基于KL距离和双密度小波变换的纹理图像检索

为了进一步提纹理图像的检索性能，提出了一种基于双密度小波的算法。该算法根据双密度小波分解的特点。从系数角度出发首先进行子带组合，然后提取子带小波系数直方图分布特性作为纹理特征。利用最大似然估计规则将特征提取和相似计算结合起来．采用KL距离进行度量．与单小波和双密度小波方法比较．该算法具有时移不变性、特证数少等特点。理论分析和纹理图像检索的对比实验数据说明了组合双密度小波在纹理特征提取方面的性能优于单小波和双密度小波。检索率分别提高了。     

基于统计模型和KL距离的纹理图像检索

为了进一步提高纹理图像的检索性能,提出了一种基于统计模型离的纹理特征提取算法。根据小波分解的特点,从小波系数角度出发,以每个子带的小波系数系数直方图分布特性作为纹理特征,采用混合高斯模型和一般高斯模型分别对低频和高频信息进行描述,利用最大似然估计规则将特征提取和相似计算结合起来,采用KL距离进行度量。与一般高斯模型方法比较,该算法具有检索精度高等特点。理论分析和在纹理图像检索的对比实验数据说明该算法在纹理特征提取方面的性能较一般高斯模型方法提高了5%。     

一种基于二进小波变换的图像边缘检测方法

边缘检测是图像处理和计算机视觉领域最活跃的研究课题之一。传统边缘检测方法对噪声非常敏感,针对该问题在传统边缘检测算法分析的基础上,提出了一种基于二进小波变换的图像边缘检测方法。首先,对原图像进行二进小波分解,然后对低频子图像用直方图均衡化来进行增强,对增强后的低频子图像用二进小波变换模极大值点方法进行边缘检测得到边缘图像。实验结果表明,这种边缘检测方法明显优于对原图像直接使用传统边缘检测算子或二进小波变换模极大值点的边缘检测方法。     

一种基于二进小波变换的图像增强方法

传统的增强图像的方法会丢失图像细节。结合二进小波变换和直方图均衡的优势,提出一种基于二进小波变换的图像增强方法。首先利用二进小波变换将图像分解为一个低频分量和三个高频分量,分别对低频分量做直方图均衡处理,高频分量做高斯-拉普拉斯掩膜锐化,再将处理后的低频分量和各高频分量进行二进小波逆变换重构。实验结果表明,该方法较于单纯的只使用直方图均衡的传统方法和只对低频图像做直方图均衡处理方法有较好的增强效果。     

快速小波熵在图像检索中的应用

图像检索技术是多媒体应用中的关键技术,现有的基于内容的图像检索技术大都是基于非压缩域的.随着各种压缩标准的推出与普及,人们开始研究直接在压缩域的图像检索技术.由于小波变换在图像压缩中的应用,文献中提出了基于小波直方图的图像检索技术,但该技术的计算复杂性高,检索速度较慢.提出了快速小波熵的图像检索技术以减少小波直方图技术的计算复杂性并提高了检索速度.     

基于小波分频与直方图均衡的图像增强算法

传统直方图均衡化算法在增强图像的同时也丢失了图像细节、增强了图像的噪声信号,导致信息熵下降。结合小波变换多尺度、多分辨率的特点和直方图均衡的优势,提出一种基于小波分频和直方图均衡的高亮度图像增强算法。首先利用小波变换将图像分解为低频分量和高频分量,然后仅对低频分量做直方图均衡处理,再由均衡后的低频分量与各高频分量进行小波重构。实验结果表明,该算法对于亮度较高的灰度图像有较好的增强效果。     

基于多小波分析的图像融合算法

从电磁波频谱带宽的角度,提出了图像融合的一种物理解释。介绍了多小波变换的一般理论,描述了多小波图像融合的方法。用GHM多小波、CL多小波及Db4单小波对可见光与红外图像进行了融合。利用平均熵作为判定准则,比较了GHM多小波、CL多小波及Db4单小波的融合效果,实验结果表明CL多小波算法效果最好。     

小波变换在医学图像边缘提取中的应用

边缘是图像的重要特征。医学图像往往较模糊．其边缘特征难以用传统方法检测。小波变换具有良好的局部化特性、多分辨特性．及检测信号局部突变的能力。对图像进行二维小波变换，其梯度模值反映了图像的边缘。介绍一种基于小波变换的图像边缘提取方法。实验证明．与传统边缘检测方法相比，该方法去噪效果好，能提取图像中较弱的边缘，且能使边缘细化。这些特点使得他特别适合于医学图像边缘的提取。     

基于小波变换的红外图像边缘提取研究

红外图像的边缘提取是其判读和识别的重要技术基础。红外图像背景复杂、噪声较为严重。针对这一特点，利用小波变换易于消除噪声、运算方便的特点，提出了一种基于小波变换的红外图像边缘提取算法。首先利用小波算法对红外图像进行滤噪，然后利用高斯函数作为平滑函数对图像进行水平和垂直方向的小波变换，提取红外图像边缘特征。给出了仿真实例，证明了该算法的科学性和可靠性。     

反对称双正交小波应用于多尺度边缘提取的研究

本文对反对称双正交小波所具有的多尺度边缘提取能力进行了理论分析，提出了一种反对称双正交小波变换域内的多尺度边缘提取算法，并通过实验进行了验证。该结果为在基于小波变换的压缩数据域内利用边缘信息实现图像检索提供了依据。     

一种综合PHOG形状和小波金字塔能量分布特征的图像检索方法

形状是物体的一个重要属性,在图像检索中发挥着重要作用.PHOG梯度方向直方图金字塔是最近出现的一种表达力较强的形状特征,但其对自然背景图像的检索效果不佳.图像的小波分解能得到图像能量场在各频域的分布,从而可用于图像检索.本文提出一种新的小波金字塔能量分布特征,在基于SVM分类器的检索框架下,与图像的PHOG形状描述特征...     

Theory of Dual-Tree Complex Wavelets

We study analyticity of the complex wavelets in Kingsbury's dual-tree wavelet transform. A notion of scaling transformation function that defines the relationship between the primal and dual scaling functions is introduced and studied in detail. The analyticity property is examined and dealt with via the transformation function. We separate analyticity from other properties of the wavelet such as orthogonality or biorthogonality. This separation allows a unified treatment of analyticity for general setting of the wavelet system, which can be dyadic or M-band; orthogonal or biorthogonal; scalar or multiple; bases or frames. We show that analyticity of the complex wavelets can be characterized by scaling filter relationship and wavelet filter relationship via the scaling transformation function. For general orthonormal wavelets and dyadic biorthogonal scalar wavelets, the transformation function is shown to be paraunitary and has a linear phase delay of $ omega /2$ in $[{0},2pi )$.      

多尺度下低对比度红外热图像增强技术

对红外热图像进行增强时，常采用基于直方图的图像灰度线性或非线性变换技术以及中值滤波方法，使图像的目标与背景之间的灰度差别放大并且滤除噪声，从而达到增强图像的目的，其缺点是灰度变换技术易放大噪声而中值滤波方法只能滤除高斯白噪声。由于梯度反映了图像灰度之间的差异，而根据二进小波变换可以建立红外热图像的梯度矢量图，通过增强红外热图像梯度的幅度，可以有效地增强图像对比度。根据脉冲噪声和高斯白噪声的多尺度下小波变换特性，抑制噪声点的梯度且增加目标的梯度幅度，能达到既增强图像又抑制多种噪声的目的。     

An image retrieval method based on spatial distribution of color

Color histogram is now widely used in image retrieval. Color histogram-based image retrieval methods are simple and efficient but without considering the spatial distribution information of the color. To overcome the shortcoming of conventional color histogram-based image retrieval methods, an image retrieval method based on Radon Transform （RT） is proposed. In order to reduce the computational complexity, wavelet decomposition is used to compress image data. Firstly, images are decomposed by Mallat algorithm. The low-frequency components are then projected by RT to generate the spatial color feature. Finally the moment feature matrices which are saved along with original images are obtained. Experimental results show that the RT based retrieval is more accurate and efficient than traditional color histogram-based method in case that there are obvious objects in images. Further more, RT based retrieval runs significantly faster than the traditional color histogram methods.     

一种新的基于加权颜色特征的图像检索算法

针对传统基于颜色直方图为特征的图像检索算法的不足,提出了一种新的颜色特征提取算法.利用模糊C均值聚类(FCM)对HSV空间的颜色信息进行聚类,然后对颜色信息进行加权颜色直方图统计,得到主颜色直方图.实验结果表明,新的加权主颜色直方图的图像检索算法比传统颜色直方图具有更高的检索精度.     

Completeness of arbitrarily sampled discrete time wavelettransforms

An arbitrarily sampled discrete time wavelet transform is said to be complete if it is uniquely invertible, i.e., if the underlying signal can be uniquely recovered from the available samples of the wavelet transform. We develop easy-to-compute necessary and sufficient conditions and necessary but not sufficient conditions for the completeness of an arbitrarily sampled dyadic discrete time wavelet transform of a periodic signal. In particular, we provide necessary and sufficient conditions for completeness of the sampled wavelet transform when the lowpass filter associated with the dyadic wavelet filter bank has no unit circle zeros other than those at z=1. We present necessary but not sufficient conditions for completeness when the lowpass filter associated with the dyadic wavelet filter bank has arbitrary unit circle zeros. We also provide necessary and sufficient conditions for completeness of a set of samples of both the lowpass approximation to the signal and its wavelet transform. All the conditions we derive use only information about the location of the retained samples and the analyzing wavelet filter bank. They can easily be checked without explicitly computing of the rank of a matrix. Finally, we present a simple signal reconstruction procedure that can be used once we have determined the arbitrarily sampled discrete time wavelet transform is complete