一种基于小波分量相似性的图像放大方法

图像放大技术在许多方面有着重要的应用,本文提出一种基于小波回归的图像放大技术。该方法主要分为三步：首先将待放大图像进行小波分解,其次对分解后各个频带的分量采用不同的放大方法,（即低频分量用原始图像代替,其它三个高频分量用不同分辨率图像的分量相似性方法得到）,最后利用小波逆变换得到放大结果。实验结果表明该方法是行之有效的。     

小波分析及其应用

小波分析是传统傅里叶分析发展史上里程碑式的发展,近年来成为众多学科共同关注的热点.文章在小波变换的基础上,介绍了小波变换的一种快速算法-Mallat算法.在此基础上将其应用于信号分析与处理,对故障信号进行分解与重构,通过分析实验结果可知,高频部分能够清晰地反映信号的转折点,而这些点正是故障诊断所需的重要信息,通过对这些信息的分析可以得出故障点的位置.因此,可以推断小波分析在信号的奇异性位置检测方面是有效的.     

小波分析及其在电力系统扰动检测中的应用

文章介绍了小波变换的基本原理和一种小波变换的快速算法——Mallat算法。在此基础上将其应用于电力系统中的电力信号的检测和故障诊断中,对故障信号进行分解与重构并用Madab进行仿真。仿真结果表明：利用小波分析诊断电力系统的扰动信号非常的精确。     

基于小波变换和变分的图像放大算法研究

想要图像得到最有效的放大,那么选择使用小波变换思想就可以实现,在实际工作中,有效的提出变分图像放大算法以及提出小波变换图像放大算法,同时完成上述算法的有效结合,上述结合使用的算法思想指的是首先完成一个用Besov范数估计图像正则性变分泛函的有效构造,在上述的基础上选择对小波域中存在的最小化变分泛函进行引入,之后将图像放大.在完成小波变换之后,促使高频分量含有非常丰富的细节边缘信息类型,所以在上述的基础上就可以完成高质量图像的构建.同时引入小波,可以促使文中新算法可以具备以下几个特点:运行时间非常短,运行的速度非常快等.这样一来相比传统形式的插值来说其完成放大图像的情况是不一致的,上述提到的算法主要的作用是在使用变分思想的基础上完成图像的放大.在完成理论分析以及实验仿真之后得到,上述算法可以跟样条插值一样取得非常显著的放大效果.     

小波与自蛇模型在放大图像清晰化中的应用

针对传统插值放大图像出现的边缘模糊与锯齿化问题,结合小波具有多分辨率分析和局部化时频域特性,提出了一种基于小波插值与改进自蛇模型相结合的放大图像清晰化方法。该方法对无噪声图像采用小波插值对图像进行放大,并用改进自蛇模型对放大后的图像进行边缘修正,而对于噪声图像则采用改进自蛇模型对其进行清晰化处理,通过小波插值进行放大。实验结果显示,采用该方法与传统放大图像清晰方法相比,图像的边缘轮廓清晰度和细节部分的辨识度更精确,同时能够有效提高放大图像的峰值信噪比。     

基于小波融合的图像放大方法

提出一种基于小波融合技术与传统图像放大算法的结合的方法.该算法首先对源图像分别采用双三次插值和改进的双线性插值进行放大,然后对两幅放大后的图像进行小波分解,并对分解后得到的小波系数进行融合,增强图像轮廓,最后进行小波逆变换得到目标图像的重构.通过实验对比,采用所提算法放大的图像视觉效果明显,轮廓清晰,消除了传统放大算法的模糊和锯齿现象.     

用B样条的尺度关系来实现图像任意精度的放大缩小

图像的细放问题一般是采用B样条的连续显式方式来实现的,这种算法易于理解,但是随着B样条阶数的提高,编码和运算相对费时,文中提出利用B样条的尺度方程进行图像缩放的算法,该算法可对不同阶数的B样条有统一而简单的编码,通过设定不同的误差限,可以得到不同精度的缩放结果,并且计算时间可以随着不同的精度要求而得到控制。     

基于小波变换和高阶PDE的图像放大算法研究

本文在对传统小波变换算法改进的基础上,提出了基于小波变换以及高阶PDE的图像放大新算法。与传统的小波变换图像放大算法相比,将小波变换与高阶PDE有效结合的算法能更好保留图像的细节特征,仿真结果和视觉感受都表明该算法有较好的图像放大效果。     

基于小波变换的图像分解与重构编码的实现

在讨论小波分析应用于图像的分解与重构的基础上,利用数学软件工具MATLAB 6.1实现了不同阈值下的haar和db9两种小波的3级图像分解和重构,结果表明,对于一种小波选取的阈值越大,重构图像的失真程度越高.在相同阈值下,db9小波的重构图像质量要略优于haar小波,但haar小波重构图像要比db9小波的重构图像小得多,说明在对图像质量要求不高的场合,采用haar小波进行图像压缩是比较有效的.     

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。     

基于小波分解和互信息的图像配准方法

根据小波分解和互信息测度的原理,提出一种快速的图像配准方法。首先,对原图像进行小波分解,在保证配准精度下对分解图像进行灰度压缩,以减少配准参数的计算量,并利用最大互信息准则和下降单纯形的搜索策略找到最优配准参数实现图像配准。实验结果表明,这种图像配准方法能在保证配准精度条件下,提高配准的速度。     

基于小波变换的SAR与可见光图像融合算法

提出了一种基于小波变换的SAR图像与可见光图像的融合算法。为抑制斑点噪声,对SAR图像作平滑滤波。图像经小波变换后,计算不同分解层高频图像对应区域的均值与标准差,采用区域统计特性量测的融合规则;低频图像直接采用SAR图像的小波低频系数作为融合后的低频系数,对得到的融合低、高频图像作小波反变换。     

小波提升原理在图像编码中的应用

介绍了小波提升的基本原理及其实现流程;着重论述了小波提升在JPEG 2000中的具体应用和其中的有关参数的选择;分析和比较了小波提升和Mallat算法。提升方案实现D9/7小波变换所消耗时间的实验充分说明：小波提升实现小波变换比Mallat算法速度快大约一倍。     

基于小波变换的区域特征加权自适应图像融合算法

提出了一种基于小波变换的区域特征加权自适应图像融合算法。首先对源图像做小波变换,分解成低频和高频图像,分解后的低频图像选取一组区域特征进行自适应动态加权,高低频图像采用区域能量融合规则,再对得到的低频和高频图像进行小波反变换。实验结果表明该方法能得到较好的融合效果。     

基于小波变换的图像变形

提出了一种基于小波变换的图像变形技术.首先,利用小波变换对源图像和目标图像进行多分辨率分解,得到对应的低频近似信号分量和高频细节信号分量;然后,通过基于时变权函数的多分辨率插值,得到各变形结果图像的小波系数;最后,通过小波重构得到各变形图像.实验结果表明,利用本算法可以方便地实现自然的图像变形.     

基于小波分解和灰度共生矩阵的纹理图像检索

采用Daubechies4小波对图像进行三层Mallat塔式分解,取每个分解层次上的每个子带图像的能量,加入在低频子带上提取的灰度共生矩阵统计量,来形成最终的特征向量以提高检索精度.     

基于离散小波变换域图象水印技术的研究与应用

本文提出了一种子离散小波变换域实现图象水印的方法，其优点是良好的稳健性和层次性的检测方法。这种算法充分利用小波变换的特点，把原始图象和水印分解成多频段的图象来嵌入水印中，检测时，把加了水印的图象塔式分解，通过计算处理每一层取得所有的有关信息。     

基于小波变换的图像融合研究

主要讨论了基于小波变换的多传感器图像融合算法。它的中心思想是把图像分解到不同的频率段上，然后在各自的频率段上分别采用不同的融合算子进行融合处理，从而得到完整的图像信息。     

基于插值小波塔式分解算法的图像边缘检测

在应用经典小波检测图像边缘时,通常利用离散积分替代连续积分获取小波系数。由于离散积分仅仅是连续积分的近似表达,因此这种方法在获取图像边缘时很难避免数值计算误差,这使得在检测图像细节部分时容易出现定位不准和边缘不清晰等问题。为了避免上述问题,利用插值小波采样理论中像素值即为插值小波系数的特殊性质,将插值共轭滤波器与Mallat塔式分解算法相结合,给出一种新的图像边缘检测算法。将该算法与经典小波算法进行对比实验,结果表明,该方法能够检测出经典小波算法无法检测到的边缘细节,且最终得到的图像边缘清晰完整,从而验证了该算法的有效性。