对称分数B样条小波的PCA图像融合

有良好逼近能力的对称分数B样条小波,在刻画图像纹理方面优于传统小波,为图像融合提供了有利条件。将其与PCA（Principal Component Analysis）变换相结合之后对高分辨率全色图像和低分辨率多光谱图像进行融合,提出了一种新的图像融合算法。对两幅源图像应用PCA变换,得到的两个第一主分量分别进行对称分数B样条小波变换,再对产生的两组高、低频小波系数采取不同的规则进行融合,生成两组新的高、低频系数,对其进行小波反变换得到新的第一主分量,与多光谱图像的其他主分量进行PCA反变换,得到最终的融合图像。实验结果表明,该方法使融合图像既提高了分辨率又保留了丰富的光谱信息。     

基于小波变换的多聚焦图像融合方法

介绍一种利用小波变换实现多聚焦图像融合的方法,它针对小波变换后图像的近似部分和细节部分采用不同的融合规则,组成一个新的小波分解系数,再进行小波重构,即可得到融合图像.实验结果表明,基于小波变换的多聚焦图像融合方法具有良好的效果.     

医学图像融合的并行实现

基于小波变换的并行医学图像融合方法有良好的效果且能进行快速实时融合。在介绍双正交小波变换图像融合方法的基础上分析了该方法的时间复杂度,提出了基于小波变换的多模图像融合的并行算法,并在配置了并行机群环境下实现了单幅和序列医学图像的并行融合,针对不同大小结果图像和不同机群规模进行测试,对并行效率的分析证实了该并行融合方法具有较好的并行性能和可扩展性。     

一种用MATLAB实现的基于小波变换的图象水印技术

论文给出了一种在小波变换域中对静态图像加水印的方案。方案利用了小波分析的优良性质,对小波变换后的载体图像系数块,按水印图像小波变换后的系数块大小进行分块,将分得的系数子块按不同层次不同方向重复嵌入相应的水印系数块。通过与原始载体图像进行比较实现水印的提取。最后与嵌入的水印进行相关性检测来检测提取出的水印是否有效。实验结果表明这个方案取得了良好的效果。     

基于整型小波变换和嵌入式零树编码的医学图像压缩*

对给定的医学图像采用基于“提升”算法的整型小波变换,对变换后的小波域图像编码。编码时,针对医学DICOM标准的数据结构,在小波零树编码的基础上,根据不同频率子带的小波系数对恢复图像的重要程度进行不同处理。实验证明,该方法视觉效果良好,实现了医学图像的无损压缩,有较好的压缩比和压缩效果。     

基于单层小波变换的图像融合压缩感知研究

提出了一种将单层小波变换与压缩感知相结合的图像融合新方法，仅通过测量图像的高频小波系数且保留了低频小波系数，利用不同的方案对低频小波系数和高频小波系数的测量进行融合。结合总变分（TV）最小化算法和融合测量来恢复高频小波系数，运用逆小波变换对融合图像进行重建。实验表明，该方法具有良好的融合性能和较低的计算复杂度。     

基于小波分析的图像增强处理

利用小波变换对图像进行降噪和增强处理,在MATLAB环境下,利用小波的自身特性,降低噪声对图像的影响,尽量保持图像本身的有用细节和边缘信息,保证图像的最佳效果。利用小波变换,采用不同的方法对图像进行仿真,通过对仿真结果进行比较,利用小波分析,图像在不同程度上得到优化,更能适应不同领域人们对图像信息的需求。     

一种基于小波零树的图像编码算法

小波变换因具有良好的时、频局部化性能,在图像压缩编码中得到广泛应用。文章在图像的二维快速小波变换基础上,根据小波系数的特点介绍了一种小波零树的图像编码算法,给出了树中不同类型点的编码数据结构,并用512×512×8的lena图像对算法进行仿真实验。     

Landsat-TM光谱图像数据压缩技术的研究

采用提升格式的整数小波变换，对Landsat-TM图像数据进行小波分解。在分析Landsat-TM图像整数小波变换后系数特点的基础上，将小波变换压缩技术中的零数编码推广到多光谱图像压缩中。采用整数97小波变换同时去除空间与谱间冗余，对单波段图像各个子带小波系数的能量、均值、方差进行了数据统计。由小波系数的相关性，采用3DSPIHT对小波系数进行压缩编码。实验结果表明，该方法的去相关性能良好，压缩效果大大改善。     

基于整型小波变换和嵌入式零树编码的医学图像压缩

对给定的医学图像采用基于“提升”算法的整型小波变换，对变换后的小波域图像编码。编码时，针对医学DICOM标准的数据结构，在小波零树编码的基础上，根据不同频率子带的小波系数对恢复图像的重要程度进行不同处理。实验证明，该方法视觉效果良好，实现了医学图像的无损压缩，有较好的压缩比和压缩效果。     

小波变换在医学图像处理上的应用

小波变换是对傅立叶变换的继承和发展,近年来发展迅速,已广泛应用于图像处理、生物医学信号提取、语音合成、地震信号处理等众多领域.小波变换特别适用于提取微弱、背景噪声较强的随机信号,处理医学图像信号这一类非平稳信源.简要介绍了小波变换的原理和特点,综述了小波变换在医学图像压缩、去噪、增强、边缘提取、图像融合等方面的应用.     

脊波变换及其在图像处理中的应用

Ridgelet是继小波变换(Wavelet)后提出的一种新型的多尺度分析方法。对于图像中的直线状和超平面的奇异性问题,Ridgelet变换体现了比Wavelet变换更好的处理效果。文中给出了Ridgelet变换的概念及其实现算法,将Ridgelet应用于图像去噪,并和小波去噪加以比较说明其优越性。     

用于图象压缩的子波变换的算法结构

在图象信号的传输过程中，为了降低比特率，必须进行图象压缩。数字图象压缩中的一种重要技术是子带编码。子波变换由于其在空间频率的良好局部化性能，特别适合于子带编码。本文从一有限长子波变换的算法结构出发，利用矩阵Ｋｒｏｎｅｃｋｅｒ积的性质提出了一种用于图象压缩的二维有限长离散子波变换的算法结构，并且给出了设计快速子波变换算法的方法。     

多变换域马尔可夫树图像去噪算法*

针对图像去噪时单一变换方法的不足,提出了一种新的基于Contourlet变换和小波变换的多变换分级图像降噪算法。根据Wavelet变换和Contourlet变换系数对图像中不同频带信号的稀疏表示特点,利用隐马尔可夫树（HMT）模型可以描述相邻尺度变换域系数的互相关性。首先使用小波域HMT方法进行第一级降噪,然后将其作为先验估计,利用Contourlet变换进行迭代阈值降噪。通过与几种传统的小波域HMT和Contourlet域HMT去噪算法相比,本算法改善了去噪图像的可视性并使PSNR值有所提高。     

基于二维混合变换(DCT-DWT)的图像水印算法

本文首先分析现有的离散余弦变换(DCT)和小波变换(DWT)结合的数字图像水印算法;然后,给出二维混合变换(DCT-DWT)的定义,性质,算法;最后提出基于DWT-DCT混合变换的嵌入和检测水印的算法。试验结果:该算法有很好的鲁棒性。     

小波变换技术及其在图像压缩中的应用分析

小波变换是一项重要的变换编码技术,它采用多分辨率分析方法,克服了傅氏变换的缺点,解决了时间和频率分辨率的矛盾,具有很好的局部化时频分析特性。多分辨率分析及Mallat算法为小波基的构造和快速变换提供了理论基础。该文阐述了小波变换原理,并实现了在MATLAB环境下图像小波变换压缩的模拟仿真。     

一种基于区域分割和M带小波变换的图像融合算法

针对目前小波域图像融合所存在的问题,文中阐述了一种基于区域分割和M带小波变换的图像融合算法,在图像配准的基础上对各幅源图像进行M带小波分解,由分解结果产生图像纹理向量,对纹理向量进行聚类,形成源图像的多尺度区域分割,通过区域重叠得到指导融合的联合区域分割图像,然后进行图像融合;此算法充分利用了图像中体现象素间关系的区域信息和M带小波变换在能量紧致性和方向选择性等方面的优势;仿真实验表明,该算法的结果不论在主观视觉效果还是在客观评价指标方面都优于传统的二带小波融合算法.     

一种自适应的基于局部小波系数特征的遥感图像融合方法

光谱保持和高分辨率保留是影像融合的两个重要问题。本文提出了一种自适应的基于局部小波系数特征的遥感影像融合方法。该方法在对多光谱影像进行IHS变换的基础上,对多光谱的I分量和高分辨率的全色影像分别进行小波多分辨率分析,而后对分解得到的近似分量以及各层各方向的细节分量利用移动模板逐一提取对应的小波系数矩阵的局部特征,采用本文提出的自适应融合准则在小波域进行影像融合,最后通过小波逆变换得到新的I′分量,与H,S分量一起还原到RGB空间,最终得到融合后的高分辨率多光谱彩色图像。本文采用一组TM多光谱图像和SPOT全色图像数据进行融合实验,利用标准差、熵,光谱扭曲度等5个重要评价指标对融合效果进行数理分析。其实验融合图像的目视效果和统计指标均优于IHS融和方法和小波融合方法。     

一种新的基于多小波变换的图像增强方法

小波分析是目前国际上最新的时间频率分析工具，是信号去噪的强有力处理工具．小波变换可以将交织在一起的混合信号分解成不同频率的块信号．多小波所拥有的对称性、正交性、有限支撑等重要特性弥补了单小波的不足．提出了一种新的图像增强方法，该方法以多小波变换为基础，采用多尺度非线性增强技术进行图像增强．实验证明，增强效果良好．     

基于双正交小波变换的CT/PET医学图像融合

医学图像融合能将不同设备图像的诊断信息综合起来,充分利用各成像设备的优点。不仅可以提高疾病的确诊率,而且可以提高病灶的定位精度,在诊断上具有重要的应用价值。小波变换是图像融合中一种有效的方法。为了避免正交小波产生的相位失真,采用双正交小波对CT-PET图像进行多分辨率分解与重构,并提出一种新的融合算法。实验表明,该方法能有效地将解剖信息和功能信息集成在一起,完好地保留了各图像的信息。