基于二元树复数小波变换的文种自动识别

提出了一种基于二元树复数小波变换的文字种类自动识别技术,相对于传统的离散小波变换,这种小波变换具有近似的平移不变性和良好的方向选择性等特点.在文本图像的特征提取中,可以得到更加稳定和更多方向的纹理特征.在实验中选取了6种语言(中文,英文,日文,韩文,俄文和阿拉伯文)不同格式和字体的文本图像,作实验结果表明:本文算法的识别效果要优于传统的离散小波变换算法.     

基于复数小波域广义高斯分布模型的纹理图像检索

由于在频域用能量参数来表示图像的特征矢量缺乏准确性,而且实数离散小波变换具有平移变化性和弱的方向选择性,为此针对以上问题提出了一种基于复数小波域广义高斯分布模型的纹理图像检索方法。该方法首先利用双树复数小波变换系数的统计特性来建立广义高斯分布的统计模型;然后基于该模型提取图像的特征矢量;最后利用Kullback-Leibler distance(KLD)测度算法进行纹理图像检索。对Brodatz图像库的仿真表明,新方法较双树复数小波算法的查准率提高6.96%,较基于Gabor纹理特征检索法的查准率提高了18.8%。同时复数小波系数统计模型具有旋转不变性。新方法对今后的纹理图像检索具有重要的理论与实际意义。     

基于复数小波域广义高斯分布模型的

由于在频域用能量参数来表示图像的特征矢量缺乏准确性,而且实数离散小波变换具有平移变化性和弱的方向选择性,为此针对以上问题提出了一种基于复数小波域广义高斯分布模型的纹理图像检索方法。该方法首先利用双树复数小波变换系数的统计特性来建立广义高斯分布的统计模型;然后基于该模型提取图像的特征矢量;最后利用KullbackLeibler distance(KLD)测度算法进行纹理图像检索。对Brodatz图像库的仿真表明,新方法较双树复数小波算法的查准率提高6.96%,较基于Gabor纹理特征检索法的查准率提高了18.8%。同时复数小波系数统计模型具有旋转不变性。新方法对今后的纹理图像检索具有重要的理论与实际意义。     

基于小波包框架的纹理分割

本文描述了利用小波包框架变换和包络检测算法提取图像在不同尺度下的纹理特征.该变换是一种冗余的变换,具有位移不变的特点,同时又能对任意感兴趣的尺度范围作进一步的分解.实验表明,利用小波包框架提取纹理的特征优于小波变换或小波框架变换.结合包络检测算法,能达到较高的正确分割率.     

基于对偶树复小波-Curvelet变换的自适应多传感图像融合算法

提出了基于对偶树复小波-Curvelet变换的自适应多传感图像融合新算法.算法将伞色图像和多光谱图像进行对偶树复小波-Curvelet变换分解后,针对不同的频率域特点选择不同的融合规则.对低频系数选取区域能量的加权系数自适应融合规则,对高频系数特性选用了区域特征自适应的融合规则.最后通过重构得到融合图像.将其他的融合算法和本文所提算法进行对比,结果表明,基于对偶树复小波-Curvelet变换的区域特征自适应的图像融合算法是一种有效可行的图像融合算法.     

自适应对偶树复小波－Curvelet变换的遥感图像融合

Curvelet变换克服了小波变换在处理高维信号时的不足,比小波变换具有更好的方向性、较高的逼近精度和更好的稀疏表达性能。因此将Curvelet变换应用于图像融合领域,能更好地提取图像边缘特征,为融合提取更多的特征信息。利用对偶树复小波-Curvelett变换的多尺度和多方向性特征以及自适应融合规则在选取融合系数上的优势,提出了一种基于对偶树复小波-Curvelet变换的自适应遥感图像融合新算法。算法是将全色图像和多光谱图像进行对偶树复小波-Curvelet变换分解后,针对不同的频率域特点选择不同的融合规则,对低频系数选取区域能量的加权系数自适应融合规则,对高频系数特性选用了区域特征自适应的融合规则,最后通过重构得到融合图像。将其他的融合算法和所提算法进行主观和客观的对比,结果表明,基于对偶树复小波-Curvelet变换区域特征自适应的图像融合算法是一种有效可行的图像融合算法。     

基于最大似然估计的自适应图像降噪

应用Stein的无偏风险估计改进Mih？ak等提出的LAWML小波域图像降噪算法。该方法能在每一个子带为LAWML方法确定一个最佳的邻域窗口,也将建议的方法推广到对偶树复数小波变换。实验结果证实,该方法不仅优于LAWML,也优于当前其他一些图像降噪算法。     

基于AdaBoost的计算机生成图像检测算法

提出了一种基于AdaBoost的计算机生成图像检测算法;该算法从空间域和变换域提取JPEG图像的特征值,利用特征组合技术来检测计算机生成图像.其中,小波域特征值是图像小波子带系数及其线性预测误差的高阶统计量,空间域特征是图像的梯度能量特征值.利用AdaBoost算法来构造分类器.相比于其它分类算法,AdaBoost算法是将弱学习算法通过一定规则上升为一种强学习算法,从而通过实际样本训练得到一个识别率较为理想的分类器.仿真实验表明,对计算机生成图像的检测率有了很大的提高.     

基于整数小波变换和嵌入零树的图像压缩算法

小波变换因其具有良好的时、频局部化性能,在图像压缩编码中得到广泛的应用。尤其提升小波的出现使无损压缩成为可能。该文采用整数小波对图像进行四级二维小波变换,根据系数特点介绍了一种小波零树的图像编码算法,给出了具体的算法编码实例,并用512×512的Lena图像对算法进行了仿真实验。     

基于DWT及方向可控金字塔变换的抗几何攻击水印

几何攻击会使水印嵌入与检测失去同步,影响水印的检测。为解决几何攻击造成的水印同步问题,基于方向可控金字塔变换域特征实现了水印图像旋转失真的检测,结合归一化小波树熵掩码及小波域人眼对比敏感度掩码完成了小波超树的自适应调制,实现了水印信息的嵌入,基于小波超树算法的抗缩放攻击能力以及采用方向可控金字塔变换设计,算法能够抵抗缩放攻击和旋转攻击。仿真结果表明,算法对几何攻击具有较强的鲁棒性。     

双树复小波变换结合LM神经网络的掌纹识别方案

针对现有掌纹识别方案不能够很好的提取多分辨率特征的问题,提出一种基于双树复小波变换（DT-CWT）和Levenberg-Marquardt（LM）神经网络的掌纹识别方案. 首先,将彩色手掌图像转换成灰度图像. 然后,提取出手掌图像中的感兴趣区域（ROI）,并构建成直方图. 接着,利用DT-CWT进行6层小波分解并获得特征系数,分别计算特征系数的最大值、平均值和中值构建36维特征向量. 最后,利用LM神经网络根据特征向量实现掌纹的识别分类. 在CASIA数据库上的实验结果表明,相比其他几种较新的识别方案,提出的方案的具有更高的识别率和更少的识别时间.     

图像信息检索系统的设计

对采用基于图像频率特征匹配和图像识别方法来实现图像信息检索进行了研究.先用小波分析作为特征提起方法,由于小波分析具有多分辨率分析的特点,并且在提取图像频域特征的同时,保留了图像的空间信息,因此用它来提取图像特征;而后根据计算量的大小,分别用改进的二维相关性算法和二维动态规划弹性算法进行图像的匹配和识别;用VC 和Matlab混合编程进行系统构建并进行了测试实验.实验结果表明,系统有良好的检索效果.     

一种新的车牌字符快速识别方法

针对车牌字符图像的特点,在研究各种特征提取方法适用场合的基础上提出了改进的特征提取方法和字符识别方法。对于英文和数字,使用一种基于模板匹配和神经网络的车牌字符识别方法。该方法采用两级识别,第一级采用模板匹配识别差别明显的字符,第二级采用BP神经网络识别第一级不能确定的相似字符。对于汉字采用小波变换和LDA提取特征。该方法利用小波变换的特性最大程度地提取了字符图像的特征信息。实验结果表明此算法具有较高的识别率和较快的识别速度。     

基于多通道小波滤波的虹膜识别新算法

为克服小波变换过零检测虹膜识别算法对纹理灰度变化敏感的缺点,利用小波变换多通道滤波的特性,提出了一种新的基于Daubechies-4小波的虹膜识别新算法。根据虹膜纹理分布的特征,将虹膜分成10个分析带,对每个分析带采用一个合适尺度的小波滤波,小波变换各个通道的小波系数的均值及标准差作为虹膜的特征值,最后得到虹膜的128位特征编码。特征匹配采用的是加权欧式距离的分类器方法。实验结果表明算法是有效的,取得了高识别率;同时,提出的算法对虹膜图像的尺度、旋转、平移等的变化具有不变性。     

小波分析和数学形态学应用于指纹处理

本文针对指纹的特殊属性，采用Daubechies小波函数和具有自适应特性的模板平滑方法实现指纹图像的预处理环节，应用图像最佳阈值法得到了二值图像，并采用数学形态学模板细化了指纹图像，为特征点的提取和指纹识别提供了坚实的基础和必要条件，     

基于小波分解和支持向量机的MSTAR SAR目标分类识别研究

对军事目标进行分类是整个SAR ATR过程中最困难的任务。为了进一步提高MSTAR SAR目标的识别效果,在分析了MSTAR SAR图像特点的基础上,提出了一种利用离散小波分解提取目标特征的方法。由于小波分解后的低通近似系数虽然是一种较低分辨率的SAR图像,但是它仍然包含了SAR目标回波的能量,而高通细节系数则包含了目标的细节成份和噪声,因此,可将小波分解后的低通近似系数作为特征,并利用由决策导向循环图扩展的支持向量机来对多类目标进行分类。实验结果表明,即使将3级小波分解后的低通近似系数作为特征,支持向量机的分类精度仍然很高,而且由于特征的数据量较少,因此可使得识别效率得到提高。     

Using wavelet transform and multi-class least square support vector machine in multi-spectral imaging classification of Chinese famous tea

This article presented an intelligent method for recognition of different types of Chinese famous tea based on multi-spectral imaging technique. Two kinds of feature extraction methods including gray level co-occurrence matrix and wavelet transform (WT) were adopted for mining characteristic of multi-spectral image. Then multi-class least square support vector machine models were adopted for classification of multi-spectral image, which has little been used in this domain. Meanwhile the receiver operating characteristic (ROC) curve analysis was used to evaluate the performance of multi-spectral imaging classifier. To explore the structure of the wavelet textural features (WTFs), principal component analysis (PCA) was performed based on all the WTFs, and the most important features were detected through loading weight analysis of PCA. In experiments, the potential of WTFs was confirmed for extraction of characteristic from multi-spectral image with high recognition accuracy of 96.82%. And 18 WTFs were detected as the most important features for recognition by PCA. Furthermore, it can be found that the 18 features were the textural features of “contrast” of wavelet sub-space images. This finding may give great help for later research about multi-spectral image classification. The experimental results indicate that the proposed method is effective for recognition of multi-spectral image of different types of Chinese famous tea, the WT is an effective method for mining knowledge from mass multi-spectral imaging information, and PCA can be used to clear the structure of the WTFs.     

基于小波变换的自适应阈值三维图像分割

图像分割技术是由图像处理到图像分析的关键步骤，应用基本的分割技术很难得到精确的阈值。研究了三维图像分割技术，提出一种自适应阈值三维图像分割技术，先对三维图像分解成一系列二维图像，根据小波变换理论，分析不同分辨率下小波变换的特点，确定分割区域数和分解层次，再由低分辨率开始对每幅二维图像直方图进行小波变换，逐步到最高分辨率，并根据不同分辨率下小波变换结果，由粗到细地自动设定精确的阈值分割每幅二维图像，最后将多幅二维图像合成三维图像。实验表明了该方法的有效性，能够满足目标识别的要求。     

基于小波变换的X射线焊缝图像缺陷识别方法研究

经过长时间的研究发现,在焊缝图像缺陷识别中,传统的方法具有正确识别率低的问题,为此提出了基于小波变换的图像缺陷识别方法。输入获取的X射线焊缝初始图像信息,从帧数叠加、数字形态学变换和图像增强三个方面对初始图像进行预处理,约束小波变换阈值降低图像噪声,最后通过边缘检测,提取焊缝图像当中的缺陷特征。在对比实验当中,设立两种传统识别方法作为实验的对照组,提出的X射线焊缝图像缺陷识别方法为实验组,同时对统一型号的焊接工件进行缺陷识别,实验发现提出的识别方法的正确识别率高达91.8%。     

基于感兴趣区的虹膜定位算法

快速虹膜定位是实现虹膜自动识别系统的基础.利用小波变换后LL频带是图像内容的抽样缩略的性质,只对LL频带的图像进行虹膜定位,基于图像光斑特性选择定位感兴趣区域,用Hough变换定位虹膜内圆,单行梯度最大值方法定位虹膜外圆,然后按比例还原所有的参数值.试验结果表明这些参数与在原始图像中进行虹膜定位得到的参数一致,定位时间大大缩短,说明了该定位算法的有效性.