基于样条插值预测的小波图像压缩方法

本文通过分析小波分解后所得到的离散逼近图与原图的相似性,研究不同层次上各个方向上小波系数之间的相关性,利用小波分解的层次性、方向性以及层次间系数的相似性,提出了一种基于样条函数插值预测的小波图像压缩方法。实验结果表明,在保证视觉质量的情况下,该算法能够有效地减少系数方差和增加小幅度系数的数量,在一定程序上提高了图像压缩比。     

基于离散小波变换的信号分解与重构

为数值计算简化和理论分析简便,在实际信号处理应用中,需要对小波变换进行离散化处理。介绍了傅里叶变换与小波变换的基本理论,以及离散小波变换在信号分解和重构过程中的原理及方法。利用MATLAB小波工具箱中提供的函数分别对一维信号和语音信号进行分解与完全重构,并对结果进行分析比较。仿真结果表明,用离散小波变换进行一维和语音信号分解时均可有效地获取其平均相似信息和细节信息,重构信号与原始信号相比损失较少,分解和重构均得到了很好的效果。     

一种基于提升小波分解图像融合方法

提出一种新的基于自适应提升小波变换的图像融合方法。基于信号局部结构特征的相关性和方向性,采用自适应提升策略构造小波;利用提升小波对图像的低频和高频分量进行分解,在两幅图像配准的前提下,将小波系数合并,进行小波逆变换,得到融合后的图像;引入融合对称度来判断融合方法的性能。比较融合后图像的熵、相关函数和融合对称度性能指标,提升小波变换方法优于直接平均法和Symmlets小波变换方法。     

基于离散小波变换的图像修补方法*

根据多尺度分析原理,提出了基于离散小波变换的图像修复方法.首先用离散小波变换把图像分解为高频成分与低频成分,对图像不同频率的成分分别进行修补.图像的低频部分采用笔者以前所提出的结合中值滤波和基于曲率扩散方法[1]进行修复.由于高频部分地表示图像的边缘轮廓信息,并且有很强的方向性,对高频图像数据先进行分块,用线性拟合求出每一块的方向,再根据方向信息进行修复.实验表明,该算法能较好地修补破损区域.     

Contourlet变换在图像压缩中的应用研究

目前基于小波变换的图像压缩方案比较普遍.而二维小波只是一维小波的张量积,基函数的支撑区域由区间扩展为正方形,只有有限个方向.Contourlet变换是一种图像的多尺度几何分析工具,能够稀疏表示图像,非线性逼近能力很强,它的基函数则具有方向性,各向异性.本文在分析了Contourlet变换的基础上,对变换后的重要系数和其位置进行了编码.对标准图像barbara进行测试,实验结果表明:基于Contourlet变换的方案和基于小波变换的方案相比,峰值信噪比平均提高约0.5dB,且采用Contourlet变换能够较好地保留图像中的纹理,图像的主观视觉质量较好.     

Contourlet与小波域鲁棒性水印算法性能比较

与小波变换不同,Contourlet变换通过各向异性基实现了图像的多尺度多方向性分解,更能捕获图像的曲线奇异性和匹配人类视觉特性。通过分解系数的视觉显著性决定水印强度,不同子带自适应地嵌入水印信号,提出了一种鲁棒性感知水印嵌入算法;该算法在小波分解和Contourlet分解的两种多分辨率框架下对常见水印攻击进行了实验测试。实验结果表明,在同等水印嵌入算法情况下,基于Contourlet和基于Wavelet变换的水印算法都能够抵抗常见攻击手段,但是Contourlet变换算法具有更高的安全性、鲁棒性和不可见性。     

基于离散平稳小波和非下采样方向滤波器组的纹理分类

结合小波变换的多尺度性和Contourlet变换的多方向性,提出了一种新的基于离散平稳小波变换和无下采样方向滤波器组(stationary wavelet transform and nonsubsampled directional filter banks,SWT-NSDFB)的纹理分类方法,采用具有平移不变性的离散平稳小波先进行多尺度分解;然后对每层分解得到的高频子带采用非下采样方向滤波器组进行多方向分解,再计算低频子带和各层方向子带的能量作为纹理特征;最后用支持向量机实现纹理分类。实验结果表明,该     

一种加窗的双重局部维纳滤波图像去噪算法 ——基于SWT和DTCWT

提出了一种基于静态小波变换和对偶树复小波变换的加窗的双重局部维纳滤波图像去噪算法。在第一次局部维纳滤波中,用静态小波变换对含噪图像进行分解,然后利用椭圆方向窗来估计不同方向子带的各点信号的方差;在第二次的局部维纳滤波中,第一次局部维纳滤波恢复后的图像被对偶数复小波变换分解后,利用由子带能量自相关函数确定的自适应窗来估计不同方向子带的各点信号的方差,然后利用逆对偶数复小波变换对图像进行恢复。实验结果及分析表明了该去噪算法的有效性。     

小波分解在图像放大缩小中的应用

首先介绍了几种常用的图像放大与缩小的内插算法,然后介绍了小波分析的性质,小波的 Ｍａｌｌａｔ算法在一维的分解和重构公式,并且在此基础上提出了利用小波分解进行图像的放大与缩小的方法,最后简单比较了内插算法与小波方法,指出了利用小波分解的优点。     

基于Contourlet变换的纹理特征提取及纹理分类

通过对传统小波多方向性缺失和Contourlet变换系数稀疏性的分析,提出运用方向性小波Contourlet分析纹理特征,以自组特征映射神经网络(SOM)处理Contourlet变换系数的重组序列.对SOM网络输出层codebook矩阵进行奇异值分解得到纹理图像特征向量的方法进行纹理分类,在充分利用图像各尺度方向信息的基础上,有效提取了图像纹理特征.实验结果表明,该方法分类效果显著,Contourlet变换比传统小波分解更适合于图像纹理特性的分析.     

一种基于小波的图像数字水印方案

文章提出了一种在小波变换域中给图像加水印的方法,并且该方法在水印检测中不要求使用原始图像。利用小波变换把图像在独立的频带和不同空间方向上进行分解,通过在合理选择的频带系数上嵌入水印。由于小波的时频局域性及与人类视觉系统特性相结合的特点,使得可隐含地使用视觉掩蔽。所以该方案能在保持良好的图像质量的同时大大减少计算量。     

复小波域维纳滤波与偏微分扩散相结合的图像去噪方法

针对图像噪声的去除,提出了一种基于复数小波域上的多方向窗维纳滤波与偏微分方程保持边缘细节相结合的方法。针对小波域维纳滤波的方向性差,去噪后图像容易产生哑铃效应,该方法首先进行双树复数小波变换,集中6个方向上的图像信号能量,之后,再在该6个方向上进行方向维纳滤波,对图像进行初步去噪,再以此引导偏微分方程中的扩散函数,实现各项异性进行扩散,最大限度地在保持图像细节的同时,去除噪声。实验结果表明,该方法的峰值信噪比,以及视觉质量都较复小波去噪或各项异性非线性扩散去噪方法有明显的改善。     

快速小波变换在DSP中的实现方法

小波分析是分析非稳定信号的一种非常有泖的方法。Ｍａｌｌａｔ快速算法使得小波分析的广泛应用成为现实。在实时信号分析中,离散小波变换在ＤＳＰ上的有效应用受到了特别的关注。本文简单介绍了ＦＷＴ,详细阐述了在ＤＳＰ上ＦＷＴ的周期性扩展的实现。其中,特别介绍了ＤＳＰ的循环寻址。最后,给出了针对ＴＩ公司的ＴＭＳ３２０Ｃ３Ｘ系列ＤＳＰ的相应的江编代码。     

一种基于小波方向对比度的多聚焦图像融合方法

人类视觉系统对于图像的局部对比度非常敏感,如果把小波变换和方向对比度结合起来,融合效果可能更好。在研究了方向对比度后提出了一种新的基于小波方向对比度的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,然后在每幅图像的每个分解层上,分别计算高频子带每个像素的邻域均值和低频子带的邻域均值之比,其中该分解层的低频子带是由上个分解层的低频子带和高频子带求2维离散小波逆变换得到,采用两者之比较大者所对应的高频子带系数作为融合后对应的小波系数,然后从最高分解层到最低分解层依次对得到的高频小波系数和该分解层的低频小波系数求2维离散小波逆变换,最终得到融合后的图像。这种方法考虑了邻域内像素的相关性,减少了融合像素的错误选取。实验结果表明,该方法的融合效果比针对每个像素求小波方向对比度的多聚焦图像融合方法的融合效果得到提高。     

二元树复小波变换及其在图象方向滤波中的应用

复小波变换虽然具有良好的方向选择性和平移不变性 ,但不具备完全重构性条件 ,而二元树复小波变换(DTCWT)正好解决了这一难题 .在分析二元树复小波分解后的 12个高频子带方向性的基础上 ,利用其良好的方向选择性提出了一种对线形纹理图象进行增强滤波的方法 .该方法借助于小波变换域的方向解析性 ,在各子带中保留图象中各局部主方向的信息而滤除其他方向的噪声 .利用该方法进行滤波还可以避免对信号和噪声频率特性和统计特性进行估计 ,从而大大减小了滤波的复杂程度 .以指纹图象为例的实验结果表明 ,该方法效果较好 ,便于实现 ,尤其适用于噪声特性复杂的纹理图象的滤波 .     

小波变换在SPOT5全色与多光谱图像融合中的应用

离散小波变换可以将图像分解成为一系列具有不同分辨率特征、频率特征和方向特性的子带信号,并且将图像的光谱特征和空间特征分离,从而为不同分辨率的遥感图像融合提供了有利条件。采用小波变换融合方法对SPOT5全色与多光谱图像进行融合处理,以提高图像的空间信息质量和光谱质量为目的。通过对融合结果图像进行主观和客观的综合评价,可得出融合前后图像灰度均值变化很小,灰度标准差、熵和清晰度三者变化趋势一致;当小波分解层数为3时,融合图像的光谱质量与空间质量之间达到较好的平衡,同时融合图像的视觉效果良好。     

基于突变微粒群算法的图像融合技术

文中利用突变微粒群算法进行图像融合;将图像融合问题转化为优化问题,通过使目标函数(平均梯度)最大以求得好的融合效果;并以离散平稳小波变换代替传统的离散小波变换,以克服离散小波变换缺乏平移不变性的缺点;先对源图像进行离散平稳小波分解,细节部分利用能量系数矩阵进行融合;对于近似部分,利用突变微粒群算法求出最优权值对近似部分进行加权融合;实验结果表明,该方法的融合效果优于传统的融合算法。     

基于双树复小波的色谱重叠峰分解方法研究

针对色谱分析中重叠峰的分解问题,提出一种基于双树复小波变换的色谱重叠峰分解方法。首先深入研究了双树复小波变换相较于离散小波变换的优越性;然后利用双树复小波变换分解与重构模拟色谱信号,计算分离度、峰位和峰面积,与离散小波变换的结果对比,并对噪声信号进行测试;最后利用双树复小波变换分解与重构实验所测得的色谱信号。实验结果表明,双树复小波分解色谱重叠峰比一般的实数小波准确,能够有效地分离重叠峰,分解后峰形平滑对称未发生畸变,峰位相对误差与峰面积相对误差较小,适合定性定量分析。     

基于混沌特性和视觉模型的小波数字水印算法研究

为了提高水印信息的隐蔽性和安全性，基于混沌序列的优良特性和人眼视觉系统模型，提出了一种用于图像数字水印嵌入和检测的算法。首先利用小波变换对图像进行多级分解，然后结合混沌序列的白噪声统计特性和人眼视觉对比度敏感性函数(CSF)，将混沌水印信号嵌入到从低分辨率到高分辨率的高频子带中对图像视觉影响较大的小波系数中，最后通过逆小波变换产生嵌入水印的图像。由于混沌序列对初值具有敏感性。攻击者很难从一段有限长度的序列推断出整个混沌序列的初始条件，因此可保证水印信息的安全性。同时算法结合了人眼视觉模型，有效地保护了图像的低频部分和强边缘部分。从而确保了加密图像的视觉效果。实验结果表明，嵌入水印后的图像具有很好的不可见性，同时对常见的信号处理和噪声干扰具有较好的鲁棒性。     

基于超混沌和小波变换的鲁棒性水印算法

提出了一种基于连续超混沌系统和离散小波变换(DWT)相结合的鲁棒性数字水印算法。该算法利用连续超混沌系统产生的超混沌序列生成密码对水印图像加密,同时根据人类视觉系统(HVS)的特性,对宿主图像在YIQ色彩空间中的Y分量进行多级离散小波变换后,将加密后的水印图像嵌入到宿主图像Y分量的DWT中频子带中。实验结果表明算法同时具有良好的鲁棒性和不可见性。