(BV,E)分解框架下的多尺度图像分解

在Meyer振荡模式分解理论基础上,讨论了一类(B_V,E)分解模型解的存在惟一性．针对平衡参数对振荡分量先验信息的依赖性,提出一种多尺度图像分解方法,并对其收敛性进行了理论分析．利用Lorenz的投影方法导出一种小波域上的快速求解算法．实验结果表明所提方法能够有效地从图像中分离出结构分量和振荡分量,同时提供了一种较好的分级图像表示形式．     

利用结构纹理分解的海洋舰船目标检测

针对卫星遥感海洋可见光图像,提出一种基于结构纹理分解的舰船目标检测算法．首先对图像进行结构纹理分解,将舰船目标分解到纹理分量中,而其他目标分解到结构分量中;为了进一步消除纹理分量中其他目标的细节对舰船检测的干扰,利用结构分量中陆地、云块以及海洋背景等的先验信息去除其在纹理分量中的干扰纹理; 然后在纹理分量中利用Gabor滤波增强舰船目标并进行检测．实验结果和数据分析表明,该算法能够有效地提高检测率,同时降低了虚警率．     

经验模态分解和稀疏表示的SAR图像去噪方法

相干斑噪声严重影响了SAR图像的应用,为降低这个影响,本文提出了一种经验模态分解和稀疏表示相结合的去噪方法。该方法利用经验模态分解是由数据驱动这一特点,把含噪SAR图像自适应的分解为若干固有模态分量,根据这些固有模态分量的时频特性,判断噪声在固有模态分量的分布情况。由于噪声的分布相对于图像目标分布具有孤立性、随机性的特点,采用稀疏表示方法对含噪的固有模态分量进行分解,通过估计固有模态分量的噪声强度,重构各固有模态分量,将处理后的以及未处理的各固有模态分量进行经验模态分解的重构,以此达到去噪的目的。为验证该算法的有效性,进行了对比实验,通过客观评价标准证明了该方法在细节信息保持等方面优于其他方法,是一种针对SAR图像的有效去噪方法。     

经验模式分解域自适应滤波方法

为了利用经验模式分解法提取信号边缘信息,提出一种基于经验模式分解的自适应滤波方法,并给出了噪声功率阈值的两种选取方法．该滤波方法首先对信号进行经验模式分解; 其次对相邻尺度上残差分量一阶导数信号进行空间相关性计算,并对归一化空间相关函数与残差分量一阶导数进行逐点比较,实现对残差分量一阶导数的滤波; 最后根据噪声功率阈值判断自适应滤波过程是否结束．仿真实验结果显示,本方法可以准确提取信号边缘信息,同时抑制噪声信号．     

结合经验模态分解和Gabor滤波的高光谱图像分类

针对传统实施于原始数据空间的纹理提取方法的不足,采用经验模态分解理论提取高光谱图像中空间结构明显的固有模态分量,并在提取出的分量上进行Gabor滤波操作,将传统纹理提取方式转移到变换域上进行,提出了一种基于二维经验模态分解融合空间信息的高精度纹理提取算法。对两个数据集进行仿真实验,实验结果表明改进算法有效地提高了高光谱图像分类精度且抗噪性能良好,提出算法性能明显优于传统Gabor-PCA算法,能够更大程度挖掘高光谱图像空间信息。     

运用TGV正则化分解模型实现天文图像去噪

通过对天文图像进行分解达到去噪的目的,针对图像分解模型中常用的总变差（Total Variation,TV）半范假设图像由分片常数区域构成这一局限性,提出了基于2阶总广义变差（Total Generalized Variation,TGV）半范正则化的图像分解方法．假设图像的主体部分在有界总变差（Bounded Generalized Variation,BGV）空间中,振荡部分在G空间中,建立图像分解极小化模型,使得分解后的各部分之和逼近原始图像的同时,主体部分满足一定的光滑性要求．运用快速迭代压缩一闽值算法（FastIterative Shrinkage—Thresholding Algorithm,FIS—TA）迭代算法及Chambolle投影算法对模型求解,收敛速度快,耗时小．数值实验表明,与TV正则化方法相比,利用本文方法能更好地去除太阳射电动态频谱图中的噪声,从而更准确地将纤维精细结构提取出来．     

一种新的多传感器图像融合方法

提出了一种基于小波变换的改进图像融合方法和一种图像融合评价指标。对小波分解后的高频分量使用图像区域内象素的最大绝对值作为该区域中心象素的活性测度以得到融合图像的高频分量，对分解后的低频分量通过度量图像区域质量来选择该区域中心象素从而确定融合图像的低频分量，最后进行小波重构得到融合图像；文中还提出了用交互方差作为图像融合客观评价指标的方法。实验结果表明，该融合方法得到的图像清晰度和对比度都得到了较大的提高，是一种有效的图像融合算法；并且用交互方差作为图像融合的客观评价指标是可行的。     

一种新的基于奇异值分解的图像隐藏方法

以数字图像信息隐藏问题为研究的切入点,介绍了奇异值的数学理论基础,讨论了矩阵奇异值分解与重构的原理和方法;构造了一种新的基于奇异值分解的图像隐藏的算法,用实例说明了奇异值分解在图像隐藏中的原理和应用,并在奇异值分解的基础上重构了原图像,取得了较好的效果,表明了该方法的有效性．     

基于区域特征的小波变换图像融合方法

图像融合的目的是把来自多传感器的数据互补信息合并成一幅新的图像，以改善图像的视觉效果。笔者提出一种基于小波变换的图像融合方法，其思想是先把待融合图像采用小波进行分解，然后在对分解后的小波系数矩阵采用区域特征进行融合处理，最后采用小波逆变换得到融合图像。该方法很好地区分了图像低频分量和高频分量对融合的不同影响，实验表明取得了较好的融合效果。     

矩阵LU分解对数字图像细微差别的放大作用

通过对数字图像的矩阵进行LU分解,研究了LU分解后的矩阵与原图像的关系．并对一幅图像施加不同程度的盐椒噪声,进行LU分解,得出了运用矩阵的LU分解来判断图像细微差别的方法．     

调制故障源信号盲分离的经验模态分解法

针对非线性、非稳态、含噪原始信号混合且混合信号数目小于源信号数目的旋转机械调制故障源信号盲分离问题，提出了一种基于经验模态分解(EMD)和主成分分析(PCA)相结合的方法.对混合信号进行经验模态分解提取嵌入在信号中的所有振荡模式，应用主成分分析方法对所提取的模式进行共性分析，得到模式中的主要成分.利用该方法对仿真数据和两通道滚动轴承加速度振动数据进行了分析，结果表明，该方法能够有效突出旋转机械的故障特征频率成分，避免了误诊断，且适用范围优于独立分量分析方法.     

一种消除重建图像边缘振荡的图像压缩方法

针对小波变换进行图像压缩过程中重建图像易引起边缘振荡的问题,提出了一种非延拓消除边缘振荡的方法。该方向将提升算法与传统的非线性ENO小波变换相结合,把高频分量边缘的能量集中到低频分量上,用小波分量模的极大值对跃变点进行奇异性检测,有效地消除了重建图像引起的边缘振荡。仿真实验表明该方法计算简单、存储空间小。     

二维经验模态分解技术在混浊度检测中的应用

针对液体混浊度检测易受噪声影响这一技术问题,提出了一种基于二维经验模态分解联合Robert算子的医疗液体混浊度检测方法,对医疗液体图像进行二维经验模态分解,将液体图像分解成多层本征模态函数(IMF),并利用Robert算子对各分量IMF进行边缘检测,选择性地逐层重构出图像边缘,从而将图像与杂质的边缘细节突显出来.实验结果表明,该方法有效地降低了随机噪声对液体混浊度检测的影响,提高了液体混浊度检测的精度,进而验证了该算法的可行性和有效性.     

基于窗口经验模式分解的医学图像增强

提出了基于窗口经验模式分解(WEMD)的医学图像增强算法。用WEMD算法分解医学图像,能够自适应地提取图像的内涵模式函数(IMF)分量。利用IMF分量图像的直方图服从正态分布的特性,结合直方图匹配算法的增强能力处理前几个IMF分量,经处理的IMF分量中的高频细节信息得到增强。将处理后的IMF分量和剩余分量重构,获取增强的医学图像。实验表明,WEMD算法增强效果优于目前的图像增强算法。 更多还原     

基于实数傅里叶变换和奇异值分解的数字水印算法

提出了一种基于实数傅里叶变换和奇异值分解相结合的图像水印算法。该算法对图像实数傅里叶变换后的幅度谱系数环行采样,组成采样矩阵,然后对其分块奇异值分解,将水印嵌入到各块奇异值的最大分量中。实验验证了所提出方案的有效性和鲁棒性。     

图像的自适应三角分解法

图像的分解是图像处理与理解的基础与关键之一,有着广泛的应用。该文提出了一种自适应的三角形四叉树分解方法。该方法推广了传统的四叉树分解方法,充分利用图像的局部空间信息对图像分解问题进行了自适应的优化处理。实例表明,新方法可以显著减少分解后的数据,更有利于后续的图像理解与分析等处理。     

基于低秩矩阵分解和协作表示的人脸图像分类

为了降低干扰因素对人脸识别准确率的影响,提出一种基于低秩矩阵分解和协作表示的人脸图像分类算法。针对噪声阴影影响,使用鲁棒主分量分析(RPCA)对人脸数据进行低秩矩阵分解,去除干扰,得到较为干净的人脸图像。通过协作表示分类方法对经RPCA处理后的低秩分量图像进行分类,通过归一化的最小重构误差来判定测试样本的具体类标。在3个人脸数据集上对算法性能进行仿真测试,结果表明,该算法在10%到50%的标记率下较其他算法均能提升分类识别率。     

彩色图像的稀疏分解

图像稀疏分解是基于过完备原子库的一种图像表示方法,主要在灰度图像中应用.本文在分析灰度图像稀疏分解的基础之上,将其应用到彩色图像处理之中,实现了在RGB和YUV两种颜色模型下的匹配追踪稀疏分解.实验表明,YUV颜色模型更适合低码率彩色图像稀疏分解.     

图像双层划分和奇异值分解的数字水印算法

为提高数字水印的安全性，提出了一个新的基于图像双层网格划分和奇异值分解的数字水印算法．讨论了图像双层网格划分的概念和方法，对基于奇异值分解的单层水印算法中的水印嵌入函数进行了改进．该算法采用传统算法对图像的第一层网格进行水印嵌入后，再采用具有补偿特性的水印嵌入方法，对图像的第二层网格进行水印嵌入，同时通过迭代过程，提取稳定的水印信息．实验结果表明，该算法对嵌入的水印具有很好的透明性，对重采样、平滑、加噪声和压缩攻击具有较强的稳健性.当一层水印被完全消除时，另一层水印仍能较好的被提取出来, 使数字水印的安全性得以提高．     

基于小波分解的织物疵点检测

根据小波在奇异信号分解中的特点,提出了一种基于小波分解的疵点检测新方法．首先根据织物纹理特点,确定小波函数．其次对被检测图像进行小波变换,获得分解后的子图;根据织物纹理组织单元,把高频子图分割成若干子窗口,统计子窗口的能量标准差与均值加权求和作为提取的特征．最后通过测试图像子窗口特征与标准予窗口特征相比较,判断疵点是否存在．实验表明,该检测方法是有效的,检测正确率达到90％以上．