基于小波变换的图像镶嵌技术的研究

提出了一种基于小波变换的图像镶嵌的方法，小波变换具有多分辨分析特性，极适合解决图像镶嵌边缘灰度不连续问题。还提出了一种新的图像边界处理算法，对镶嵌图像边界作了精确处理，保证图像能够完全恢复，该边界处理算法适用于任何基于正交变换的小波数字滤波器，试验表明该方法具有良好的视觉效果。     

基于区间小波编码的图像混沌加密技术

针对图像小波编码混沌加密技术中出现的边界效应问题，提出了基于区间小波编码的混沌加密新技术。相对于传统的图像延拓方法，该方法在小波变换前后，不需要对图像进行特殊的延拓处理，在对图像加密的同时，压缩了图像文件规模，有效地消除了边界效应。此外，调整参数L的大小，可满足对图像恢复精度的不同要求。实验结果表明，在参数L=1时，信号恢复精度已满足要求。     

一种新的线边界检测方法

提出了一种超声图像的多尺度非线性抑噪的自适应线边界检测方法，首先对超声斑点图像进行多尺度分解，然后对高频部分应用非线性软阈值方法来抑制斑点噪声，再利用逆小波变换重建图像，最后采用基于“窄条”的线边界检测方法对降噪图像进行处理，以不同方向与大小的“窄条”来近似组织边界，其中“窄条”的大小由基于区域增长的局部统计特性决定．仿真实验与组织超声图像验证了此方法在抑制斑点噪声与增强边界方面具有良好的性能．     

无边界效应D小波软阈值法去除肉品图像斑点噪声

肉品图像中的斑点噪声与肌内脂肪的颜色特征相似,要准确提取肌内脂肪,就必须先对斑点噪声进行滤除。在小波软阈值法滤除SAR图像中的斑点噪声算法基础上,结合肉品图像的特点进行了改进。首先,使用由耿则勋提出的算法,在小波分解时对左右边界进行处理,重构时外推值为0,对离散小波变换的边界效应进行处理,精确重建图像,消除小波变换的边界效应。选择了D8小波,3级分解后,在不同的阈值下进行了实验。结果表明:阈值的选取影响去噪效果,但在所有参数都相同时,改进算法消除边界效应的同时,在斑点指数和方法噪声两个客观评价指标均优于其他几种边界延拓方式,图像失真最小。     

图像小波边缘检测中边界处理的研究

工程应用中需要处理的信号通常都局限在有限的时域或频域之中。在处理这些数据时，多数变换方法都要求在边界处做某种延拓处理，小波变换也不例外。而传统的延拓方法在前后两个边界处都会产生伪边缘，并且在延拓时还需考虑滤波器系数长度的奇偶性。为了解决这些问题，文章对图像小波边缘检测中传统的边界处理方法进行了研究，并对其进行了改进，即采用右边界延拓法消除了左边界处的伪边缘，减少了伪边缘的数目。在此基础上又进一步提出了右边界右端点延拓法，在边缘检测中取得了非常好的效果，不仅消除了传统边界处理方法产生的伪边缘，而且在延拓时不需要考虑滤波器系数长度的奇偶性，为实际工程应用带来了方便。     

基于小波的小尺寸物体的图像边缘提取方法

基于小波变换的“多分辨”特性，采用一种利用小波模极大值，找到图像中的边界点，从而实现对灰度图像的边界检测的方法，通过分析图像中是否有灰度突变特征，来判断边界的存在。在进行边界检测之前。首先要滤除原图像的寄生噪声的干扰。实验结果表明：基于小波变换的边界检测方法可对图像边界进行敏锐提取，从而得到小尺寸物体的图像的细微特征。     

有限长度信号Mallat算法的边界延拓方法

处理有限长度信号时需要对其边界做某种延拓处理.本文在对Mallat算法分析的基础上,研究了有限长度信号Mallat算法中常用的4种边界延拓方法,并详细推导了4种边界延拓方法实现小波变换的一般过程.详细讨论了对称延拓中的2种延拓方式,分别就滤波器长度和信号长度为奇数或偶数的情况进行了研究.在周期延拓和对称延拓中,为了使多级分解与重构顺利进行,引入一个二元标示序列,使得小波变换便于编程实现.最后以bior4.4双正交小波给出实例,计算结果表明,在保持信号长度不变的情况下,按本文延拓方法能实现完全重构.     

边界保存的二进小波图像去噪算法

根据小波变换系数与图像边界的关系,提出了一种基于二进小波变换的图像去噪算法。首先用二进小波在不同尺度上分解图像,在低频部分上提取图像边界,根据图像边界与小波系数的关系,估计对应尺度上高频部分的噪声的方差,用Oracle估计子估计图像的二进小波系数,用估计出的二进小波系数重建图像。实验表明,该算法能够有效地去除各种分布的图像噪声。     

基于小波变换图像鲁棒性水印算法

立足于灰度数字图像的研究方法，在彩色数字图像中嵌入二值水印。先将彩色数字图像转换到YUI颜色空间上，利用离散小波变换对Y分量进行多级变换，然后在小波分解后的中频系数中嵌入水印信息，嵌入前后彩色图像区别不大；在水印检测时，不需要原始图像参与，实现了盲提取。经过实验证明，该算法对常见的信号处理与攻击，诸如图像剪切、噪音污染、中值滤波、均值滤波、JPEG压缩等操作，具有较强的鲁棒性。     

边界镜像对称延拓双正交小波变换矩阵的构造

计算小波变换的Mallat算法需要进行逐级分解和重构,对于有限长信号的小波变换来说,为了保证其完全重构,有必要对其进行边界延拓。基于边界周期延拓的小波变换算法极易实现,也常见于文献,而边界对称延拓较周期延拓则更适合用于信号和图像的处理,但基于边界对称延拓的小波变换矩阵实现方法却很少出现在文献中。为了用矩阵-向量乘积实现信号的小波变换,给出了一种在信号镜像对称延拓方式下,任意深度小波变换矩阵的构造方法,并证明了该延拓方式下实现Mallat算法的完全重构条件。作为实例,绘出了B ior3.3小波的分解和重构矩阵的基向量及波形图。将构造的变换矩阵用于基于小波的图像处理中,不仅可以避免逐级迭代,大大简化运算量,而且边界效应也明显减少。     

基于新阈值函数和小波分析的数字图像去噪方法

在数字图像处理过程中消除和减弱噪声对信号具有很重要的影响。中值滤波是传统的减少图像噪声,提高图像质量的可行方法。文章研究了中值滤波及其改进算法在图像去噪中的应用,基于小波分析基础理论和数字图像信号的小波变换分解重构原理,通过对小波分解系数选定恰当的阈值并进行阈值量化,基于小波分解后的高低频系数进行信号重构,从而有效去除或降低信号的噪声。本文采取的算法在MATLAB仿真平台进行了验证,结果表明,基于本文提出的阈值函数和小波分析处理方法对图像去噪具有更好的适应性,能够更好的改善数字图像的质量。     

Wavelet-based image interpolation using multilayer perceptrons

Changing the resolution of digital images and video is needed image processing systems. In this paper, we present nonlinear interpolation schemes for still image resolution enhancement. The proposed neural network interpolation method is based on wavelet reconstruction. With the wavelet decomposition, the image signals can be divided into several time–frequency portions. In this work, the wavelet decomposition signal is used to train the neural networks. The pixels in the low-resolution image are used as the input signal of the neural network to estimate all the wavelet sub-images of the corresponding high-resolution image. The image of increased resolution is finally produced by the synthesis procedure of wavelet transform. In the simulation, the proposed method obtains much better performance than other traditional methods. Moreover, the easy implementation and high flexibility of the proposed algorithm also make it applicable to various other related problems.     

基于PDF417和提升小波的数字图像水印算法

根据PDF417与提升小波变换的特点,提出一种基于PDF417和提升小波变换的数字图像水印算法。首先将水印信息进行PDF417编码,并在密钥控制下进行混沌序列置乱后得到二值水印图像;最后使用小波提升技术对原始图像进行小波三级变换,在小波变换域低频子带中嵌入二值水印图像。实验结果证明:该算法能很好地保持图像质量,对常见的图像处理具有很强的鲁棒性,同时不仅能保持传统小波多分辨率图像水印的优势,而且处理速度更快,对图像尺寸没有特殊要求。     

基于Curvelet变换的图像压缩感知重构

压缩感知主要采用离散余弦变换(DCT)和正交小波进行图像的稀疏表示,但是DCT时频分析性能不佳,小波方向选择性差,不能很好地表示图像边缘的信息。为此,利用Curvelet变换具有的多尺度、各向奇异性、更高稀疏表示性能等特性,提出基于Curvelet变换的图像压缩感知重构算法,采用Curvelet对图像进行稀疏表示和小波域阈值处理,以此解决信号重构噪声问题。实验结果证明,与传统小波变换和Contourlet变换相比,该算法在Lena图像上峰值信噪比平均提高了1.86 dB和1.15 dB。将Curvelet变换应用于压缩感知,能使图像边缘和平滑部分得到最优的表示,图像细节部分重构效果得到大幅提升,有效提高图像整体重构质量。     

一种基于小波变换的静止图像编码方法

随着小波分析的理论研究水平不断提高,其应用领域也在不断地扩展。特别是在信号和图像处理方面,由于小波变换具有良好的时频局部化性能,使其在该领域有着广泛的应用。本文通过对小波函数、多分辨分析等小波变换的有关概念和理论的介绍,以及对矢量量化方法的分析,提出了一种基于小波变换和矢量量化的图像编码方法,并在计算机上模拟实验,得到较好的重建效果。     

小波变换在图像处理中的应用

数字图像处理是将图像信号转换成数字信号,并利用计算机对其进行处理的过程。小波变换技术已广泛地应用于数字信号处理领域。对小波变换在数字图像处理技术中的应用进行了研究,并对以后的发展进行了展望。     

基于混沌序列的整数小波域鲁棒水印算法

首先对图像的蓝色通道进行整数小波分解,然后将二值化后的混沌序列经扩频处理作为水印信息,将此水印信息叠加在中频系数上,最后进行整数小波逆变换重构蓝色通道,合并三通道得到水印图像。由于混沌序列对初值具有极强的敏感性,攻击者很难从一段有限长的序列推断出混沌系统的相关参数,确保水印信息的安全性。整数小波变换的优良特性使图像在嵌入适量水印信息后拥有较低的细节损失率,实现了对彩色图像的高保真水印嵌入。实验结果表明,水印信息具有很好的透明性,对有损压缩、噪声干扰等常见的水印攻击具有较强的鲁棒性。     

从广义采样、小波到压缩感知

采样是对模拟信号进行数字化处理的关键环节。近年来,信号带宽及信息传输速率的快速增长致使采用传统采样机理的信号处理方法面临巨大挑战,小波变换与压缩感知等新型信号处理技术应运而生。在这种情况下,有必要从理论上重新审视经典的Shannon-Nyquist采样定理,研究具有普适性的信号表达与采样重构理论。本文从信号空间投影与函数表达的角度分析了信号表达的本质,介绍了Shannon传统采样与重构理论,以及由Papoulis提出的经Unser等所推广的广义采样与重构理论。从数学上重点探讨了小波变换（Wavelet transform）和压缩感知（Compressed sensing,CS）等现代信号处理及变换方法与广义采样的一致性。同时,通过线性调频(Linear frequency modulation, LFM)信号的实例仿真,说明采样与重构的关系以及在各个方法之间的异同性。     

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.     

一种快速离散小波变换算法及其在语音信号中的应用

随着小波分析的理论研究水平不断提高,其应用领域也在不断扩展。特别是其多分辨率分析和Mallat算法在数字信号处理和数字通信中得到了广泛的应用。但是如果直接按照上述算法计算信号的小波分解和重构,其计算量将是很大的。通过对实序列的快速傅里叶变换(FFT)算法的推导及Mallat算法原理的分析,根据离散小波变换算法结构特征,提出了一种基于FFT的快速离散小波变换算法,并从数学理论上进行了论证。同时把该算法应用到实际的语音信号处理中,得到了很好的快速分解和重构效果。