小波变换理论应用进展

本文介绍了小波变换理论,讨论了基本小波函数的选取准则和小波变换算法,分析了小波变换与人工智能等其它方法的结合方式和特点.通过介绍小波变换在信号瞬态分析、图像边沿检测、图像去噪、模式识别、数据压缩、分形信号分析等方面的应用实例,讨论了小波变换在处理非平稳信号和复杂图像时的优势.最后,对小波变换理论的发展及其应用前景作了描述.     

医学内窥镜图像的横纹消除算法仿真

研究医学内窥镜图像优化提取问题,针对图像中横纹完全消除,医学内窥镜采用CCD电荷耦合器件进行图像信号采集.由于体积和传输特性的原因,采集的图像在饱和信号附近会有横条纹状噪声出现,传统的去噪方法,通过增加图像像素输出增益进行横纹消除,造成在彩色图像上视觉很难分辨出横纹的特点,不能去除横纹噪声且增加了图像的高斯噪声,并形成图像的过饱和状态,严重影响图像的细节.为了避免上述缺陷,提出了一种正交小波变换算法的医学内窥镜图像的横纹消除方法.利用P&M模型,对采集的医学内窥镜图像进行平滑处理.利用正交小波变换方法,能够去除医学内窥镜图像中的横纹噪声.实验结果表明,利用改进算法进行医学内窥镜图像的横纹消除,能够有效消除图像中的横纹,从而为医学诊断提供准确的依据.     

小波变换阈值选取的博弈与图像边缘点检测

介绍了小波变换的理论,从一维空间小波变换故障信号检测实例出发,分析应用小波变换进行信号突变点检测时,阈值选取对消除噪声和信号真实突变点检测的影响,引出小波变换阈值选取的博弈观点;通过软件编程实现小波变换和模极大阈值法图像边缘点的提取,对比选取不同阈值时边缘点图像实例的效果,进一步讨论了阈值优化的博弈结论和相关技巧;认识和应用此结论不仅可以有效减小噪声,而且可以更加准确地提取图像边缘点,实验证明效果很好.     

基于改进的小波阈值技术MRI图像去噪

提出了一种改进的小波阈值处理的核磁共振成像（MRI）医学图像的去噪方法。结合图像的特点并利用小波系数的区域相关性,对小波阈值处理方法进行了改进,根据信号和噪声系数的不同分别处理,克服了传统小波变换不足。结果表明该方法在有效去除噪声的同时,较好保留了MRI图像的细节,有利于医学的诊断。     

基于复数小波的相位自适应医学图像信号融合

小波变换具有方向选择性、正交性、可变的时频分辨率、可调整的局部和分析数据量小等优良特性,这些特性使得小波变换成为图像融合的强有力的工具和手段。本文采用复数小波融合医学图像信息,从而提高对图像的感性认识。该方法引入与基于医学图像信号相位特征相适应的加权图像信号集合体,运用图像信号的相位特征自适应地增强每幅图像信号间的信号融合过程中重要的解剖和功能特征。实验表明,与非适应性图像信号的融合方法相比较,该方法可有效改善解剖和功能特征视觉。     

基于小波变换的医学图像压缩

数字医学图像具有高质量、高分辨率、数据量大等特点。因此，任何数字医学图像在存储和通信系统（PACS）的建设中，都要面对大量数据的传输与存储等技术难题。由于小波变换有能够分离高低频的特点，能够极大程度上保留信号重要的信息成分。通过小波变换后对原信号进行滤波，去除图像中多余的干扰信号，还原图像本身的清晰，得到与原信号基本相符的信号。本文通过对图像分割后做处理，在保留病灶的清晰度的基础上，对选中区域以外进行压缩处理，能够达到非常好的压缩比，同时保证关键信息不损失。     

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。     

一种基于小波变换的V型坡口焊缝识别算法

小波变换分析方法是现代迅速发展起来的一门新兴学科,在图像处理方面得到很好的应用。利用小波变换检测信号边缘的优势,对V型焊接激光图像的边缘检测技术进行了系统的研究,对V型坡口焊接激光图像的焊缝识别方法进行了系统的研究,给出了基于小波变换的焊缝识别算法,同时进行了大量的实验研究,提出了一种基于小波变换的V型坡口激光图像光纹提取以及计算焊接纠偏量的方法。     

小波变换阈值选取的博弈与图像边缘点检测

介绍了小波变换的理论，从一维空间小波变换故障信号检测实例出发，分析应用小波变换进行信号突变点检测时，阈值选取对消除噪声和信号真实突变点检测的影响，引出小波变换阈值选取的博弈观点；通过软件编程实现小波变换和模极大阈值法图像边缘点的提取，对比选取不同阈值时边缘点图像实例的效果，进一步讨论了阈值优化的博弈结论和相关技巧；认识和应用此结论不仅可以有效减小噪声，而且可以更加准确地提取图像边缘点,实验证明效果很好。     

基于内容的MRI脑肿瘤图像特征提取及检索方法

医学图像检索中特征提取方法对检索的效果、性能具有重要影响,针对这个问题,设计了一个基于内容的医学图像检索系统.为了给医学图像检索系统的临床应用提供参考价值,该系统以哈佛大学医学院开发的脑肿瘤MRI医学图像数据库为背景,比较了颜色相关图、颜色矩、灰度共生矩阵、金字塔小波变换和树型小波变换这5个特征提取技术对MRI脑肿瘤医学图像的检索性能.实验结果表明树型小波变换和金字塔小波变换的检索效果较好.     

基于小波变换和模糊中值滤波的图像边缘检测

小波变换是近年来兴起的信号处理技术。它具有良好的局部化分析特性和多分辨率分析特性,非常适合于图像处理。实际图像中常常含有噪声,噪声在小波变换中会产生大量的奇异点。中值滤波器是一种非线性滤波器,具有良好的边缘保持特性。该文提出了结合小波变换、中值滤波器和多分辨率分析的边缘检测方法,给出了一种自适应选择模糊中值滤波器因子的方法。实验结果表明,该方法是有效的。     

基于离散小波阈值的偏微分图像去噪

小波方法和偏微分方程方法是图像去噪中的主要方法。该文提出基于离散小波变换对图像进行阈值去噪,得出了小波阈值的偏微分方程表示形式,在此基础上研究偏微分方程的解法,采用分数步的小波阈值方法对图像去噪,得到了较好的去噪效果,同时可以保护边缘。数值试验结果表明,该方法具有比小波方法更好的去噪效果,能获得较高的信噪比。     

图像多尺度边缘检测算法研究

通过检测二维小波变换的模极大值线可以确定图像的边缘点.由于小波变换在各尺度上都提供了图像的边缘信息,所以称为多尺度边缘检测.沿着边界方向将任意尺度下的边缘连接起来,可形成该尺度下沿着边界的模极大线.小波变换能够把图像分解成多种尺度成分,并对大小不同的尺度成分采用相应的时域或空域取样步长,从而能够不断地聚焦到对象的任意微小细节.小波变换具有的多尺度特性,正好可以用于图像的边缘检测.     

基于冗余小波变换的医学超声图像去斑噪算法

医学超声图像中固有的斑点噪声严重降低了图像的可解译程度,影响了后续的图像分析和诊断。提出了一种基于冗余小波变换的超声图像去斑算法,首先对含斑图像进行对数变换,将乘性噪声变成加性噪声;再对转换后图像做冗余小波分解;在小波系数服从广义高斯分布的前提下,计算每个小波高频子带的贝叶斯萎缩阈值,利用软阈值方法修正小波系数。实验结果表明,该算法去斑性能优于传统的空间域滤波和正交小波阈值去噪方法。     

小波投影算子在工业图像边缘检测及抗噪分析中的应用

采用基于小波变换投影算子的快速多尺度边缘检测迭代算法，计算表明，迭代次数取5－9，输出图像信噪比较佳；并与传统的Marr边缘检测方法作了实验比较分析，小波变换方法针对工业现场采集的监视目标图像污染严重及噪声干扰等实际情况是一种较好的方法，在边缘定位精度，图像细节丢失等方面优于Marr方法，对噪声干扰也有较好的鲁棒性。     

基于SVD和Radon变换的抗旋转攻击盲水印算法

为了提高传统基于奇异值变换（SVD）的数字水印抗几何攻击能力,提出一种在小波变换域将Radon变换和奇异值变换相结合的抗旋转攻击鲁棒性水印算法。将宿主图像进行小波变换,对变换后的低频子带进行奇异值分解,将经过仿射变换置乱后的二值水印图像嵌入到奇异值中。在水印嵌入操作上采用了奇偶量化嵌入算法从而实现了二值水印图像在水印检测时的盲提取;同时在水印检测之前,利用Radon变换检测算法对待检测图像进行几何校正,然后提取水印信息。实验结果表明,该算法对于噪声感染、滤波、JPEG压缩等常规信号处理的鲁棒性优于传统的基于SVD的数字水印算法,同时对于旋转几何变换具有很好的鲁棒性。     

一种阈值自动设定的小波变换边缘检测方法

边缘检测是提取图像特征的重要手段,本文提出一种阈值自动设定的双阈值小波变换边缘检测方法。小波变换具有良好的时频局部化特性和多尺度分析能力,获得的边缘信息丰富,采用二维静态小波变换算法,计算出局部模极大值点,但其中除了边缘点外,还混有噪声信号,本文根据边缘与噪声的特征自动计算出阈值,实现了噪声与边缘的分离,强边缘与弱边缘的分离,并通过实例验证了算法的有效性。     

基于新阈值函数和小波分析的数字图像去噪方法

在数字图像处理过程中消除和减弱噪声对信号具有很重要的影响。中值滤波是传统的减少图像噪声,提高图像质量的可行方法。文章研究了中值滤波及其改进算法在图像去噪中的应用,基于小波分析基础理论和数字图像信号的小波变换分解重构原理,通过对小波分解系数选定恰当的阈值并进行阈值量化,基于小波分解后的高低频系数进行信号重构,从而有效去除或降低信号的噪声。本文采取的算法在MATLAB仿真平台进行了验证,结果表明,基于本文提出的阈值函数和小波分析处理方法对图像去噪具有更好的适应性,能够更好的改善数字图像的质量。