基于多进制小波变换的图象放大方法

多进制小波是近几年发展的小波分析理论的一个新分支，为了更好地进行图象的放大，提出了一个基于多进制小波变换的图象放大方法，并用三进制小波变换进行了图象的放大试验，通过与常用的插值放大方法进行比较的结果表明，基于多进制小波放大的图象能较好地保持原来图象的特征，优于一般的插值放大方法。     

一种基于小波变换的静态图象压缩编码方法

本文介绍了一种利用小波变换对静态图象数据进行压缩编码的具体方法。主要内容包括小波变换在图象压缩编码中的应用原理、变换域的量化、数据编码技术，以及计算机模拟结果和评价。文中描述了一种实用的基于小波变换的图象数据压缩算法。     

基于二维小波分解的图象编码

本文给出一个基于二维小波分解来进行图象压缩编码的方法。这里是使用正交小波变换来由行图象分解，得到一个图象的多分辨率表示，各频道分量对图象结构的把握是整体的，从更大程度上解除了图象象素之间的相关性，克服了由ＪＰＥＧ方法进行图象压缩编码而产生的块效应。对图象进行二维正交小波分解后，我们使用ＣＶＱ对小波系数进行编码，得到了较高的编码效率和重建图象质量。     

基于小波分解的分形压缩图象增强

讨论分形解码结果图象的特点,基于分形码对图象的放大作用,用小波提取放大图象中的高频信息,再用小波图像融合方法增强图象细节,同时用小波的局部极大值的Ｌｉｐｓｃｈｉｔｚ指数调整方法去除结果图象的块效应,直接提高压缩结果图象质量,可用于改善高压缩比的分形压缩解码结果图象质量。     

小波变换的FPGA实现

为了实时进行了不同小波基的快速小流变换，本文介绍了利用现场可编程阵列ＦＰＧＡ实现小波变换的设计。     

小波变换在图象压缩中的应用

本文讨论了数字图象数据信息压缩的有关技术问题，文章首先简要介绍了传统的Ｈｕｆｆｍａｎ编码方法的然后提出利用正交小波变换对图象进行分解，结合Ｈｕｆｆｍａｎ编码法图象进行编码，压缩的技术。     

小波变换的 FPGA 实现

为了实时进行不同小波基的快速小波变换，本文介绍了利用现场可编程阵列ＦＰＧＡ实现小波变换的设计。     

可逆双正交小波变换在图象压缩中的应用

本文的重点在于研究双正交小波变换在图象压缩中的应用,分析了浮点型滤波器在无失真压缩中的可行性,同时通过对小波变换和边界问题进行的具体分析,提供了该小波变换的另一种算法,使之适合于快速的,渐进性的直至无失真的图象压缩。     

一种基于小波变换的平滑预处理压缩算法

在现在编码标准(如MPEG4)中,基于小波的压缩算法已经成为一种主要技术。文章在已经成熟的小波变换及零数编码等算法的基础上,分析小波变换以及小波变换系数的特点,经过多次实验得出一种在小波变换前对图象先进行预处理的可逆平滑算法。实验表明这种算法在已有小波压缩编码的基础上大大提高了图象压缩效率。     

高质量运动图象压缩编码的小波变换方法研究

研究基于小波变换的高质量运动图象压缩编码方法。通过对运动估计后图象内的帧内编码宏块首先进行离散余弦变换（ＤＣＴ）编码,然后再对整幅图象进行小波变换（ＷＴ）与零树编码,从而达到运动图象的高质量压缩编码目的。     

小波图象去噪综述

小波图象去噪已经成为目前图象去噪的主要方法之一。在对目前小波去噪文献进行理解和综合的基础上，首先通过对小波去噪问题的描述，揭示了小波去噪的数学背景和滤波特性；接着分别阐述了目前常用的3类小波去噪方法，并从小波去噪中常用的小波系数模型、各种小波变换的使用、小波去噪和图象压缩之间的联系，不同噪声场合下的小波去噪等几个方面，对小波图象去噪进行了综述，最后，基于对小波去噪问题的理解，提出了对小波去噪方法的一些展望。     

基于MATLAB小波去噪方法的研究

在实际的计算机控制系统中，采样信号不可避免的受到各种噪声和干扰的污染，使得由辨识采样信号得到的系统模型存在偏差而妨碍了系统控制精度的提高。Dunoho和Johnstone提出的小波收缩去噪算法对去除叠加性高斯白噪声非常有效。我们对此在MATLAB环境下做了详尽的仿真研究，并利用滤波器、傅立叶变换／反变换和小波收缩三种方法对实际电机随动系统的辨识采样数据进行了去噪对比实验，总结了应用小波去噪的一些实际经验。     

基于感兴趣区的虹膜定位算法

快速虹膜定位是实现虹膜自动识别系统的基础.利用小波变换后LL频带是图像内容的抽样缩略的性质,只对LL频带的图像进行虹膜定位,基于图像光斑特性选择定位感兴趣区域,用Hough变换定位虹膜内圆,单行梯度最大值方法定位虹膜外圆,然后按比例还原所有的参数值.试验结果表明这些参数与在原始图像中进行虹膜定位得到的参数一致,定位时间大大缩短,说明了该定位算法的有效性.     

一种基于小波包变换的分形编码方法

利用小波包分析对高频部分进一步分解的特点,尝试将分形编码和小波包变换相结合来进行图像压缩。首先将图像进行小波包分解,然后对高频部分采用基于小波变换的压缩,对低频部分进行分形压缩。计算机模拟试验表明,采用上述改进方案,与基本分形编码相比,编码速度提高了20倍左右,且重建图像的主观保真度更高。     

一种基于局部极大模和分形的混合编码方法

在分析分形理论和小波变换模极大值用于图象压缩方面优缺点的基础上 ,根据它们的特点 ,综合利用两种方法的优点 ,弥补它们不足 ,提出了一种基于小波变换极大模和分形的混合编码方法 .该方法先利用小波局部模极大值提取的图象边缘特性来进行图象编码 ,然后用分形的自相似性对图象的误差图进行压缩 ,以获得高压缩比和质量好的恢复图象 ;同时还简单进行了理论阐述和给出了具体算法的步骤 .实验结果表明 ,采用此方法压缩后的图象不仅视觉效果好、无方块效应 ,而且边缘无振荡现象、图象清晰无模糊 ,压缩比高 .     

小波变换在交通视频检测中的应用

小波变换在工程及图像去噪方面的应用已经越来越受到关注,有"数学显微镜"之称的小波变换在信号处理方面有着独特的优势.智能交通ITS(Intelligent Transportation System)在目标检测与识别的过程中需要对抓取的视频帧作图像预处理,以便更好地进行后续工作.对小波变换在智能交通中视频帧预处理方面的应用进行阐述和实现.首先从交通视频流中捕获视频帧,然后对含有常见噪声类型的帧进行小波去噪处理,最后从结果图像中比较分析出小波去噪的优点.     

基于最佳鉴别变换和分类器组合的人脸自动识别

人脸识别技术在商业和法律上有广泛的应用前景 ,在安全监控中也大有用武之地 .其主要任务是利用已有的人脸图象库 ,识别静止的或视频图象中的一张或多张人脸 .从抽取具有统计不相关的模式特征着手 ,通过基于小波变换的图象分解和 KL 变换等处理 ,避开人脸识别的小样本集的局限 ,并通过运用具有统计不相关性的最佳鉴别变换 ,来抽取人脸的有效鉴别特征 .同时 ,利用多特征多分类器组合的方法对图象进行识别 .该方法在 ORL 人脸图象库上进行实验 ,得到识别错误率为 2 %的实验结果 ,这是目前在此人脸图象数据库上所得到的最好的实验结果 .而且本方法对人脸的姿态、表情等条件具有一定的不敏感性     

快速小波变换的定点DSP实现

小波变换具有良好的时——频局部性．是分析奇异信号的重要方法，定点DSP在工程中的应用十分普遍．具有低成本．高性能的特点。利用DSP实现小波变换可以满中工程是实时性的要求，文中简要介绍了小波变换理论及算法．并结合TI公司的16位定点DSP说明算法的实现。     

一种基于小波分解的图像融合方法

在图像配准的基础上,提出了一种利用小波分解和Gabor小波滤波器提取能量测度进行加权的图像融合方法.该方法中,首先对图像进行小波分解,对每一层分解系数使用Gabor滤波器集进行滤波,求取其相应的能量测度,进而使用能量测度值对融合图像相应层的小波系数进行加权处理,从而得到融合后图像相应层分解系数,最后对每一层分解系数进行小波逆变换,得到融合图像.试验结果表明,这种简单的加权系数关系是可行的,而且该方法可以取得较好的图像融合效果.     

基于小波变换和矢量量化的遥感图象压缩方法

提出基于小波变换 (WT)的矢量量化 (V Q)的遥感图象压缩编码方法。采用二维 WT消除象素间的空间相关性 ,然后对变换后的小波系数进行 VQ压缩编码。实验结果表明 :该方法可获得 10倍压缩比 ,峰值信噪比(PSNR)为 30 .5 2。本方法明显优于 JPEG方法 ,而且没有方块效应。该方法可用于各种遥感图象压缩 ,压缩比和PSNR这两项指标与 JPEG压缩方法相比 ,也有明显的提高。