步分解为能量子带与细节子带,进一步利用PCNN融合这两幅源图 像对应的低频能量 子带;利用区域能量和融合这两幅源图像的低频细节子带,再应用逆UDWT融合低频细节子 带和能量子带。其次, 在高频融合规则中,采取UDWT分别将A和B两幅源图像对应的高频子带进一步分解为高频 能量子带与高频细节 子带,再根据拉普拉斯能量和与区域能量和的组合,获取融合后的高频子带。最后,利用逆 NSST获取融合图像。 实验证明,本文提出的算法与现有主流算法相比,实验结果在视觉效果和客观指标方面均具 有较大优势。