基于小波变换和形态学分水岭的血细胞图像分割

医学图像处理提取细胞中使用分水岭方法时,容易产生过分割现象且对噪声的干扰极为敏感,为了解决此缺点,提出一种基于小波变换和形态学分水岭的细胞图像分割新方法。首先采用小波变换多分辨率分析对图像进行分解,选取合适的小波基和改进去噪阈值函数对图像进行小波去噪,然后对去噪后小波重构的细胞图像应用数学形态学距离变换、灰度重建等技术产生的区域标记进行分水岭变换,最终得到分割结果。实验结果表明,该算法能稳定、准确地提取细胞和实现粘连细胞的自动分割,同时具有很好的鲁棒性和普适性。     

基于提升小波变换的火灾图像识别

基于提升算法的小波变换具有算法简单、运算速度快、占用存储空间小的特点。针对火灾图像实时性强、火焰边缘含有大量火灾特征信息等特点,结合图像处理技术和小波分析理论,提出基于提升小波变换的火灾图像识别方法。运用小波提升算法提取视频帧图像的边缘。通过火焰面积判据和火焰尖角判据识别是否有火灾发生,实验证明基于提升小波变换的火灾图像识别方法准确性高,实时性强。     

《图像处理、分析与机器视觉（第3版）》

本书是为计算机专业图像处理、图像分析和机器视觉课程编写的教材。 本书针对图像处理、图像分析和机器视觉领域的有关原理与技术展开了广泛而深入的讨论,包括图像预处理、图像分割、形状表示与描述、物体识别与图像理解、三维视觉、数学形态学图像处理技术、离散图像变换、图像压缩、纹理描述、运动分析等。     

基于小波变换的磁粉缺陷图像特征提取与检测

荧光磁粉检测技术是一种常见的无损探伤技术,常用于成品、半成品以及原材料的检验,以确保工件质量的可靠性。小波变换作为分析信号频率分量的数学工具,已成功地应用于图像处理的各个领域。将图像小波技术与磁粉探伤技术相结合,能快速、有效地提取出工件的缺陷特征。目前,磁粉缺陷检测通常通过肉眼观察,不仅速度慢,而且效率低。为了在工业生产中实现自动化、提高检测效率、拓展小波变换的实际应用,提出了一套基于小波变换的自动识别方法,并将其用于检测缺陷。首先,利用小波分析方法提取缺陷特征。图像经过小波变换后,可获得其低频系数和高频系数。高频系数较好地保存了图像的边缘信息(缺陷信息)。然后,对高频系数分量进行垂直投影等基础图像处理操作,以获取缺陷特征。最后,使用BP神经网络进行分类识别。测试结果表明,该系统对工件上的裂纹缺陷和凹坑缺陷具有良好的检测效果。     

基于小波变换的数据隐含技术

文中分析了基于小波变换的图像处理技术。根据小波变换后高、低频分量的特点,将加密数据隐藏在小波变换图像的高频部分,这种基于小波变换后的图像,几乎没有附加传输信息量。     

基于形态学与不完全树形小波分解的图像纹理特征提取算法

针对不完全小波树形结构分解提取纹理特征仅对清晰度高的图像效果佳,运算速度慢的问题,提出基于形态学预处理的不完全小波树形分解快速提取图像纹理特征的算法。首先采用形态学高帽—低帽变换对图像进行预处理,去除图像噪声,增强对比度;在提取纹理特征时,采用一致性判别;对于一致性强的图像,只利用图像的一部分进行不完全小波树形结构分解提取出能量、方向性等纹理特征,提高了运算速度;最后使用双概率神经网络(DPNN)的方法自适应地对纹理图像进行识别。利用Brodatz纹理库进行了仿真实验,并将该算法应用到了现场拍摄的海水中藻类细胞图像的识别。实验结果表明,该算法特征提取和识别速度快,尤其对于清晰度不高、现场拍摄的纹理图像具有较好的效果。     

基于小波变换的自适应阈值三维图像分割

图像分割技术是由图像处理到图像分析的关键步骤,应用基本的分割技术很难得到精确的阈值。研究了三维图像分割技术,提出一种自适应阈值三维图像分割技术,先对三维图像分解成一系列二维图像,根据小波变换理论,分析不同分辨率下小波变换的特点,确定分割区域数和分解层次,再由低分辨率开始对每幅二维图像直方图进行小波变换,逐步到最高分辨率,并根据不同分辨率下小波变换结果,由粗到细地自动设定精确的阈值分割每幅二维图像,最后将多幅二维图像合成三维图像。实验表明了该方法的有效性,能够满足目标识别的要求。     

基于小波一形态学的车牌图像分割算法

车辆牌照图像的分割是车牌识别的前提和基础。在车辆自动管理技术日益发展的今天,车牌图像的分割技术倍受瞩目。针对牌照与车身背景的分割问题,提出了基于小波变换和数学形态学方法的车辆牌照阈值分割算法。首先,对车牌图像进行小波去噪,然后利用数学形态学对去噪后的车牌图像进行闽值分割。此方法能够从含有较强噪声的车辆图像中获取车牌图像,通过构造适当的结构元素,可以达到比较理想的提取效果。     

结合平稳小波变换和形态学的图像去噪算法

图像噪声去除是否有效将直接影响后续图像处理的质量,为了在消除噪声的同时保持图像边缘细节,提出一种结合平稳小波变换及形态学处理的新算法。该算法利用平稳小波相位不变性的特点,充分考虑小波系数的层内相关性;同时结合形态学的方法对图像的边缘信息进行估计;最后通过选择性质相似的区域进行阈值去噪。实验结果表明,该方法在降低了图像噪声的同时又有较好的视觉效果。     

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。     

用立体影像匹配和数学形态变换自动生成DEM

数学形态学已经成为计算机图象处理的一个重要研究领域 ,并在遥感影像分析中得到了卓有成效的应用 .将数学形态学的理论方法引入了建立数字高程模型 (DEM)的研究 ,提出了一种利用立体象对 ,自动匹配识别同名点并提取地表三维坐标 ,继而用数学形态变换建立 DEM的方法 .该方法首先利用正交小波变换对影像进行分解、重建、特征提取 ,并利用影像与特征结合的匹配方法进行亚像素匹配 ;然后根据匹配得到离散的地面点数据 ,用形态变换的方法构建泰森多边形、Delaunay三角网 (TIN) ;最后内插成格网 DEM.试验证明 ,该方法具有数据结构简单、运算速度快、精度好等优点 .     

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。     

ARM架构下计算机图像并行化处理技术研究

为在图像处理与分析时具备良好的视觉效果,提高图像处理的速度,需要对ARM架构下计算机图像并行化处理技术进行研究;当前采用的方法是对各种变换频域图像特征提取与计算机图像集合特征的提取进行相结合,克服了当前对图像进行提取时存在图像形状描述的缺陷,提取图像特征向量维数相对较低;实验表明,通过对图像进行特征提取能很好地对图像效果进行展示,将图像的纹理特征进行详细的表述,将该方法应用到图像处理技术当中,具有良好的去噪效果及扩展性,该方法过程简单,但存在图像视觉效果较差的问题;为此,提出一种ARM架构下计算机图像并行化处理技术研究方法;该方法首先利用非局部均值去噪算法对图像进行去噪处理,然后结合图像去噪的结果利用小波变换对去噪图像进行边缘检测,最后采用非线性增强算法对图像进行增强完成对ARM架构下计算机图像并行化处理技术研究;实验结果表明,所提方法不仅提高图像处理速度,还提高图像视觉效果,具有广泛的应用价值。     

多尺度变换像素级医学图像融合：研究进展、应用和挑战

基于多尺度变换的像素级图像融合是计算机视觉领域的研究热点,广泛应用于医学图像处理等领域。本文对多尺度变换的像素级图像融合进行综述,阐述多尺度变换图像融合的基本原理和框架。在多尺度分解方面,以时间为序梳理了塔式分解、小波变换和多尺度几何分析方法的发展历程。在融合规则方面,围绕Piella框架和Zhang框架,讨论通用的像素级图像融合框架;在低频子带融合规则方面,总结基于像素、区域、模糊理论、稀疏表示和聚焦测度的5种融合规则;在高频子带融合规则方面,综述基于像素、边缘、区域、稀疏表示和神经网络的5种融合规则。总结12种跨模态医学图像融合方式,讨论该领域面临的主要挑战,并对未来的发展方向进行展望。本文系统梳理了多尺度变换像素级图像融合过程中的多尺度分解方法和融合规则,以及多尺度变换在医学图像融合中的应用,对多尺度变换像素级医学图像融合方法的研究具有积极的指导意义。     

基于VB和MATLAB的医学图像处理系统设计

探讨利用VB和MATLAB在医学图像处理领域混合编程的方法。通过ActiveX技术将VB和MATLAB混合编程实现图像处理,建立Windows环境下的图像处理系统。该系统可以对医学图像进行图像预处理和图像增强方面的操作,尤其在图像的灰度变换、消除噪声和边缘检测方面具有良好的效果。通过VB和MATLAB进行混合编程可以减少设计的时间,降低编程难度,同时兼顾了代码安全和界面友好,适合于开发一个在Windows工作环境下运行的、具有丰富的程序接口以及图像处理能力的应用软件,且大大提高了开发效率。     

基于小波变换和互信息的医学图像配准

为提高医学图像配准效果,提出了一种基于小波变换和互信息的配准方法。该方法首先通过小波变换将图像分层,并用小波分解的近似分量从最顶层开始搜索,同时以添加边界约束条件的下降单纯形法为搜索策略,而以搜索结果作为下一层搜索的粗略位置;然后逐层细化,以实现由粗到细的搜索过程;同时,针对不同的分解层采用不同的配准方法,即下层引入结合空间信息的区域互信息(RMI)为相似性测度,而上层采用PV插值法,以避免陷入局部极值。最后将此法应用于加噪MR图像单模配准、PET图像单模配准和MR-PET图像多模配准的。实验结果表明,该方法可以得到精确、有效的配准结果。与传统方法相比,该方法不仅配准精度高、抗噪性能好,而且计算效率高。     

基于均值滤波和小波变换的图像去噪技术研究

采用均值滤波和小波变换相结合的图像去噪方法是先将含噪图像进行小波分解,在小波域中,选取适当的阈值对小波系数进行处理,然后对图像信号进行局部重构至第一层,并采用不同的模板对第一层的各细节子图像进行均值滤波,最后将低频近似图像与均值滤波后高频细节图像合成得到去噪后的图像。这种方法与全局Donoho软、硬阈值小波去噪方法和Birge-Massart策略软、硬阈值小波去噪方法相比,其去噪效果更为明显。它在降低了图像的噪声的同时,又尽可能地保留图像的细节,且图像更加平滑。仿真实验证明,该方法是一种有效的图像去噪方法。     

小波与双边滤波的医学超声图像去噪

目的：医学超声图像中的斑点噪声降低了图像质量并且限制了超声图像自动化诊断技术的发展。针对斑点噪声问题,提出了一种新型的基于小波和双边滤波的去噪算法。方法：首先,根据医学超声图像在小波域内的统计特性,在通用小波阈值函数的基础之上,改进了小波阈值函数。其次,将无噪信号的小波系数和斑点噪声的小波系数分别建模为广义拉普拉斯分布模型和高斯分布模型,利用贝叶斯最大后验估计方法得到了新型的小波收缩算法,利用小波阈值法对小波域内的高频信号分量进行去噪。最后,对小波域内的低频信号分量进行双边滤波处理,然后利用小波逆变换便得到去噪后的图像。结果：在仿真实验中,通过与其它7种去噪算法作对比,观察峰值信噪比(PSNR)等图像质量评价指标,结果表明本文算法的去噪效果优于其他相关算法。临床超声图像的实验结果进一步验证了本文算法的去噪性能。结论：本文提出了一种新型的去噪算法,实验表明本文算法能够很好地抑制斑点噪声,并且能保留图像病灶边缘等细节。     

小波变换在图像压缩中的应用

小波变换克服了传统傅立叶变换的缺点，具有良好的时频局部化性能，从而使得小波理论在图像处理领域得到广泛的应用。实验证明，经过小波变换编解码的图像在实现较高压缩率的情况下能够保证较好的图像质量。     

基于小波与数学形态学的木材缺陷检测

木材缺陷检测是木材加工中的重要步骤,为了实现木材缺陷自动检测,提出了一种基于小波与数学形态学的缺陷检测方法。首先用多尺度小波对缺陷图像进行分解,滤除缺陷图像中的干扰信息,然后进行小波重构,在重构图像上进行形态学bottom-hat变换,结合阈值处理和区域生长检测出各种木材缺陷。实验表明,该方法具有高效准确的特点,能够满足木材加工过程缺陷检测的实际需求。