基于小波变换和插值的超分辨率图像处理算法

根据图像小波变换和插值处理的特点，提出了一种将小波分解与插值算法相结合的图像插值处理方法，以提高图像的分辨率。通过实验表明：该方法能够较好的保持原图像中丰富的高频信息，经插值处理并小波重建后提高了图像分辨率，而且图像主观上具有很好的视觉效果，客观上具有较高的信噪比，并图像中细节丰富，无明显的畸变，因此它也是超分辨率图像处理的一种行之有效的方法。     

一种自适应的小波方向对比度图像融合算法

对多传感器获得的图像序列进行图像融合,可以采用基于小波变换的多分辨率分析图像融合方法。首先,对两幅待融合图像进行小波变换,采用平均加权的方法来获得融合后的低频分量;采用一种基于图像对比度的自适应算法来获得融合后的高频分量。最后从最高分解层到最低分解层依次对得到的高频小波系数和该分解层的低频小波系数进行小波逆变换,最终得到具有原图像有用信息的融合图像。实验结果表明,这种算法可以很好地保留原图像的有用信息,是一种有效的图像融合算法.     

图像边缘检测的小波包分解算法

提出用于图像边缘检测的小波包分解算法.首先对图像的高频子空间进行多层次小波包分解,接着求出各层同一子空间不同方向上系数的差值,然后分层对差值进行阈值化处理,最后依据每层阈值化后的系数,得到不同分辨率下图像的边缘.该算法不需预先对图像进行去噪处理,却能很好地抑制噪声.实验结果表明,该算法既能根据需要分别求出不同尺度下图像的边缘,又能保持图像边缘的完整性和清晰性.     

一种基于小波分析的图像压缩编码方法

提出一种基于小波变换的图像压缩编码算法。即首先对图像进行小波分解,然后对高频子图像用改进后的LBG算法形成码书,进行VQ编码。算法充分利用了不同分辨率间各种子图像的相似性,仅对最高分辨率层进行码书地址索引,低频区域用DPCM编码,最低分辨率层用游程编码。模拟实验的结果验证了该算法在提高图像的恢复质量及降低位码率方面有一定的价值。     

基于提升小波变换的多传感器图像融合算法研究

为了更好的进行图像融合,基于提升小波变换,采用了一种基于区域方差和方向对比度的融合规则相结合的图像融合新算法.该算法结合提升小波的优势,将图像进行多分辨率分解;针对变换后的低频分量和高频分量的不同特点,采用了不同的融合规则进行融合;最后通过提升小波逆变换得到融合图像.实验结果表明,该算法具有增强图像空间细节的能力,使得融合后的图像内容清晰,相比于传统小波变换法,具有更好的融合效果.     

基于高频和中频信息的图像超分辨率重建

提出一种基于图像高频和中频信息的超分辨率算法。分别将图像高频和中频作为高分辨图像和低分辨率图像的特征,以图像高频和中频信息作为训练样本对,采用全局迭代收缩方法（ GISA）进行稀疏分解,获得高、中分辨率字典对。根据测试图像对应的中频信息和字典对获得图像高频信息,结合测试图像插值放大结果,经非局部相似性方法处理后获得高分辨率图像。实验结果表明,提出的方法具有较高的重建质量。     

基于小波的图像插值研究

借助图像的小波变换，提出了一种新的图像插值方案，该方案利用图像小波分解后高低分辨率子带之间存在的相似性，由低分辨率子带插值近似高分辨率子带，从而得到比原图像分辨率高的图像。结合三次B样条插值，实验结果令人满意。     

一种基于显著特征的图像融合算法

充分利用小波变换的多分辨率分析特性,文章提出了一种基于显著特征的小波变换图像融合方法。首先对待融合图像进行小波分解,得到低频系数和高频系数;然后对低频系数提出了一种基于显著特征——空间频率的融合规则,对高频分量使用系数绝对值选大的规则进行融合;最后对融合后的低频系数和高频系数进行小波反变换得到融合图像。同时探讨了多聚焦图像中存在的虚假轮廓现象并提出了一种简便的定位方法。仿真实验表明,文中算法得到的融合图像在视觉效果上较传统算法及其一些改进算法有所提高,同时熵、标准差和互信息等客观评价指标值也得到了提高。     

基于提升小波变换的图像认证数字水印

目前基于小波变换的数字水印算法主要根据频域小波系数的幅值大小确定是否嵌入水印,这种算法的缺点是嵌入水印后的图像的视觉透明度不够好.该文提出了一种基于提升小波变换的盲水印算法,利用提升小波变换将原始图像进行多分辨率分解,利用低频部分系数来生成水印,基于密钥来选取高频部分的小波系数,并根据小波系数的奇偶性嵌入水印.在水印提...     

图像边缘检测的小波包分解算法

提出用于图像边缘检测的小波包分解算法．首先对图像的高频子空间进行多层次小波包分解，接着求出各层同一子空间不同方向上系数的差值，然后分层对差值进行闽值化处理，最后依据每层阈值化后的系数，得到不同分辨率下图像的边缘．该算法不需预先对图像进行去噪处理，却能很好地抑制噪声．实验结果表日月，该算法既能根据需要分别求出不同尺度下图像的边缘，又能保持图像边缘的完整性和清晰性．     

基于小波变换和邻域特征的多聚焦图像融合算法

提出了一种基于小波变换和邻域特征的多聚焦图像融合算法。该算法首先采用小波变换对源图像进行多尺度分解,得到低频和高频子图像;然后对低频子图像采用基于邻域归一化梯度的方法得到低频融合系数,对高频子图像采用基于邻域方差的方法得到高频融合系数;最后进行小波重构得到融合图像。采用均方根误差、信息熵以及峰值信噪比等评价标准,将该算法与传统融合方法的融合效果进行了比较。实验结果表明,该算法所得融合图像的效果和质量均有明显提高。     

结合图像属性的MSD-FICA盲水印算法

基于图像高频子分量相互独立的属性,再结合图像低频能量不易丢失的特点,该文设计了多分辨率子带分解的快速独立分量分析(MSD-FICA)盲水印算法,借鉴了经典的量化调制水印(QIM)算法思想,对原始图像小波分解后的高频成分(水平、垂直、对角小波系数)进行排序,取中频成分。嵌入水印是对中频分量系数和低频分量系数同时嵌入,水印的提取采用快速独立分量分析(FICA)算法,先用主成分分析进行预处理,然后用FICA盲提取水印。实验表明,该算法能有效地提取出水印,并能抵抗一定的压缩、滤波、噪声攻击。     

基于提升小波变换和奇异值分解的灰度图像水印算法

结合提升小波和奇异值分解的特点,提出了一种新的基于提升小波变换和奇异值分解的灰度图像水印算法.该算法先对载体图像进行分块,并对每块进行二级提升小波变换,然后对中高频部分继续进行提升小波变换,对选取的频带四重使用奇异值分解和再次分块的方法构造矩阵,将SVD后提取的奇异值重新分配和组合,最后将灰度水印图像有效地嵌入到多次组合后的矩阵中.这不仅能增加嵌入的信息量,提高水印的安全性,而且实现了水印的透明性和鲁棒性之间的最佳平衡.仿真实验表明,该算法不仅具有较好的透明性,而且对常见攻击如:JPEG压缩、叠加噪声、滤波以及各种几何攻击等具有很强的鲁棒性.     

基于边缘自适应小波变换的图像修复算法

本文提出一种基于边缘自适应小波变换的多尺度图像修复算法,对非纹理图像有比较好的修复效果。边缘自适应小波变换的基本思想是,先检测出图像的主要边缘,这些边缘把图像分割成几个平滑区,然后对图像进行不跨越边缘的小波分解,即在各平滑区内部进行小波变换,得到图像的多尺度表示,并且同时计算边缘的多尺度表示。这样的小波分解使高频信息基本都集中在边缘上,而高频系数则非常稀疏,而且都接近于零。在此基础上进行图像修复,就只需要对低频部分与边缘图像进行修复,然后重构得到修复图像即可。经过小波分解,低频部分破损区域大大缩小,用比较简单的插值方法就可进行修复,大大降低了计算量。对边缘图则可用曲线拟合的方法进行修复。     

小波域中的图像自适应水印算法

提出一种小波域透明图像水印算法,算法将一个二值图像内嵌到原始图像经过小波多分辨率分解后的低频子带上,根据低频系数和高频系数的特点以及树结构关系,并由图像的局部亮度和纹理特性对水印嵌入强度做自适应调节.实验结果表明:使用该算法嵌入的数字水印具有很好的隐蔽性,并且嵌入水印的图像对有损压缩、滤波、加入随机噪声和剪切等攻击操作具有较强的鲁棒性.     

基于小波变换的鲁棒型多水印算法研究

提出了一种基于离散小波变换的多水印算法.首先在嵌入前对水印做Arnold置乱处理,然后对置乱后的水印图像及其原图像进行离散小波变换分解,同时保留小波分解后水印的高频系数,并在水印检测过程中作为密钥使用.最后对原图像小波变换后的中频系数嵌入相应的水印.实验结果表明,上述算法能够经受住剪切、噪声、滤波、压缩等处理,具有很强的鲁棒性.     

基于小波变换的鲁棒型多水印算法研究

提出了一种基于离散小波变换的多水印算法.首先在嵌入前对水印做Arnold置乱处理,然后对置乱后的水印图像及其原图像进行离散小波变换分解,同时保留小波分解后水印的高频系数,并在水印检测过程中作为密钥使用.最后对原图像小波变换后的中频系数嵌入相应的水印.实验结果表明,上述算法能够经受住剪切、噪声、滤波、压缩等处理,具有很强的鲁棒性.     

基于冗余字典的高光谱图像超分辨率复原算法

为了提高高光谱图像的空间分辨率,将基于冗余字典的信号稀疏表示理论应用到高光谱图像的超分辨率复原领域,提出一种基于冗余字典的高光谱图像超分辨率复原算法.该算法通过训练一组高低分辨率相对应的冗余字典对,使得高低分辨率相对应的像元曲线在基于各自的冗余字典进行稀疏分解时,具有相同的稀疏表示系数.超分辨率复原过程中,将待复原的低分辨率高光谱图像基于低分辨率冗余字典进行稀疏分解,利用所得的稀疏表示系数和对应的高分辨率字典,重建高分辨率的图像.实验结果表明:与基于图像块字典的超分辨率复原算法及传统的双线性插值图像放大方法相比,重建图像的峰值信噪比(peak signal to noise radio,PSNR)得到了显著提高.该算法将高光谱图像沿光谱维方向进行整体稀疏分解,避免了传统算法逐波段进行超分辨率复原带来的波段间的光谱失真问题,显著降低了算法的运算量.     

基于小波变换的纹理图像融合

针对采集到的纹理图像无法呈现纹理物体的整体特征的缺陷，提出了一种新颖的图像融合算法.该
融合算法基于纹理图像的大部分纹理信息存在于高频子带中的特点，分别对两幅互补图像进行小波分解，
再对低频子带采用平均融合算子处理，然后对高频子带采用高斯 拉普拉斯算子提取局部边缘信息，以作
为融合规则，并根据两幅互补图像的相似度对高频子带加以融合.结果表明，该算法通过对多幅互补图像
的小波分解图像进行融合，使得融合后的图像内容清晰，纹理信息更加丰富，为后续的缺陷查找步骤提供
了准确的依据.     

基于小波包的SPIHT算法图像压缩

富含细节、纹理和边缘的图像中,重要信息大量集中在中、高频部分,基于小波变换的压缩方法只对低频信息进行多次分解.针对这个问题,以SPIHT算法为基础,研究了基于小波包分解的图像压缩算法.仿真结果表明,采用小波包分解的SPIHT算法与传统SPIHT算法相比,在同压缩比情况下,峰值信噪比提高了0.35~1dB,适用于纹理丰富的图像的压缩.