基于多残差网络的结构保持超分辨重建

针对图像超分辨率重建中几何结构扭曲和细节缺失等问题,文中提出基于多残差网络的结构保持超分辨重建算法.在小波变换域和梯度域上进行深度学习.文中算法包含3种残差网络.残差梯度网络用于结构及边缘信息的重建.残差小波变换网络从整体上进行图像高频信息的重建.残差通道注意力网络通过调整网络注意力,着重学习重要的通道特征,从局部恢复图像高频信息,提高重建效率.实验表明,文中算法在定量结果和视觉效果方面均取得较优表现.     

采用小波变换和盲源分离的电机轴承故障诊断

针对地铁车辆转向架牵引电机轴承故障,提出一种结合小波变换和盲源分离的轴承故障识别方法.首先从原始信号频谱中判断轴承高频共振信号的大致频带范围以确定小波分解层数;其次利用小波分解提取轴承高频共振信号成分;然后利用盲源分离方法从小波分解后的重构高频信号中分离故障特征信号;最后对故障特征信号进行Hilbert解调并通过包络谱分析提取故障特征频率.对上海地铁某型地铁车辆转向架牵引电机进行试验,试验结果证明该方法能清晰、准确地识别轴承故障特征.     

基于Bandelet与自适应矩阵范数的全频率无损水印方法

数字水印技术是一种新型的数字图像版权认证和保护技术.传统的数字水印一般通过修改图像数据达到信息隐藏的目的,不适合用于保护不允许修改的图像数据,无损数字水印为这类数据的保护提供了一种有效的方法.提出了一种无需对图像数据做修改的全频率无损数字水印实现方法.首先对图像实施小波变换,变换后的中高频部分采用Bandelet跟踪图像几何流,将纹理和边缘作为图像的特征从而构造出图像高频无损水印参数.对于小波变换的低频部分,通过选取最优的矩阵范数,得到低频系数水印参数生成方案,达到提取图像统计和边缘特征,对图像实现全面保护的目的.实验证明该算法具有良好的抗攻击能力,能够广泛用于对不可修改数据的保护.     

基于a'trous小波分解的图像边缘检测

边缘特征是图像最为有用的高频信息。边缘检测在图像处理和计算机视觉中起重要作用。本文对小波变换进行了研究,并且分析了小波变换提取图像边缘的原理。为了高质量地进行图像边缘检测,提出了一种基于二阶B样条小波变换的多孔算法提取图像边缘。算法利用B样条小波对图像函数进行小波变换,提取图像边缘,并采用多孔算法防止图像信息丢失。实验结果表明,和传统的边缘检测算法相比,在边缘精度和噪声抑制方面,该算法是有效的。     

基于小波变换和数学形态学的遥感图像人工建筑区提取

为了快速定位中高分辨率可见光遥感图像中的人工建筑目标,一般需要先对目标进行粗定位,提取人工建筑区域。根据遥感图像中的不同地貌具有不同的频谱特性,人工建筑区相对其他区域具有较高的频率,提出了基于小波变换和数学形态学的遥感图像人工建筑区提取算法。该算法先对遥感图像进行小波变换,将不同地貌的信息转换到不同频带,再对高频信息进行融合,并将融合后的高频信息中幅度变化剧烈的区域看作"山峰",变化平稳的区域看作"盆地",最后采用形态学重建的方法提取人工建筑区,实验结果表明,该算法具有快速性和准确性的特点。     

基于奇异值加权的图像复制粘贴伪造盲检测

提出了一种基于小波变换和奇异值分解的盲检测算法来识别图像的复制粘贴伪造。该算法用小波变换降低计算量,用奇异值表示图像特征。图像经过小波变换,提取出低频分量和高频分量。因低频部分保留图像的纹理信息,高频部分保留图像的轮廓信息,该算法分别从低频部分和高频部分提取图像奇异值,并把提取出的奇异值进行加权处理,以加权值作为图像块的特征。图像块之间做两两比较,根据图像块的特征相似度,判断是否存在图像复制粘贴伪造区域。在丰富层次和清晰细节轮廓的图像中,该算法能达到比较理想的检测效果,准确率较高。     

结合Bayer模式与局部相关模型的Demosaicing算法

结合差值模型与小波变换理论,提出高频相似模型,并在理论分析的基础上,给出产生该模型时小波变换应满足的条件;从Bayer模式的内在特征出发,找到其与小波变换过程巧妙结合的方法,进而提出了R,B平面的一种有效重构方法.该方法不用迭代,大大缩短了重建时间,与Gunturk等所提方法的计算代价之比为19∶432.文中还给出了一种完整的demosaicing算法,对比实验表明,所提算法在重建效果和计算代价上都明显占优.     

基于复小波-Contourlet变换的高维信号处理

Contourlet变换克服了小波变换在处理高维信号时的不足,相对于小波变换具有较好的方向性、较高的逼近精度和较好的稀疏表达性能。因此将Contourlet变换用于多维信号处理,能更好的提取图像信号边缘特征,为融合提取更多的特征信息。利用对偶树复小波-Contourlett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,提出了一种自适应对偶树复小波-Contourlet变换的多传感图像融合新算法。算法是将全色图像和多光谱图像进行对偶树复小波-Contourlet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了主观和客观的对比,结果表明,该算法是一种有效可行的图像融合算法。     

一种基于特征的遥感影像融合新方法

基于特征的影像融合主要是在突出目标地物的空间结构和纹理特征情况下的信息融合,在小波多分辨率分析理论基础上,采用小波变换方法对高分辨图像的目标地物边缘信息增强后与多光谱图像进行特征融合,在融合过程中,没有采用传统的HIS小波融合方法,而是采用RGB小波变换的方法,用多光谱图像中的R、G、B 3个波段经小波分解后的低频图像与特征增强后的高分辨率图像、经小波分解后的高频图像分别进行融合,再经RGB合成为彩色图像得到最后的融合图像,这样既改善了图像的清晰度和分辨率,同时也保留了原多光谱图像的光谱信息。最后通过实验验证了上述结论。     

一种基于特征的遥感影像融合新方法

基于特征的影像融合主要是在突出目标地物的空间结构和纹理特征情况下的信息融合,在小波多分辨率分析理论基础上,采用小波变换方法对高分辨图像的目标地物边缘信息增强后与多光谱图像进行特征融合,在融合过程中,没有采用传统的HIS小波融合方法,而是采用RGB小波变换的方法,用多光谱图像中的R、G、B 3个波段经小波分解后的低频图像与特征增强后的高分辨率图像、经小波分解后的高频图像分别进行融合,再经RGB合成为彩色图像得到最后的融合图像,这样既改善了图像的清晰度和分辨率,同时也保留了原多光谱图像的光谱信息。最后通过实验验证了上述结论。     

Reduction of artifacts in images from MR truncated data using singularity spectrum analysis

In this paper,the theory of signal singularity spectrum analysis (SSA) is proposed,Using SSA theory,a new method is presented to reduce truncation artifacts in magnetic resonance(MR) image due to truncated spectrum data.In the scheme,after detecting signal singulatrity locations using wavelet analysis in spectrum domain,SSA mathematic model is constructed,where weight coefficients are determined by known truncated spectrum data.Then,the remainder of the truncated spectrum can be obtained using SSA.Experiment and simulation results show that the SSA method will produce fewer artifacts in MR image from truncated spectrum than existing methods.     

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。     

基于小波包变换的遥感图象融合

为了能够更好地把来自多传感器的图象信息综合起来，以提高对图象信息的分析和提取能力，在研究了小波包图象分析法之后，提出了一种基于小波包变换的图象融合方法，由于小波包变换能对图象进行多层次分解，包括对小波变换没有细分的高频部分也能进行进一步的分解，因此小波包分析能够为图象提供一种比小波多分辨分析更加精细的分析方法，利用此融合算法将由多传感器获得的同一目标不同波段的遥感图象和不同分辨率的遥感图象进行融合后得到的融合图象，能够很好地将源图象的细节融合在一起，通过与该融合图象进行主观与客观的评价比较，证明该融合方法可以获得更好的融合效果。     

基于多小波变换域特征的多模态医学图像融合

多小波是小波理论的扩展,在图像处理方面具有单小波所不具有的优点.它能够为图像提供一种比小波多分辨率分析更加精确的分析方法.在研究了多小波变换域上同一尺度多个子带间相关性、子带内相邻系数的相关性以及能量的低聚性的特性后,提出了一种基于离散多小波变换域特征的融合方法,并将不同模态的医学脑部CT图像和MR图像利用此方法进行融合,相比于传统小波域内的图像融合方法.该方法不仅能够完好地显示源图像各自的信息,很好地将源图像的细节融合在一起,而且得到的融合图像具有更良好的视觉效果和更优的量化指标,体现出更好的融合效果.     

基于小波变换的影像融合在动态监测中的应用

基于小波变换的遥感影像融合是一种重要的图像信息增强方法，提出了将其应用于土地利用遥感动态监测，以自动探测土地利用发生变化的区域。方法是将某时相的多光谱影像进行主成分变换，用其第一主成分与另一时相的多光谱影像进行数据融合，融合规则是对两时相影像的小波系数进行加权平均法计算。经室内资料检核和野外验证发现，得到的变化信息的噪声小图斑较少，结果精度能满足实际应用需要。     

Hilbert-小波变换的齿轮箱故障诊断*

采用希尔伯特—小波变换对振动加速度传感器获取的齿轮箱振动响应信号进行特性分析。利用小波变换分解获得振动响应信号的各层高频信号小波系数和低频信号小波系数,对小波系数进行重构获得具有不同特征时间尺度的各高频信号和低频信号;再对分解的信号进行希尔伯特变换获得时频信息谱以提取系统的统计特征信息,实现监测齿轮运转工作状态,及时发现齿轮的早期故障,提高机械运行的安全性。仿真研究结果表明,小波变换分解和希尔伯特边际谱方法在故障信息诊断方面是可行和有效的,提高了故障检测的可靠性。     

小波域中双稀疏的单幅图像超分辨

目的 过去几年,基于稀疏表示的单幅图像超分辨获得了广泛的研究,提出了一种小波域中双稀疏的图像超分辨方法。方法 由小波域中高频图像的稀疏性及高频图像块在空间冗余字典下表示系数的稀疏性,建立了双稀疏的超分辨模型,恢复出高分辨率图像的细节系数;然后利用小波的多尺度性及低分辨率图像可作为高分辨率图像低频系数的逼近的假设,超分辨图像由低分辨率图像的小波分解和估计的高分辨率图像的高频系数经过二层逆小波变换来重构。结果 通过大量的实验发现,双稀疏的方法不仅较好地恢复了图像的局部纹理与边缘,且在噪声图像的超分辨上也获得了不错的效果。结论 与现在流行的使用稀疏表示的超分辨方法相比,双稀疏的方法对噪声图像的超分辨效果更好,且计算复杂度减小。     

脑白质疏松症MR 图像的静脉提取方法

针对脑白质疏松症MR图像白质区域静脉信息复杂的特点,提出一种基于小波变换的多阈值脑白质疏松症MR图像的静脉提取方法．首先,利用形态学变换对图像中的细节信息进行增强处理;其次,利用小波变换的多分辨率特性对图像的灰度直方图进行多层小波分解,对不同层次的小波细节信息及逼近信息进行阈值处理并重构,提取出静脉的灰度特征;最后,利用多阈值分割方法将脑白质区域的静脉分割出来．实验结果表明,该方法能实现静脉信息的自动快速提取,并实现了静脉的量化分析,为医生对脑白质疏松症患者白质区域静脉扩张程度的诊断提供一个定量标准,具有临床辅助诊断价值．     

基于小波变换与脉冲耦合神经网络的人脸识别

脉冲耦合神经网络（Pulse Coupled Neural Network,PCNN）是基于生物视觉特性而提出的新一代人工神经网络,它在数字图像处理及人工智能等领域具有广泛应用前景.本文通过研究PCNN理论模型及其工作特性的基础上提出了一种提取人脸特征的方法.首先利用小波变换提取人脸图像低频特征,降低人脸图像的维度,然后利用简化的PCNN提取小波低频系数重构后的人脸图像的相应时间序列,并以此作为人脸识别的特征序列.最后利用时间序列和欧式距离完成人脸的识别过程.本文通过ORL人脸库进行实验证明了该方法的有效性.     

数字图像的小波算法及快速小波变换

小波变换是近几年来兴起的一种新的变换方法 ,主要特点是通过变换能够充分突出问题某些方面的特征 ,因此 ,小波变换在许多领域都得到了成功的应用 ,特别是其离散数字算法在图像分析领域取得了重大突破。但是 ,小波变换的算法一般相对来说比较复杂 ,而其处理速度往往也成为制约其发展的瓶颈。该文从小波变换的基础出发 ,给出了一种针对数字图像的小波矩阵算法 ,并实现了快速小波变换的算法和流程 ,为实际应用编程提供了有效的理论依据