网格结构上图象小波变换的并行算法

为提高大图象小波变换的速度,本文设计了一种网格结构上图象小波变换的并行算法,其特点是负载平衡,且通信只在少数几个处理机间进行,通信量小,因而算法效率高。     

小波变换及在图象处理中的小波特性分析

小波变换是近几年发展起来的集数学、科学计算及信号处理于一体的新理论，其核心是多分辨率分析。本文全面综述了小波变换作为多分辨率图象处理新工具的发展过程、小波变换的定义、信号／图象的多分辨率小波分解及图象多分辨率分解所表现的多尺度特性、局部化分析特性及方向选择性等。     

图象处理中小波变换的边界数据恢复

小波变换已广泛应用于数字图象处理的许多方面。小波变换中边界数据的恢复对最终图象的质量有着严重的影响。如何处理奇样本时小波变换中的右边界数据，还没有一般的解决方法。本文结出奇样本的右边界处理的两种一般方法，并从理论上证明使用该方法可使右边界数据完全恢复，从而大大改善了最终图象的质量。实验结果也证实了一结论。     

一种新的并行离散小波变换算法

小波变换在信号处理、图象处理、模式识别、信息融合等方面得到了越来越广泛的应用。但是,时至今日,还缺乏对基于计算机网络的并行小波算法的研究。本文基于这方面的研究,提出了一种算法,仿真实验表明,本算法能很好地实现计算时间、占用空间、变换效果等方面的辨证统一。     

用于图像处理的二元同步并行小波变换算法

小波变换可以有效的用于图像的特征提取 ,但二元小波变换的计算量随其阶数的增加呈指数级增长。本文提出小波变换并行算法 ,并在银河系列并行计算机上进行了图像特征提取的实验 ,结果表明计算时间明显减少。     

用于图像处理的二同步并行小波变换算法

小波变换可以有效的用于图像的特征提取,但二元小波变换的计算量随其阶数的增加呈指数级增长。本文提出小波变换并行算法,并对银河系列并行计算机上进行图像特征提取的有计算时间明显减少。     

基于小波变换的滤波方法

小波变换正在众多学科掀起研究和应用热潮，并已获得了许多成功的应用。本文系统地研究了小波变换在滤波方面的应用，根据不同类型的噪音，给出了基于不同小波变换的滤波算法，并研究了其滤波原理。仿真结果表明，小波滤波方法不仅能实现各种滤波功能，而且简单易行，是一种有效的滤波手段。     

用于图象压缩的小波变换电路研究

小波变换已经被新一代图象压缩国际标准JPEG2000所采用.如何有效地实现小波变换电路是影响其推广应用的关键技术之一.本文提出一种通用型基于提升滤波和分时处理的流水线式电路结构,它可以用较少的运怂算电路实现小波变换.其中,在图象块的边界处理上,设计了一种简捷的延时、选通结构.对于JPEG2000无损压缩选用的(5,3)小波变换,本文在FPGA电路平台上进行了实验,实现了无损变换.     

小波变换用于催化剂表面图象的局部特性分析

文中讨论了催化剂表面ＳＥＭ图象关于多重分形生长过程的局部奇异性分析，通过小波变换获得的局部奇异强度，比描述整体的单一分形维数和奇异谱，能提供更加准确的Ｈｏｌｄｅｒ指数绝对值和空间定位，用奇异强度直方图描述了图象上分形测度的分布，进而确定了催化剂表面活性区域的分布。     

小波图像边界处理方法的研究

随着多媒体通信和数字信号处理技术的快速发展，人们对含有大量信息的数字图像的需求日益提高。小波变换由于其良好的时－频局部化性能，被广泛应用于数字图像等信号领域。但如果不对小波边界进行有效处理，则会引起重建图像质量不高，本文通过介绍四种常用延拓方法在信号的小波变换中的应用，分析了常用的边界处理方法存在的不足，提出了一种改进的小波图像边界处理方法，并用标准Lena测试图像的分解和重建，得到良好的重建质量效果。     

基于小波变换的图像分割研究

基于多分辨率分析的图像分割技术是当前图像处理的重要内容,提出了小波变换多分辨率分析方法与改进分水岭分割算法相结合的综合分割方法.此方法利用逐层影射和小波反变换可以得到高分辨率图像,与在原始图像上直接进行传统分水岭分割算法相比较,该方法的实验结果能有效地减少分水岭算法图像过分割现象,经实验证明了该方法的有效性和实用性.     

基于小波变换的图像增强算法研究

针对图像对比度低、成像质量差的问题,提出一种基于小波变换的直方图均衡算法,用于图像对比度增强.首先对图像作直方图均衡,然后通过对小波变换的一级或二级近似系数的非线性增强处理.实验结果证明,处理后的图像细节清晰可辨,边界信息也得到了保留,由此认为小波变换对改善图像的质量是有效的.     

小波变换在静态图像数据压缩中的应用

图像数据压缩是多媒体的关键技术之一，寻求好的数据压缩方法是目前的一个热点，本文结合小波变换对图像数据压缩的编码方法进行研究，并在静态图象数据压缩方面进行了有益的尝试。     

一种基于小波变换的分形图像编码压缩算法的研究

有效的编码压缩算法是图像数据存储和传输的关键。本文在分析基本分形编码压缩算法(FCC)优缺点的基础上,提出了一种新的结合小波变换的分形图像编码压缩算法(DWT—FCC),该算法首先对图像进行二级小波变换分解,然后对分解后的高层子图像进行基本分形编码,并根据不同层子图像结构间的相似性,由高层分形编码构造低层子图像分形编码,实现图像的编码压缩。实验结果表明,该算法在缩短图像编码时间和提高压缩比方面,均取得了良好的效果。     

基于小波多尺度积的图像增强新算法

在分析小波变换对噪声影响规律的基础上,结合小波多尺度积的特性,提出了一种基于小波多尺度积的图像增强新算法,利用二进小波变换中各尺度上小波系数间的相关性,有效改善了图像增强过程中噪声放大问题.     

基于小波神经网络的图像重构训练算法研究与实现

针对传统的图像重构算法的不足，提出一种基于小波神经网络的图像重建快速学习算法，运用小波神经网络对图像重构进行了仿真研究，实验表明，对于不同的误差模型，小波神经网络采用不同的基函数可以很好地对非线性系统进行逼近，收敛速度快，近似精度高，而且网络规模也较小，计算量少，对计算机视觉和图像处理具有良好的应用价值。     

小波变换在医学图像边缘增强中的应用

小波变换是在傅立叶分析基础上发展起来的,它通过尺度参数和定位参数将时域和频域联系起来,通过伸缩和平移等运动对信号或图像数据进行多尺度的细化分析,其应用领域很广。提出了一种基于小波变换的图像边缘增强的方法,通过对小波变换产生的高低频信息进行相应处理,再进行图像重构,最后将生成的各个图像进行融合以实现图像边缘增强。使用Visual C＋＋6．0完成编程实验,其实验结果表明本文所提出方法的边缘增强效果较好。     

基于小波分频和二次均衡的图像增强算法

传统的图像增强算法在增强图像的同时也增强了图像的噪声信号,导致信息熵下降.结合小波变换多尺度、多分辨率的特点和直方图均衡的优势,提出一种基于小波分频和二次均衡的高亮度图像增强算法.首先利用小波变换将图像分解为低频分量和高频分量,然后仅对低频分量作直方图均衡处理,再由均衡后的低频分量与各高频分量进行小波重构,最后对重构的图像再次进行直方图均衡处理.实验结果表明,该算法对于亮度较高的灰度图像有较好的增强效果.