基于小波的图像插值研究

借助图像的小波变换，提出了一种新的图像插值方案，该方案利用图像小波分解后高低分辨率子带之间存在的相似性，由低分辨率子带插值近似高分辨率子带，从而得到比原图像分辨率高的图像。结合三次B样条插值，实验结果令人满意。     

子带技术在超声弹性成像中的应用研究

为了降低超声弹性成像噪声,提出将超声回波射频信号分割成几个子频带信号,然后分别对每个子频带信号进行应变估计得到子应变图像,最后将这些子应变图像叠加平均起来得到一个复合后的应变图像。先在理论上描述了该子带方法,然后在一个商用的超声弹性成像系统上,在一个仿真人体组织的弹性成像模型上测试和验证该方法的有效性,实验结果表明该子带方法可以提高应变图像质量,弹性信噪比提高了18%左右,对比噪声比提高了42%左右。     

基于小波变换与双线性插值图像配比算法研究

插值算法常用在图像缩放中的像素点处理,目的是为了减少图像的失真和模糊.插值缩小技术可以使图像用小的信息量涵盖原图像的重要信息.插值放大技术可以使图像的分辨率提高,但同时容易出现块状和锯齿现象.为了尽量使复原图像更接近原始图像,它分析现有的常用三种插值算法(最近邻点插值、双线性插值、双三次插值),同时结合小波变换思想,提出了一种小波变换与插值的图像复原配比新方案.大量实验表明与传统的直接双线性插值复原图像以及小波与双线性插值结合重构图像相比,新方案的峰值信噪比、像素差值比、均方差都具有更为突出的优势.这种方案能有效提高图像复原的效果,并且具有普适性和灵活性,适合各类格式及尺寸图像处理.     

基于小波变换和插值的超分辨率图像处理算法

根据图像小波变换和插值处理的特点，提出了一种将小波分解与插值算法相结合的图像插值处理方法，以提高图像的分辨率。通过实验表明：该方法能够较好的保持原图像中丰富的高频信息，经插值处理并小波重建后提高了图像分辨率，而且图像主观上具有很好的视觉效果，客观上具有较高的信噪比，并图像中细节丰富，无明显的畸变，因此它也是超分辨率图像处理的一种行之有效的方法。     

基于小波变换与曲波变换的图像插值

提出了一种组合小波变换与曲波变换稀疏约束的图像插值算法。利用小波变换对图像纹理成份和曲波变换对图像卡通成份的稀疏表示特性,首先将图像插值问题转化成稀疏约束的图像重建问题,然后通过迭代投影对复原最优化问题进行求解,从而实现成份自适应的图像插值。实验结果表明,相比于现在有图像插值算法,本文算法可以显著地提高被插值图像的峰值信噪比(PSNR)和视觉质量。     

基于均匀多通道子带变换的图像水印算法

提出了一种基于多通道均匀滤波器组子带变换的水印嵌入方法 . 利用中低频带信号在变换处理中不易失和人眼不易察觉变化的性质 ,选择部分中低频带信号嵌入水印 ,实验表明该方法具有很好的不可见性和鲁棒性 .     

基于核典型相关分析的图像放大算法

为了更有效地映射高、低分辨率图像到变换域,提高图像的分辨率,给出一种基于核典型相关分析的单幅图像超分辨率放大算法。首先将训练高、低分辨率图像块矩阵映射到变换域上,利用核典型相关分析得到最优的变换域基向量,然后在该变换域上重建测试低分辨率图像,再转换到原空间上得到初始放大结果,最后利用迭代反投影算法进一步提高图像的质量。实验结果表明,新算法可提高图像的分辨率,并能重建出图像较多的细节,人工痕迹少。     

基于小波变换与Bézier曲面插值相结合的图像插值方法

为提高遥感图像的分辨率,提出首先对图像进行小波分解,然后对小波分解后的相应高频子带进行B啨zier曲面插值,再通过小波逆变换后获得高分辨率图像的图像插值方法.实验结果表明:该方法较好地保持了图像中丰富的高频成分,插值后的图像具有很好的视觉效果和较高的信噪比,克服了传统的插值方法使图像高频部分损失、细节被模糊的缺点;该算法结构简单、易于快速实现,是一种行之有效的超分辨率算法.     

一种新的NSCT超分辨率图像复原技术

考虑到非下采样Contourlet变换具有多尺度性和多方向性,提出了一种基于非下采样Contourlet变换的图像复原算法.首先对给出的序列低分辨率图像进行图像配准,对配准图像进行非下采样Contourlet变换,分解成低频及高频部分,对低频和高频分别采取不同的融合策略进行融合,再对融合后的高频和低频进行非下采样Contourlet变换逆变换得到融合图像.对融合后的图像再进行非下采样Contourlet变换,分别对高频细节和低频进行插值,再经非下采样Contourlet逆变换复原成高分辨率的图像.实验表明,该算法在主观效果和客观评价上均优于传统复原算法,是一种可行的图像复原新算法.     

马尔可夫模型与Shearlet变换结合的SAR图像超分辨率复原方法

为了不改变成像硬件条件,通过软件方法提高SAR图像分辨率,提出一种马尔可夫随机场(MRF)模型和Shearlet变换相结合的超分辨率复原方法。该方法分为两个过程,训练过程和学习过程。在训练过程中,首先对训练库中的高、低分辨率图像进行Shearlet变换,提取不同方向、不同分辨率的中、高频信息,然后对不同方向的中、高频信息进行分块。在学习过程中,使用Shearlet变换提取待复原图像的中频信息并对其分块,然后在训练库的辅助下,使用MRF建立图像特征模型,最后通过最大后验概率(MAP)估计出各个方向的高频信息,将估计出的高频信息和待复原的低分辨率图像叠加到一起进行Shearlet反变换,最终获得高分辨率图像。通过对真实SAR图像的处理结果表明,无论是主观的视觉效果还是客观的指标上,本文提出的方法都取得较好的结果,优于传统插值方法以及目前最新的基于稀疏表示的超分辨率方法。     

可重建丢失信元的ATM网络图象分层编码

从ＡＴＭ网络出发，提出了一种基于子带的图象分层编码技术。通过子带分解，将图象信息分为低频带和高频带两层，对低频带采用标准化的运动补偿帧间预测、ＤＣＴ和变字长编码（ＶＬＣ），以保持兼容性；对高频带，则根据其特点，用视觉模式进行边缘编码。与ＡＴＭ信元的优先级对应，低频带信息通过高优先级信元传输，而高频带信息有丢失的可能，通过低优先级信元传输。模拟实验说明，这种方案可以减小信元丢失对图象质量的影响。最后，我们提出了一种新的重建丢失信元的边缘定位补偿算法，对丢失的高频子带从视觉意义上给予恢复。     

Selective image enhancement method for low energy target information area

A selective subband enhancement method based on biorthogonal wavelet base is proposed. This novel image enhancement method is just for those images in which the energy of target information area is relatively lower. It includes two parts： one is enhancing the low frequency subband by wavelet decomposition and the other is building a new criterion based on entropy window to image evaluation. Experimental results show that this new scheme may result in a perfect image processing.     

基于小波子图和决策融合的人脸识别算法

提出了一种基于小波子图和决策融合的人脸识别算法。首先将图象进行适当层数的小波分解 ,每次分解只取最低频子图。然后对低频子图再进行一次小波全分解得到不同方向的四个子图。在这四个子图上分别进行传统的主分量分析 (PCA)或者进行傅立叶变换(即频谱脸算法 ) ,可得到四个识别结果 ,再跟据一种决策融合方案得出最终的识别结果。最后 ,我们用 Olivetti人脸数据库对本文的算法与传统的 PCA算法 ,基于单一小波子图的PCA算法以及频谱脸算法进行了比较。实验结果显示 :应用了多个小波子图以及决策融合方案后 ,识别率都有一定的提高     

联合Contourlet和Bandelet的变换在图像压缩中的应用

针对小波变换方向选择性差的局限,提出了一种基于Contourlet的Bandelet变换．该变换首先通过小波变换把图像分解成不同频率的子带,接着用方向滤波器组把高频子带分解为多个方向子带,之后对每个方向子带进行Bandelet变换．这种多方向多尺度临界采样的变换能更稀疏地表示图像边缘和纹理等几何特征,有利于图像压缩．将JPEG2000的比特位平面和上下文编码方法应用到量化后的变换系数上实现了图像压缩．实验结果表明,对于纹理和边缘丰富的图像,提出的压缩算法优于JPEG2000．     

Improved Region Energy Based Image Fusion Rule for Multi-focus Image Fusion

In this paper, we propose a novel improved region energy based image fusion rule. The original images are firstly decomposed by using the lifting scheme of wavelet transform into four sub-bands： LL, LH, HL, HH, by studying principles and characteristics of the wavelet subbands, and we put emphasis on the high frequency subbands. Thus HH, HL, LH sub-bands, which represent three direction of high frequency details, are weighted by different size of three direction Gaussian kernel, then the energy based image fusion rule is applied with a optional size of window, thus the activity level of high frequency subbands are obtained, followed by a local region matching degree in the corresponding direction and resolution, an activity level of low frequency subband is calculated, then perform consistency verification on the selected wavelet coefficients, by doing the inverse wavelet transform the fused image is obtained. The performance of the proposed novel image fusion scheme is conducted and compared with a few existing image fusion algorithm, the experimental results show Keywords：     

基于多小波阈值收缩与子带增强的图像去噪

为保证在图像去噪的同时,尽量保留图像的边缘特征,提出一种新的基于多小波阈值收缩与子带增强相结合的图像去噪方法.该方法以多小波变换为基础,将变换后的多小波系数分为噪声相关系数和边缘相关系数,对变换系数进行软阈值多小波收缩消去噪声相关系数;阈值收缩是非线性变换,对图像边缘有平滑作用,因此,该方法提出在阈值收缩后进行线性的子带增强,增强边缘相关系数.实验表明:与单一的阈值收缩方法相比,该去噪方法不仅保留了图像的边缘特征,而且提高了去噪图像的峰值信噪比,优于普通的阈值收缩方法.     

Modified BM3D algorithm for image denoising using the directed diffusion equation

In order to preserve the edges and details of the image better, a modified block-matching and 3D filtering algorithm based on the directed diffusion is proposed. First, the block-matching and 3D filtering result is divided into three perpendicular subbands by using the wavelet decomposition. Second, by adding the diffusion operator and diffusion coefficients to the directed diffusion equation, the diffusion speed can be accelerated and edges can not be blurred quickly. Then we diffuse the subband of the high-frequency, of which the wavelet coefficients are less than the threshold to the corresponding subband of the noisy image to get a new estimate. Lastly, by replacing the corresponding subband of the block-matching and 3D filtering estimated image with the new one, we obtain the improved denoising result. Experimental results show that the improved algorithm achieves better performance than the original block-matching and 3D filtering algorithm in terms of both removing noise and preserving the edges and details of the image.