一种有效的双树复小波-Wiener滤波去噪算法

为了有效恢复被高斯白噪声污染的图像,将双树复小波变换和自适应Wiener滤波结合起来,提出了一种双树复小波-Wiener滤波去噪算法.仿真结果表明,利用该算法去噪后恢复的图像主观质量和峰值信噪比比基于正交小波变换的门限法和Wiener滤波法都要好.     

基于双树复小波变换的自适应图像融合方法

双树复小波具有平移不变性、方向选择性、有限冗余等特点,用于图像融合,优于传统的小波变换方法。本文提出一种基于双树复小波变换的自适应图像融合方法,源图像复小波分解后低频采用PCA,高频采用区域能量算法。通过对可见光和红外图像的融合实验,结果证明了双树复小波的优势和所用融合算法的有效性。     

基于小波和小波包变换的医学图像融合比较

分别用小波变换和小波包变换对CT和PET图像进行融合,用常用的十种图像融合质量评价指标对融合效果进行比较.结果表明小波包变换的融合质量评价指标只有部分是优于小波变换的.在对CT和PET图像进行融合时,小波包并不一定更占优势,要根据自己的实际需求来决定选择使用小波变换还是小波包变换.     

基于小波分析的图像融合评述

图像融合是将同一场景的多幅图像的互补信息合并成一幅新图像,以便更好地对场景进行监视和侦察。小波分析具有多分辨等特点,可以有效地将特征明显、分辨率高的图像融合在一起,得到比任何一幅源图像效果都好的图像。阐述了基于小波分析的图像融合的基本原理、方法及优点。比较了各种图像融合规则和融合算子的特点。介绍了基于小波包图像融合、小波框架图像融合和多小波图像融合方法。     

小波变换在医学图像压缩中的应用

分析了医学图像压缩的必要性,简要介绍了二维离散小波变换和Mallat算法,重点讨论小波变换的原理及其在医学图像压缩方面的具体应用,实验结果表明,小波变换算法具有较高的压缩比和较好的图像恢复质量,选用不同的小波基压缩图像得到的压缩比不同,在同一小波系列内,压缩比随小波序数的增大而减小。     

基于小波融合的图像插值算法

为了进一步改善图像的亮度,本文将小波融合的图像插值方法积极引入,在对图像进行处理过程中,经过不同插值方法的使用,获得的放大效果也是不同的。文章用不同算法对同一幅图像进行放大,然后将两幅放大后的图像进行融合处理。经比较此算法的引入能够较好的提高图像清晰度。     

联合小波域和频域的图像去模糊算法

提出了一种在小波域和频域上联合恢复模糊图像的算法。首先在小波域上对模糊图像去噪,提出按照贝叶斯公式估计出小波系数的收缩因子,恢复出模糊图像的小波系数值。此后,按照正则化反卷积图像恢复算法,对去噪模糊图像进行恢复。该算法使得反卷积时的正则化算子选取为较小的值,从而恢复的图像既滤除了噪声,同时降低了边缘模糊等振铃效应。实验结果表明,选择拉普拉斯正则化算子,该算法恢复的图像质量优于频域正则化反卷积算法,此外在同等噪声水平下,不同图像的最优正则化参数处在较小的相同动态范围之内,避免了恢复算法中的反复经验试值寻求最优。     

双树复小波变换及其应用综述

双树复小波变换是为克服通常的离散小波变换的缺陷而提出的。当对应小波基（近似）满足Hilbert变换关系时，双树复小波变换能够极大地减小通常的实小波变换中的平移敏感性，改善方向选择性。这些优点使双树复小波变换成为有效的图像配准融合工具，能够显著提高配准融合质量。     

小波在运动图像处理中的应用

在小波变换的基础上对运动图像的数据压缩编码过程进行了研究，建立了基于小波变换的运动图像编码系统模型，实现了数据的高效压缩并得到了良好的恢复图像。     

几种小波在3维面形测量中的应用研究

为了从频域角度分析复Morlet小波、Fan小波和实Mexican hat小波等常用的小波频域特点,采用小波变换和基于结构光投影的3维面形测量方法重建被测物体,并进行了理论分析和实际实验。通过对比1维Morlet小波、1维Mexican hat小波、2维Morlet小波、2维Fan小波、2维Mexican hat小波抑制条纹非线性和噪声的能力,以及对具有不同形变特征的条纹图的相位解调精度,最终得到不同小波处理相同条纹时的重建精度。结果表明,2维小波比1维小波抑噪能力强;Mexican hat小波在恢复存在相位突变的条纹时精度较高。该研究工作为小波变换轮廓术的应用提供了理论参考。     

Edge-preserving image compression using adaptive lifting wavelet transform

In this paper, a novel 2-D adaptive lifting wavelet transform is presented. The proposed algorithm is designed to further reduce the high-frequency energy of wavelet transform, improve the image compression efficiency and preserve the edge or texture of original images more effectively. In this paper, a new optional direction set, covering the surrounding integer pixels and sub-pixels, is designed. Hence, our algorithm adapts far better to the image orientation features in local image blocks. To obtain the computationally efficient and coding performance, the complete processes of 2-D adaptive lifting wavelet transform is introduced and implemented. Compared with the traditional lifting-based wavelet transform, the adaptive directional lifting and the direction-adaptive discrete wavelet transform, the new structure reduces the high-frequency wavelet coefficients more effectively, and the texture structures of the reconstructed images are more refined and clear than that of the other methods. The peak signal-to-noise ratio and the subjective quality of the reconstructed images are significantly improved.     

基于具有对称性的非张量积小波图像融合方法

提出了基于一类新的小波具有紧支撑、对称性和正交性、伸缩矩阵为(20 02)的非张量积小波的图像融合新方法.首先根据非张量积小波理论,提出了一种新的二维4通道4× 4对称滤波器组的设计方法,并用此方法设计出一组具有上述性质的非张量积小波4× 4滤波器组,利用此滤波器组对参加融合的图像进行滤波;然后对低频部分采用取均值、高频部分采用基于局部窗口能量取大的融合算法对滤波后的图像进行融合;最后重构.并采用熵、交叉熵、互信息、均方根误差和峰值信噪比等指标对该方法的融合性能进行了客观评价.对可见光图像与红外图像、远红外图像与近红外图像、航空图像和卫星图像、多聚焦图像等其它多类图像的融合实验结果表明本方法有较好的融合效果,可得到无边缘失真的融合结果图像,其融合性能比采用同样融合算法的张量积Haar小波的融合方法的融合性能好.     

基于快速整数提升小波变换的多幅图像融合

在分析已有多分辨率图像融合方法的基础上,针对多幅图像融合模型的选择问题,提出了一种基于快速整数提升小波变换的多幅图像融合新算法。首先采用整数提升小波变换将多幅源图像分解到不同尺度、方向频带范围内,然后根据图像提升小波变换后不同子带的特点分别采用了2种新的高、低频融合策略,最后通过整数提升小波逆变换得到融合图像。对多幅源图像进行了融合实验,并对融合结果进行了主观和客观的评价。实验结果表明,该算法不仅适合多幅图像的实时快速融合,而且可以获得视觉效果较佳、细节更为丰富的融合图像。     

基于小波变换和改进Top-Hat滤波的红外小目标检测

提出了一种基于小波变换与改进Top-Hat滤波的有效地红外小目标检测算法。该方法首先对红外图像进行单层小波分解,分别得到近似、水平、垂直和对角四个分量;接着,对近似分量进行改进Top-Hat滤波,并将滤波结果与原近似分量进行差分,得到差分图像,将其再与水平分量进行融合形成新的近似和水平分量。同时将垂直和对角分量的小波系数置零,进行小波重构。最后,为了进一步凸显红外小目标,采用了基于直方图的灰度变换方法对重构图像进行增强。实验结果证明本文所提出的算法能准确地检测出红外小目标,且鲁棒性较好。     

基于图形小波变换的遥感图像表示与去噪

离散小波变换(Discrete Wavelet Transform,DWT)通常用于图像的表示。然而,对于具有不规则形状边缘的图像,尤其是对于纹理和细节信息较多的遥感图像,DWT却很难有效表示,进而影响后续去噪效果。针对该问题,提出了一种基于图形小波变换(Graphic Wavelet Transform,GWT)的图像去噪方法。首先,将图像表示为图形信号,并通过该图形信号的谱表示构造相应的变换矩阵;然后,设计了一种改进自适应阈值的图像去噪方法,在GWT变换域内对图像去噪。实验结果表明,与常用的图像去噪方法相比,所提算法能够提供更好的图像主观质量。采用均方根误差(Root Mean Square Error,RMSE)和峰值信噪比(Peak Signal-to-Noise Ratio,PSNR)作为客观指标,结果表明,采用所提方法得到的重建图像客观质量更优。     

基于小波域的压缩感知超分辨率重建方法

为了提高超分辨率图像的重构效果,提出了一种基于小波域的压缩感知超分辨率重建方法.首先采用小波变换对低分辨率图像进行分解,得到低分辨率图像的低频子带与高频子带,然后采用压缩感知技术分别对低频子带和高频子带进行重建,并通过小波逆变换得到最终重建图像,最后在MATLAB 2012平台上进行仿真实验.结果表明,相对于其他图像重建方法,本文方法的重建图像视觉效果更加理想,不仅提高了低分辨率图像重建精度,而且提高了图像重建效率,可以满足图像处理的实时性、在线性要求.     

基于小波变换的太赫兹数字全息再现像去噪研究

太赫兹数字全息是当今太赫兹成像领域的研究热点之一。以真实连续太赫兹同轴数字全息再现像作为研究对象,进行了基于小波变换的去噪研究。选用bior2.2和sym4两种小波基,分别采用硬阈值和软阈值方式,对全息再现图像进行小波阈值去噪和基于小波的同态滤波处理,然后定量分析去噪结果。实验结果证明,对连续太赫兹同轴数字全息系统记录的再现像,采用bior2.2小波基的基于小波软阈值去噪的同态滤波,对太赫兹同轴数字全息再现图的去噪效果最好。     

基于小波变换的自适应多模红外小目标检测

小波变换是一种有效的红外小目标检测方法。然而,在不同的子带、不同方向上,信号和噪声所呈现的特性不同,采用单一的阈值往往无法得到一个令人满意的检测结果。针对这一情况,提出了一种基于小波变换的自适应多模红外小目标检测算法。该算法可以根据不同尺度和方向上噪声的分布自动调整阈值,使得检测结果更加有效。其中分别采用了自适应Bayes Shrink阈值和广义交叉验证阈值处理每个子带的小波系数,接着再利用处理后的系数重构小波图像,最后通过一个简单的全局阈值分割得到红外小目标。实验结果表明,与对照方法相比,所提出的算法具有更好的检测性能和鲁棒性。     

基于区域的小波多尺度多聚焦图像融合方法

提出了基于区域的小波多尺度多聚焦图像融合方法.首先对参加融合的两幅图像进行小波多尺度分解,得到两个金字塔结构.对于金字塔的每一层分解,使用"区域象素聚类"的方法生成标签图像,利用标签图像,对两金字塔各层的三个高频细节分量按区域能量取大的规则,形成融合二值决策图,每层分解对应一个二值决策图.利用每一层的二值决策图对相应层的细节分量进行融合,最后重构.并采用均方根误差对该方法进行了客观评价.实验结果表明本方法对多聚焦图像有较好的融合效果,其融合性能比基于窗口能量取大的单个象素的小波图像融合方法和文献[3]提出的融合方法的融合性能都好.