基于小波变换的零件图像融合与边缘检测

提出基于小波变换的零件图像数据融合和边缘检测的方法,对图像进行分解,将高频区域中的绝对值较大的系数作为重要小波系数;在低频区域,对逼近系数进行加权平均得到新的逼近系数,然后进行小波重构实现图像数据融合。应用小波变换对融合图像进行多尺度边缘检测,获取图像边缘,或对图像进行小波多尺度边缘检测,然后融合边缘。     

基于小波神经网络和证据理论的零件图像识别的研究

从零件图像的小波分解系数和相对图像边缘像素系数作为零件特征的方法出发,提出了基本概率分配构造和多源零件图像特征识别的方法。首先,对多源零件图像分别进行小波分解,获取零件图像的小波分解系数。对零件图像进行小波多尺度边缘检测,将被检测的零件边缘轮廓图像分成若干个区域并分别统计各区域的相对边缘像素系数。然后,多源零件图像的小波分解系数和零件边缘轮廓图像的相时像素系数作为零件图像的特征并作为神经网络的输入,获取多源零件图像识别的基本概率分配。最后,依据证据理论的合成规则得到零件的识别结果。实验结果表明,基本概率分配构造和多源零件图像特征识别的方法是有效的。     

基于小波神经网络和证据理论的零件图像识别的研究

从零件图像的小波分解系数和相对图像边缘像素系数作为零件特征的方法出发,提出了基本概率分配构造和多源零件图像特征识别的方法.首先,对多源零件图像分别进行小波分解,荻取零件图像的小波分解系数.对零件图像进行小波多尺度边缘检测,将被检测的零件边缘轮廓图像分成若干个区域并分别统计各区域的相对边缘像素系数.然后,多源零件图像的小波分解系数和零件边缘轮廓图像的相对像素系数作为零件图像的特征并作为神经网络的输入,获取多源零件图像识别的基本概率分配.最后,依据证据理论的合成规则得到零件的识别结果.实验结果表明,基本概率分配构造和多源零件图像特征识别的方法是有效的.     

零件多源图像特征提取和识别的研究

提出了基于小波变换的零件多源图像融合和提取零件图像特征的方法。首先,应用小波变换对多源图像进行多尺度分解,利用小波分解系数融合零件多源图像。然后,对融合图像进行多尺度边缘检测,被检测的图像分成若干个子区域并分别统计其中的边缘像素量,各区域中的相对边缘像素系数作为零件图像特征。最后,应用神经网络和网络技术,进行远程零件多源图像识别。实验结果表明,文中提出的方法是有效的。     

基于小波的磨粒图像融合方法研究

针对油液磨粒检测需要,基于彩色空间变换和小波分析理论,研究磨粒多聚焦图像融合方法。该方法采用邻域梯度特征因子取大法来选取多聚焦图像清晰区域的低频系数,以进行低频融合系数的确定;采用建立新系数带以及系数取大法来进行高频融合小波系数的选取。分析小波基和分解层数对磨粒多聚焦图像融合效果的影响,结果表明,在分解层数为5时,采用db4、sym4、bior2.4小波基进行磨粒多聚焦图像融合均可获得较好的融合效果。     

复小波包域局部邻域窗口阈值SAR图像去噪

提出一种基于四树复小波包变换的局部窗口阈值SAR图像去噪新方法.该方法利用四树复小波包变换具有的移不变性、良好的方向选择性和对高频信号的细致分析能力等特点,把含噪SAR图像分解成低频逼近子图和若干高频方向子图.通过对方向子图设置合理的阈值来确定最优复小波包基.在保留低频逼近子图复系数不变的同时,利用高频信号系数的邻域相关性和噪声方差随分解尺度增大而迅速衰减的特点,对最优基复小波包系数进行局部邻域窗口阈值收缩处理,从而实现降噪功能.实验结果表明,该方法计算效率高,在等视指数(ENL)、优点图(FOM)等指标上均优于传统的复小波变换、复小波包变换和Curvelet域HMT等去噪方法,能有效地抑制SAR图像斑点噪声的同时,对图像边缘和细节具有较好的保护能力.     

利用人眼视觉特性的低比特率小波图像压缩

图像压缩的视觉有效性直接与其所保留的视觉重要信息有关。心理生理学实验结果显示,人眼对图像的边缘、平滑、纹理区域的敏感度不同,同时对小波分解后不同子带部分小波系数的敏感度也不同。本文据此提出了一种新的低比特率小波图像压缩方法。该算法对图像不同区域小波系数进行不同的量化,同时对图像小波分解不同子带系数进行视觉重要性加权,保证优先传输视觉上最重要的系数。实验表明,本文算法适合于低比特率的图像压缩,将其嵌入EZW编码算法中,与传统的EZW算法相比,重构图像的主观视觉质量评价指标VIF(visual information fidelity)值更高,具有更清晰的视觉效果。     

基于小波变换的图像数据融合方法

提出一种基于小波变换的图像数据融合方法.原始图像经过小波变换,分解成亮度子图像和边缘子图像,对分解后的子图像进行分块处理,根据局部区域方差准则计算融合系数,对每个子块图像进行数据融合,最后重建图像.实验结果表明,本文方法具有很好的一致性.     

基于小波神经网络的零件图像特征提取和识别

提出了基于小波提取零件图像特征的方法,该方法是应用小波变换对零件图像进行多尺度边缘检测,将被检测的边缘图像分成若干个子区域,分别统计其中的边缘像素量,各区域中的相对边缘像素系数作为零件图像特征,利用神经网络实现识别.文中给出样本的实验结果,结果表明文中提出的方法是有效的.     

基于多尺度边缘检测的自适应阈值小波图像降噪

在图像处理中，去除图像中所含噪声而不使其边缘模糊是一个难题。考虑到小波变换在时域和频域均具有良好的局部特性，加之其多分辨率、去相关性等特点，本文提出了一种基于多尺度边缘检测的自适应阈值小波图像降噪方法。该方法将与噪声和边缘相关的小波系数和与同性区域相关的小波系数区别对待。在每个分辨层次，图像的边缘由梯度的幅度来进行估计（梯度的幅度由小波参数导出），且与噪声和边缘有关的梯度的幅度分布由Rayleigh概率模型化。基于此模型，得到该层的收缩函数。为充分利用尺度间相关性，各层的收缩函数被合并起来，进一步保持图像边缘。对与同性区域相关的小波系数，则采用一个基于Bayesian估计的自适应阈值进行处理。实验结果表明，与已有方法相比，该方法不仅可获得较清晰的图像边缘，而且降噪性能优良。     

基于三通道不可分对称小波的多聚焦图像融合

针对Daubechies系列小波不具有对称性、张量积小波变换只强调水平和垂直方向的不足,提出了一种基于三通道不可分对称小波的多聚焦图像融合方法.利用矩阵扩充的方法,给出了一种三通道不可分对称小波滤波器组的构造方法,用所构造的不可分小波滤波器组分别对多聚焦图像作非下采样多尺度分解,采用低频分量系数值取小、高频分量系数绝对值取大的融合规则对分解后的子图像进行融合.实验结果表明,该方法有较好的融合效果,其融合结果图像有较丰富的边缘信息、较高的清晰度和空间分辨力,其融合性能比基于不作采样的张量积离散小波帧变换的融合方法的融合性能好.     

基于小波变换纹理一致性测度的遥感图像融合算法

本文提出了一种基于小波变换的遥感图像融合算法，利用多分辨小波变换的系数，采用低频图像的小波系数最小值作为融合后的低频系数，高频图像根据纹理一致性测度的纹理检测确定融合规则，调整高频小波系数大小。利用小波变换对图像相对应的低频分量及各方向细节分量进行针对性融合处理，很好地将来自不同图像的特征与细节融合在一起，并对融合图像质量进行了对比评价。实验结果表明，这种方法能够在保留图像微小细节方面获得满意的结果，这种算法有效且优于传统的图像融合方法。     

基于二代小波变换和PCNN的高光谱图像融合算法

采用信息融合技术可以降低高光谱遥感图像的分析难度。本文提出一种基于二代小波变换和脉冲耦合神经网络(PCNN)的融合算法。在利用自适应子空间分解技术将高光谱图像的数据空间划分为数个子空间后,对各子空间内的每一波段图像进行二代提升小波分解。对低频系数部分进行方差加权融合的同时利用PCNN的脉冲同步和全局耦合特性对高频系数部分进行选取,最后用二代小波逆变换得到各子空间的融合图像.其仿真实验结果显示:所提算法有效降低了高光谱图像维数,很好保留了原图像的信息,效果优于单一的一代小波和二代小波融合算法。     

基于自适应PCNN和小波变换的多聚焦图像融合算法

提出了一种基于自适应PCNN和小波变换的新型多聚焦图像融合算法。首先,对待融合的两幅图像进行小波分解得到两组多尺度图像,然后在小波域充分利用PCNN的同步激发特性,进行基于PCNN的融合策略设计。使用不同频率下小波系数的局域熵作为PCNN对应神经元的链接强度,经过PCNN点火获得参与融合图像在小波域中的点火映射图,根据点火时间计算点火映射梯度图,再通过判决选择算子,判定并选择点火时间梯度最大的小波系数作为融合系数。最后对融合后的小波系数进行重构生成融合图像。该方法中,根据设置的迭代次数来确定阈值调整时间常量 ,从而在迭代结束时,所有小波系数均得到激发,充分反映了点火时间的先后次序。实验结果以及与其他融合算法的比较分析表明,所提出的算法能有效地突出边缘细节、更好地保持图像的空间分辨力。     

基于DCT变换的图像融合方法研究

提出了一种基于离散余弦变换(DCT)以及一种结合小波变换与DCT变换的图像融合新方法。前者将源图像进行分块DCT变换,依据DCT系数的高频能量,对源图像的对应区域进行融合。后者利用DCT系数的高频能量对小波分解后得到的低频子图进行融合,同时以此为依据对小波最高分解层的小波高频系数进行选择,其他分解层的小波高频系数依据最大局部方差准则进行融合。依照平均误差、峰值信噪比以及均方根误差等客观评价标准,将新方法与其他常用的基于小波变换或DCT变换的融合方法进行了比较。实验结果表明,结合小波变换与DCT变换的图像融合新方法获得的融合效果优于其他方法。该方法与常用的基于小波变换的融合方法相比,其平均误差减少了40.8%~69.5%,峰值信噪比提高了9.9%~15.6%,均方根误差减少了34.8%~47.5%,评价结果与目视效果相吻合,表明该方法能有效地提高图像融合的质量。基于DCT变换的图像融合新方法的融合效果仅次于结合小波变换与DCT变换的图像融合新方法且其计算量相对较少,适用于实时处理。     

利用脉冲耦合神经网络的图像融合

为了获得对同一场景更为准确、全面和可靠的图像描述,提出了一种基于脉冲耦合神经网络(PCNN)的图像融合方法。将多源传感器图像配准后的各个源图像用9/7小波变换的提升算法进行分解,从而得到各个源图像的低频分量和高频分量。对于低频分量,采用像素绝对值选大法进行融合;而高频分量则作为PCNN的输入,在迭代结束后,通过比较PCNN点火次数得到一系列融合子图像;然后,用9/7小波的提升算法将获取的一系列多尺度融合子图像进行反变换得到最终的融合图像。设计了可见光图像与红外图像的融合实验,对融合图像的熵、平均梯度、标准差、空间频率进行了定量比较。当使用标准源图像进行融合时,各值比使用传统小波变换与PCNN相结合的图像融合方法分别高0.0104,0.2459,0.1131和0.2846。     

基于Curvelet变换的遥感图像融合研究

Curvelet变换是继小波变换之后,更适合图像处理的一种新的多尺度变换分析方法,相比小波而言,它更加适合分析二维图像中的曲线或直线状边缘特征,而且具有更高的逼近精度和更好的稀疏表达能力,同时也具有很强的方向性.本文论述了Curvelet变换的理论和实现算法,基于考虑图像中的那些弱的边缘,提出了一种利用Curvelet变换进行遥感图像融合的方法.实验结果分析表明:将Curvelet变换引入图像融合,能够更好地提取原始图像特征,为融合图像提供更多信息,使融合图像在较好地保留光谱信息的同时,空间细节信息得到增强,优于典型的IHS变换、主分量变换及小波变换图像合方法.     

基于压缩感知的红外与可见光图像融合

基于压缩感知理论提出了一种红外与可见光图像的融合新方法。该方法将Contourlet变换(CT)和小波变换(WT)相结合,以进一步增加变换后系数的稀疏性,同时对采样模式和融合规则进行改进。首先对图像进行Contourlet变换,再对各高层分解系数进行正交小波变换;然后使用各层采样率不同的分立双放射形采样矩阵对系数采样,并用不同的规则对各层采样值进行融合;最后使用非线性共轭梯度法重构融合图像。实验结果表明,在采样率为0.5时,本文方法融合图像的细节信息比小波方法和小波变换压缩感知(WTCS)方法更加丰富;在所有采样率上,本文方法的融合效果比WTCS法在互信息、空间频率和融合信息逼真度等客观融合质量评价指标上均提高约10%。