基于非线性提升小波变换的图像去噪

基于提升方案的小波变换结构简单 ,不需要额外的存储空间 ,易于实现。同时 ,提升方案中的预测和更新算子既可以是线性的 ,也可以是非线性的 ,这就为我们构造非线性小波提供了一条有效的途径。该文利用一些简单的非线性算子 ,如求中位数和最大值等 ,构造出基于整数的非线性提升小波 ,并将该方法应用于阈值去噪处理中 ,得到了较好的效果 ,明显提高了图像的信噪比     

基于提升算法JPEG2000小波变换的硬件实现

提出了一种基于提升算法的高效JPEG2000二维离散小波变换(2D-DWT)硬件结构,将边界延拓内嵌于离散小波变换过程中,减少了所需的内存空间和功耗。采用W扫描输入方式和行列并行处理结构,加快了变换速度,大大提高了小波变换的效率。整个二维离散小波变换结构已经通过FPGA硬件仿真验证。     

提升小波变换的FPGA设计与实现

根据1996年Sweldens等人提出的提升小波变换方法,设计了一种有效的JPEG2000 CDF(2,2)整数小波变换的VL-SI实现结构,并对小波系数的变化范围进行了分析.用VHDL对该结构进行基于FPGA实现的可综合描述,并用EDA软件进行了仿真和综合,硬件仿真结果和软件Matlab实现结果完全一致.     

提升小波变换的FPGA设计与实现

根据1996年Sweldens等人提出的提升小波变换方法,设计了一种有效的JPEG2000CDF(2,2)整数小波变换的VL-SI实现结构,并对小波系数的变化范围进行了分析。用VHDL对该结构进行基于FPGA实现的可综合描述,并用EDA软件进行了仿真和综合,硬件仿真结果和软件Matlab实现结果完全一致。     

提升的M通道小波变换在图像压缩中的应用

针对M通道小波变换对信号分频范围更细这一特点,利用基于空间域的小波提升方案,实现了M通道小波变换的提升分解。这种提升分解是不唯一的,可以利用这种分解的不唯一性,使变换具有所需的性质。为此给出了一种M通道快速提升小波变换的算法。该方法只要有分解算法,立即可以得到合成算法,而且将运算结果取为最接近的整数,就可实现整数到整数的小波变换。实验结果表明了该方法对图像压缩的有效性。     

基于提升方案的小波变换原理与C＋＋实现

本文论述了提升方案的小波变换原理以及C++实现，并给出了实验结果，为进一步应用研究进行尝试。     

小波提升变换边缘检测算法的DSP实现

提出了基于小波提升变换的改进图像边缘检测算法的DSP实现过程。本算法对源图像进行小波提升分解,然后分别对高、低频子图像进行边缘提取;基于高速DSP的实现克服了传统小波变换存在的问题,很好地满足了实时性要求。实验结果表明,该方法具有运算速度快、能有效地抑制噪声、边缘检测精度高等特点,是一种有效的图像边缘检测实现方式。     

图像处理中小波提升方案和Mallat算法的比较

离散小波变换(DWT)的快速算法是近几年小波变换领域研究的热点。Swedlen提出一种不依赖于傅立叶变换的新的小波构造方案——提升方案(LIFTING SCHEME)，其计算速度是传统Mallat算法的两倍左右，因而成为计算离散小波变换的主流方法。提升方案为第一代小波变换提供了一种新的更快的实现方法，同时，大大降低了第一代小波的难度，并且已经证明提升方案可以实现所有的第一代小波变换。     

基于提升整数小波变换的虹膜识别

提出了一种基于小波提升方案的虹膜识别算法。与传统基于卷积的小波变换方法相比,该方法在特征提取上计算简单,运算速度快,而且实现的是从整数到整数的变换,更有利于虹膜信息的量化。先对虹膜图像进行提升整数小波变换,然后对子图进行量化编码得到特征,采用屏蔽了噪声位的汉明距来进行模式识别。实验结果表明,基于提升整数小波变换的虹膜识别方法在识别率和等错率方面都能达到好的识别效果,在特征提取速度上也得到了较大提升,更能满足实时性的要求。     

基于改进的提升小波变换的图像融合算法

研究图像融合精度问题,由于光学传感器的光谱分辨率不同,在图像融合中易丢失信息,影响图像质量。传统的图像融合算法计算量大、实时性差的缺点,同时没有细致考虑低频分量融合规则以及高频分量邻域特征对融合的影响,因而得到的融合效果不理想。为了解决上述问题,提出了一种改进的提升小波变换图像融合新算法,算法引进了图像对称概念策略,仿真结果表明,改进的图像融合算法计算量明显减少,实时性也明显提高,与传统的标准小波变换图像融合算法以及拉普拉斯金字塔融合算法相比,较有效地提高了图像融合的精确度。     

基于提升机制小波变换的SAR与多光谱图像融合算法

在对提升机制小波变换的原理和特点研究的基础上，结合SAR图像与多光谱图像不同成像特性，提出了一种基于提升小波变换区域融合的SAR与多光谱图像融合方法。对于小波变换后的高频子图像，选择区域标准差大的作为融合后的子图像；对于低频子图像，定义区域均值的平均相对偏差作为阈值，融合子图像区域均值偏差大干阈值时，采用逻辑滤波方法融合，反之采用基于像素值加权、平均的融合规则。实验证明，该算法能够有效融合SAR与多光谱图像之间的互补信息，与其它用于图像融合的小波变换方法相比，运筹速度较快，易于DSP实现。     

几种三层小波提升方案及其在图像压缩中的应用

1 引言小波理论在图像压缩中已有成功的应用。在小波压缩系统中,有两个因素是至关重要的:一是小波滤波器,二是压缩编码算法。随着小波变换进入JPEG2000,与小波变换相配套的零树编码算法写进MPEG-4,小波理论在图像压缩中也占有越来越重要的地位。基于提升算法的第二代小波变换也日益受到研究者的广泛关注。与第一代小波变换相比,提升算法具有快速、高效的优点,并且提升滤波器的设计可直接在空域中完成。第一代小波变换可通过因数分解转换为提升方案,例如著名的Cohen和     

Daubechies提升小波在图像去噪中的仿真研究

在介绍了一般小波理论和小波图像去噪的基础上,重点阐述了提升小波算法(lifting scheme)的基本原理,给出了用提升方法构造传统小波的普遍实现方法,按照提升小波的一般理论,对Daubechies(9/7)小波进行提升格式处理,并将Dau-bechies(9/7)提升格式小波应用到二维图像去噪研究中.计算机仿真试验结果表明,在去掉噪声后图像信号的信噪比相近的情况下,提升小波与传统小波相比,其优点在于计算简单,编程容易,速度快.     

提升小波算法的FPGA硬件实现

讨论了提升小波变换的原理及特点,并提出了一种基于现场可编程门阵列器件FPGA实现提升小波算法的方案,该方案与基于传统的卷积方法实现相比,可以减小硬件实现面积,并利用插入流水线寄存器的方法,缩短关键路径,提高运算速度.     

Lifting Scheme及其在小波图象编码中的应用

Lifting Scheme是构造第二代小波的关键技术。相对于第一代小波而言,Lifting Scheme是一种比Mallat算法更快、更简单和更容易操作的算法,也是JPEG2000推荐的算法,为了将其应用到小波图象编码中,提出了一种对Lifting Scheme作适当改进以用于小波图象编码的方法。该方法就是先用Lifting Scheme来实现D9/7双正交小波变换,然后再用这种技术实现的D9/7双正交小波变换来进行图象压缩编码。在将Lifting Scheme算法用于小波图象编码的过程中,对该算法做了必要的简化,以便保证每个提升(lifting）环节都是FIR滤波。同时,根据能量守恒的原则,重新调整了尺度因子。实验结果表明,这种经过改进的Lifting Scheme取得了比Mallat算法更好的图象编码效果。     

应用于图像的基于提升方法的双自适应小波变换

由于小波具有良好的时频特性,对于平滑图像,利用固定尺寸的小波滤波器滤波可以获得良好的分解结果.然而对于具有较多突变点的图像而言,采用固定尺寸的小波滤波器进行滤波并不是一个理想的选择.基于Heijman等人提出的2维自适应更新提升格式,本文提出了一种双自适应的小波变换算法,在更新与预测过程均采用自适应算法.最后,对标准图像进行测试分析,实验结果表明该算法在图像精确重构不需要额外的附加信息,且可以提高图像的峰值信噪比（PSNR）.     

基于提升方案的自适应小波变换

介绍了小波变换提升方法 ,并引入自适应理论和多层提升方案。讨论了一种新的自适应方案 ,并对研究结果进行了测试 ,取得了较好的效果。     

JPEG2000标准下提升小波的设计与分析

该文在理论上对卷积和提升两种小波变换方法进行了比较,说明了JPEG2000标准中的具体应用;对9/7、5/3滤波器的卷积和提升算法在程序上予以实现,并比较了信噪比的优劣;此外在硬件实现上给出了设计方案。