图像的多尺度几何分析:回顾和展望

 多尺度几何分析旨在构建最优逼近意义下的高维函数表示方法.本文以二维函数的非线性逼近为主线,分析了推动多尺度几何分析发展的深刻数学和生理学背景,综述了图像多尺度几何分析方法的最新进展及存在的问题,指出了进一步研究的方向.  

基于对比度的多分辨图像融合

 本文给出一种基于对比度的多分辨图像融合算法.首先,利用小波变换得到待融合图像的多分辨分析,同时得到图像的多分辨对比度序列;然后以对比度为判据,在图像的多分辨分析的相应各级上进行融合,得到融合图像的多分辨分析;最后,利用小波逆变换重构融合图像.算法使用同一场景可见光图像和红外图像进行了验证,结果表明,融合图像完好地显示了源图像各自的信息.  

一种基于小波变换的图像融合算法

 本文给出了一种基于小波变换的图像融合方法,并针对小波分解的不同频率域,分别讨论了选择高频系数和低频系数的原则.选择高频系数时,基于绝对值最大的原则,并对选择结果进行了一致性验证.文章设计了三种选择低频系数的方案,即平均法、Burt提出的平均与选择相结合的方法和基于边缘的方法.平均法在一定程度上降低了图像的对比度;平均与选择相结合的方法根据两幅图像的相关性采用平均法或选择法;第三种方法是一种基于边缘的方法,在多幅原图像中选择最有可能是边缘的点加以保留,得到的合成图像最清晰.文章最后将提出的算法用于多聚焦图像的融合.从仿真结果可以看出,文中给出的方法可以很好地保留多幅原图像中的有用信息,得到多个目标聚焦都很清晰的融合图像.通过比较可知,如果尺度系数的选择采用第三种方案,融合图像的视觉效果最好.  

基于多分辨率分解的数字水印技术

 本文提出一种基于多分辨率分解的数字水印技术.利用多分辨率分解技术,相同分辨率层次的灰度级数字水印嵌入到对应的相同分辨率层次的原始静态图像之中,使水印对原始图像具有自适应性.由于水印的嵌入过程是基于原始图像的不同分辨率层次之间的关系,所以水印的提取过程不需要原始图像.实验结果表明本文提出的数字水印技术,经某些图像处理操作和JPEG有损压缩后仍是鲁棒的.  

基于SURE无偏估计的自适应小波阈值去噪

 本文在D.L.Dohono提出的小波阈值去噪的基础上,提出了一种新的阈值函数,与原来的分段阈值函数相比,此函数具有明显优点,表达式简单易于计算,连续可微,易于求导.此函数的这些优点为实现信号的自适应去噪提供了可能.本文应用此阈值函数,基于SURE无偏估计,给出了一种自适应去噪方法.并用受污染的blocks、bumps、heavy sine、doppler等典型信号做实验,实验结果显示此方法能在最小均方误差(MSE)意义上收敛,而且其最小均方误差优于其他文献中的阈值去噪的方法.  

基于小波变换的特征提取方法分析

论文提出并讨论了四种基于小波变换的特征提取方法基于小波变换的模极大值特征、基于小波分解的能量特征、基于小波包分解的熵特征以及基于适应性小波网络的特征提取方法，阐述了各方法的基本原理及实现过程，并将其用于水声信号的特征提取，通过分类结果比较，分析了各种方法的特点及适用性。  

一种利用子波变换多尺度分辨特性的信号消噪技术

本文基于传统信号处理方法对非平稳信号的局限性，利用子波变换下奇异信号和随机噪声在多尺度空间中不同的模极大值传播特性设计了一种实用的子波消噪方法，对不同信号的仿真结果表明该方法既能提取一定的信噪比改善增益，同时又能保持对突变信息的良好分辨率，适合于一类非平稳信号进行时变处理．  

基于小波变换的不同融合规则的图像融合研究

图像融合是一种重要的增强图像信息的方法。提出了一种基于多尺度分解的像素图像融合方法。利用小波变换按照不同融合规则及融合算子构造融合图像对应的小波系数。通过对可见光图像与红外图像进行融合的实验比较表明，以像素的局部能量为准则的融合效果更好，既可避免传统融合规则的信息损失，又提高了融合图像的空间分辨率和清晰度，融合图像更符合人的视觉特性，也有利于机器视觉。  

基于小波的同态滤波器用于图像对比度增强

同态增晰可用于减少光照不均匀引起的图像降质，并对感兴趣的景物进行有效增强，本文提出一种基于波波的同态增晰方法，采用一种高通滤波器对小波分解系数进行处理，处理后图像的局部对比度增强效果明显，又能较好地保持图像的原始面貌。  

基于小波阈值去噪方法的一种改进方案

在D．L．Dohono和I．M．Johnstone提出的多分辨分析小波阚值去噪方法的基础上，提出了一种新的阈值函数。仿真试验结果表明，采用新的阈值函数的去噪效果无论在视觉效果上，还是在信噪比增益上和最小均方误差意义上均优于传统的硬阈值和软阚值。并且，与传统的硬阚值和软阈值相比．此函数不仅表达式简单，易于计算，而且具有优越的数学特性：易于求导，有连续的无穷阶导数。因此新阈值函数的更重要的意义在于使信号的自适应去噪成为可能，为更充分的发挥小波阈值去噪方法的优越性开辟了广阔的前景。