基于ROAD和小波收缩的MLEM低剂量CT重建算法

针对低剂量CT(Computed Tomography)重建图像质量退化的问题,提出一种基于小波收缩和绝对差值排序各项异性扩散的MLEM(Maximum Likelihood Expectation Maximization)低剂量CT重建算法。算法在每次迭代中首先采用MLEM算法对低剂量CT投影数据进行重建。由于各项异性扩散对噪声敏感,所以算法先对重建后的图像进行小波变换,再在更稳定的低频小波域进行基于绝对差值排序的各项异性扩散处理,对小波高频系数进行软阈值降噪处理。然后将降噪处理后的系数进行小波反变换,得到降噪后的图像。最后使用中值滤波对图像进行处理,从而消除脉冲噪声点。实验结果表明,与其他几种常用重建算法相比,该算法重建的图像信噪比更高,归一化均方误差更小,处理后的图像更清晰,即可以在抑制噪声的同时,较好地保持图像的边缘和细节信息。     

几种变换域体绘制算法的比较研究

医学图像三维重建技术具有重要的学术意义和应用价值。变换域体绘制是该重建技术的一个新兴的重要分类,目前它已成为一个热点研究方向。综述了变换域体绘制下的傅里叶体绘制、哈特里体绘制、小波域射线投射法、小波足迹法典型算法的算法思想和优缺点,而且通过列表与其它三维医学图像可视化算法的特点及性能进行了分析比较,从而得出变换域体绘制具有绘制速度快、图像品质高等其它绘制算法不可比拟的优点及其相应的改进之处。     

基于小波变换和迭代反向投影的超分辨率算法

针对单帧图像的超分辨率的重建问题,在分析基于小波域及空间域相关算法的基础上,提出了一种基于小波变换和迭代反向投影的超分辨率重建算法。该算法结合了小波域和空间域算法的优势,在小波域通过小波变换对图像进行分解,再利用迭代反向投影方法使重构误差最小化,在小波域和空间域均采用简单插值方法来降低计算复杂度。实验数据表明,该算法与现有其他算法相比,得到的峰值信噪比较高,且运算复杂度较低,对图像的重建质量有明显改善。     

几种变换域体绘制算法的比较研究

医学图像三维重建技术具有重要的学术意义和应用价值.变换域体绘制是该重建技术的一个新兴的重要分类,目前它已成为一个热点研究方向.综述了变换域体绘制下的傅里叶体绘制、哈特里体绘制、小波域射线投射法、小波足迹法典型算法的算法思想和优缺点,而且通过列表与其它三维医学图像可视化算法的特点及性能进行了分析比较,从而得出变换域体绘制具有绘制速度快、图像品质高等其它绘制算法不可比拟的优点及其相应的改进之处.     

基于变分和小波变换的图像放大算法

为了更好地放大图像,利用小波变换的思想,提出了一种变分和小波变换相结合的图像放大算法.该算法的思想是先构造一个用Besov范数估计图像正则性的变分泛函,然后在小波域中最小化变分泛函得到放大图像.小波变换后的高频分量具有丰富的细节边缘信息,因而能够重构出高质量的图像,而且小波的引入使得文中新算法具有运行时间短、速度快的特点.与传统的插值放大图像不同,该算法是用变分的思想进行图像放大.理论分析和实验仿真表明,该算法能达到和样条插值同样的放大效果.     

基于小波神经网络的人脸识别

利用最近在小波变换、人工神经网络和证据理论上取得的进展来进行人脸图像的识别。由于小波变换在时间和频率空间具有良好的定位特性，使小波神经网络可对输入、输出数据进行多分辨的学习训练。将小波变换和反向传播神经网络理论结合，设计一种小波神经网络结构，介绍了神经网络的数学框架和该网络的学习算法，把此算法用到人脸识别中，实验结果证明小波神经网络在人脸识别中收敛速度快、识别率高。     

基于小波变换模极大值特征的多模医学图像融合算法研究

文章提出了一种基于小波变换模极大值特征的多模医学图像融合算法,将待融合的图像进行小波变换提取其模极大值特征,在特征域上根据小波变换模极大值的特征实施不同权重的加权融合计算,实施逆变换重建融合图像。并对人脑的MRI-PET图像进行了融合,实验结果表明该方法能有效地将解剖信息和功能信息融合在一起,并保留原始图像的解剖结构特征。     

基于小波变换的图像压缩感知

针对图像变换后系数采样数量和图像重建质量之间的矛盾,从图像的结构和纹理特性出发,提出基于小波变换的图像压缩感知算法.讨论图像经过多尺度小波变换后系数的稀疏性,保留图像变换后的低频系数,只对高频系数进行测量,同时利用正交匹配追踪算法重构高频系数.实验仿真结果表明,该算法能有效提高图像重建质量.     

小波变换和变分PDE相结合的图像去噪算法

为了更好地恢复图像,利用小波变换的思想,提出了一种变分和小波变换相结合的图像去噪算法。该算法的思想是先构造一个用带有韦伯心理学的范数估计图像正则性的变分泛函,然后在小波域中最小化变分泛函得到还原图像。与传统的直接求泛函最小化的问题有区别,该算法是用变分的思想再结合小波变换进行图像去噪。小波变换后的高频分量具有丰富的细节边缘信息,因而能够重构出高质量的图像,而且小波的引入使得新算法具有运行时间短、速度快的特点。理论分析和实验仿真表明,该算法能达到比单一方法更好的恢复效果。     

基于单层小波变换的图像融合压缩感知研究

提出了一种将单层小波变换与压缩感知相结合的图像融合新方法，仅通过测量图像的高频小波系数且保留了低频小波系数，利用不同的方案对低频小波系数和高频小波系数的测量进行融合。结合总变分（TV）最小化算法和融合测量来恢复高频小波系数，运用逆小波变换对融合图像进行重建。实验表明，该方法具有良好的融合性能和较低的计算复杂度。     

Construction of wavelet decompositions for tomographic images

In tomography an image is reconstructed from its projections from different directions. In this paper we study the reconstruction of a tomographic image from the wavelet transform of its projections with a 1-D analyzing wavelet. We then show that it allows us to reconstruct a 2-D wavelet decomposition of the image. The properties of the generated 2-D analyzing wavelet are studied. When the 1-D analyzing wavelet is even, the 2-D analyzing wavelet is isotropic. The extension of this idea to directional wavelets is also presented. The wavelet transform obtained in this case is defined with respect to a scale parameter and a rotation angle. For illustration, results on simulated and x-ray computerized tomography medical images are presented.     

小波滤波与QRS波检测

利用双正交样条小波等效滤波器,实现了ECG信号的小波分解和重建。分析心电信号奇异点与其小波变换模极大值对的零交叉点的关系,提出了心电信号QRS波检测的算法。在检测算法中还使用了一系列策略来提高算法的抗干扰能力和QRS检测的准确性。经MIT/BIH心律失常数据库验证,QRS波的正确检测率达99.506%。最后将该算法应用到Windows Mobile智能手机上的心电监护系统中,达到令人满意的效果。     

应用提升格式实现的基于行小波变换的图像压缩算法

内存需求量大、计算复杂度高等问题很大程度上限制了JPEG2000的应用。基于行小波变换的图像压缩算法以累进方式完成列向小波变换,在不影响变换结果的前提下降低了对存储容量的需求。应用三项加法单元形式的提升格式代替原基于行的小波变换算法中的Mallat算法,充分利用了提升格式的全替换特性,加快了计算速度,节省了内存。同时针对基于行的小波变换的特点,设计了相应的上下文模板,可以简洁、高效地进行概率估计。应用该方法对JPEG2000进行改进,可大大提高其实用性。     

基于三角样条小波变换和三角样条插值信号重构方法

文献8使用二进小波变换提取信号边缘特征,根据信号特征点的值和导数值用三次埃米特多项式进行插值重构。该文分析了文献8存在的两个问题,并针对这两个问题进行改进,即在二进小波变换和插值重构时使用同一种函数———三角样条小波函数,这样才能体现出信号处理的本质。文章作者曾提出的三角样条小波正好同时具有作为小波函数和插值函数双重作用,大大提高信号重构质量。就信噪比和相对误差两项指标与Mallat算法和文献8算法进行了比较,效果明显。     

一种冗余小波变换的心电信号噪声消除方法

平稳小波变换去除心电信号噪声较好抑制了小波空间适应法消噪产生的伪Gibbs现象,但其重建过程相对复杂。提出对受噪声污染的心电信号移位一次,将移位信号及原信号分别进行正交小波变换阈值去噪,以它们的平均作为去噪结果。实验表明可以获得与平稳小波变换相同的去噪效果,但算法实现更简单快速。     

基于整数小波变换和嵌入零树的图像压缩算法

小波变换因其具有良好的时、频局部化性能,在图像压缩编码中得到广泛的应用。尤其提升小波的出现使无损压缩成为可能。该文采用整数小波对图像进行四级二维小波变换,根据系数特点介绍了一种小波零树的图像编码算法,给出了具体的算法编码实例,并用512×512的Lena图像对算法进行了仿真实验。     

基于整数小波变换的遥感超光谱图像无损压缩

由于遥感图像信息十分宝贵,应尽可能采用无损压缩或近无损压缩方法。本文提出基于"提升"(Lifting)算法实现整数小波变换(IWT)的方法,将变换方法用于去除空间冗余,保证了小波变换后图像信息无损失,再用算术编码对图像进行无损压缩。由于变换方法的去相关性能良好,实验证明将IWT应用于遥感图像无损压缩是有效的,能达到预期的目的,解码后的图像能无失真的恢复。     

心电图压缩算法中的小波基选择

文章研究心电图压缩算法中的小波基选择。算法中采用整-整小波进行小波变换,用小波零树嵌入编码和自适应算术编码对心电图压缩。小波库由9种小波基组成。用MIT-BIH心率数据库的样本数据对提出的算法进行测试,结果表明,在压缩过程中对每段心电图选取最优小波基能显著地降低信号失真度。     

基于Curvelet变换的图像压缩感知重构

压缩感知主要采用离散余弦变换(DCT)和正交小波进行图像的稀疏表示,但是DCT时频分析性能不佳,小波方向选择性差,不能很好地表示图像边缘的信息。为此,利用Curvelet变换具有的多尺度、各向奇异性、更高稀疏表示性能等特性,提出基于Curvelet变换的图像压缩感知重构算法,采用Curvelet对图像进行稀疏表示和小波域阈值处理,以此解决信号重构噪声问题。实验结果证明,与传统小波变换和Contourlet变换相比,该算法在Lena图像上峰值信噪比平均提高了1.86 dB和1.15 dB。将Curvelet变换应用于压缩感知,能使图像边缘和平滑部分得到最优的表示,图像细节部分重构效果得到大幅提升,有效提高图像整体重构质量。     

边界镜像对称延拓双正交小波变换矩阵的构造

计算小波变换的Mallat算法需要进行逐级分解和重构,对于有限长信号的小波变换来说,为了保证其完全重构,有必要对其进行边界延拓。基于边界周期延拓的小波变换算法极易实现,也常见于文献,而边界对称延拓较周期延拓则更适合用于信号和图像的处理,但基于边界对称延拓的小波变换矩阵实现方法却很少出现在文献中。为了用矩阵-向量乘积实现信号的小波变换,给出了一种在信号镜像对称延拓方式下,任意深度小波变换矩阵的构造方法,并证明了该延拓方式下实现Mallat算法的完全重构条件。作为实例,绘出了B ior3.3小波的分解和重构矩阵的基向量及波形图。将构造的变换矩阵用于基于小波的图像处理中,不仅可以避免逐级迭代,大大简化运算量,而且边界效应也明显减少。