基于小波变换与曲波变换的图像插值

提出了一种组合小波变换与曲波变换稀疏约束的图像插值算法。利用小波变换对图像纹理成份和曲波变换对图像卡通成份的稀疏表示特性,首先将图像插值问题转化成稀疏约束的图像重建问题,然后通过迭代投影对复原最优化问题进行求解,从而实现成份自适应的图像插值。实验结果表明,相比于现在有图像插值算法,本文算法可以显著地提高被插值图像的峰值信噪比(PSNR)和视觉质量。     

一种基于小波变换的自适应图像水印算法

提出了一种新的基于小波域的自适应鲁棒图像水印算法.算法结合临界视觉误差(JND),使得该算法在保证不可觉察下,加强了鲁棒性.该算法可以在没有原图情况下准确地检测出水印图像.对嵌水印图像作典型图像处理试验,表明该算法具有很好的鲁棒性.     

一种基于小波包变换的SAR图像与TM图像融合方法

为了增强来自不同传感器的图像信息，改善图像的可分析和提取能力，近年来，常采用小波变换融合方法。但小波变换只对低频信息进行多分辨分析，并不考虑高频信息的多级分解。小波包变换不仅能对图像的低频部分，而且对小波变换没有细分的高频部分也能进一步地分解。因此，小波包分析能够为图像融合提供一种比小波多分辨分析更加精细的分析方法。在研究了小波包分析法后，提出了一种小波包图像融合方法。利用此融合算法对同一场景的不同传感器荻得的合成孔径雷达（SAR）图像和专题绘图仪（TM）图像进行融合，通过客观分析与目视评价，证明该融合方法的融合结果更好。     

基于低频子带列均衡的图像稀疏表示改进算法

针对图像做小波分解时把低频子带集中在左上角,造成小波域图像前几列稀疏度很大,在做压缩感知时所需采样率较高,恢复时间较长的情况,提出了基于低频子带列均衡的图像稀疏表示改进算法,并将其用于图像压缩感知,通过将低频子带均分到每一列的顶端,减小测量矩阵大小,提高压缩比,且减小运算时间。仿真结果表明,该算法与传统基于小波变换的压缩感知算法相比,图像恢复效果及运算时间均得到了改善。     

一种基于小波变换的医学图像数据的高效编码方法

研究医学图像数据的一种高效编码方法.针对图像信号的不同局部特征信息,通过小波构造方法中的二维小波变换实现对图像的编码与压缩,从而达到以尽可能少的代码来表示尽可能多的数据信息的目的.     

基于小波变换和稀疏成分分析的盲图像分离法

针对图像信号不满足稀疏性条件,不能直接用稀疏成分分析模型进行盲分离的现象,提出一种基于小波变换和稀疏成分分析的盲图像分离法. 利用小波分解将混合图像从空域转化到频域,获取混合图像高频对角分量,在频域空间利用线性聚类稀疏成分分析法估计混合矩阵,进而最终重构源图像. 实验结果表明,该方法能准确有效地提取源图像. 目视结果及相关系数分析结果均表明,与经典独立成分分析法(FASTICA)相比,该方法分离精度高,分离效果好.      

基于小波变换的图像融合算法研究

提出了一种新的基于小波多尺度分解的分层图像融合方法;总结出基于小波分解子图像面积比和低频系数均方根误差2个标准,来确定最佳小波分解层数的方法。通过仿真实验,对分解层数、区域大小对该融合方法的性能影响进行了比较分析,并得出融合结果,将其与金字塔算法融合结果进行了比较。实验结果表明,该融合方法是十分有效的。     

一种基于小波变换的图像盲水印算法

数字水印技术作为数字产品版权保护的一项新技术,已受到越来越多的关注,基于小波变换的数字水印技术也成为当前的一个研究热点。为保证水印的隐蔽性和鲁棒性,提出了一种基于小波变换的图像盲水印算法,即在嵌入之前先对水印做置乱处理,然后将水印信息与扩频序列进行扩频调制后,结合人眼视觉系统的纹理掩蔽特性和刚刚可分辨门限嵌入到载体图像的小波变换域。最后利用扩频序列的自相关函数特征检测出水印信息,检测过程中不需要原始载体图像。实验结果表明,该算法嵌入水印后不易被察觉,检测出的水印效果好,对JPEG有损压缩、裁剪、噪声干扰和低通滤波有较强的鲁棒性。     

基于小波变换的墙地砖缺陷图像分割

目的改进原有的图像分割算法在分割图像时的精度和准确度，进一步准确地研究墙地砖缺陷图像的基本特征，提出一种有效的图像分割方法．方法根据墙地砖表面的纹理特点，采用Daubechies小波对原始图像进行处理．结果仅保留图像的近似信息，从而有效降低了纹理特征对缺陷分割的干扰．同时，图像数据量减少为原始图像的1／4．因此，在有效提取近似信息的基础上提高了系统的实时性，便于图像分割应用．该方法增强了缺陷纹理图像。能抑制背景纹理对缺陷纹理检测的干扰，并通过减运算有效地实现了缺陷纹理和背景纹理的分割．结论基于小波变换的墙地砖缺陷图像分割方法能够对随机纹理图像进行可靠、有效、快速的分割，尤其适用于具有随机纹理的墙地砖缺陷实时检测．     

基于稀疏表示和PCNN的多模态图像融合

提出一种基于稀疏表示和脉冲耦合神经网络(pulse coupled neural network, PCNN)的新方法。首先将原图像进行bandelet变换,提取出图像中的几何流和bandelet系数等重要信息,再利用PCNN进行几何流融合、根据稀疏相似度优化融合后的几何流,然后更新部分bandelet系数并根据最大绝对值规则进行融合,最后通过bandelet逆变换得到融合后的图像。仿真实验结果表明,本算法有效改善了融合效果,融合图像边缘、纹理清晰,整体效果极佳;与现有的平均值融合算法、拉普拉斯金字塔算法以及基于小波变换和PCNN的WT-PCNN算法相比,本算法得到的融合图像的灰度均值、标准差、平均梯度、互信息等指标都得到了提高。     

小波变换技术在指纹图像预处理中的应用

介绍了小波变换技术,并采用小波分解与重构方法对指纹图像进行小波压缩、去噪和增强处理．实验表明,应用小波变换技术对指纹图像进行处理能够获得较满意的结果．     

基于小波变换的图像压缩技术

详细阐述了连续小波变换和一维，二维离散小波变换理论，分析了小波变换的优点以及小波变换用于图像编码压缩的特点和实现方法，并对一些改进的小波图像编码压缩方法作了简要介绍。     

一种新的基于小波变换的掌纹图像去噪算法

掌纹图像去噪是基于掌纹的身份鉴别技术的第一步.本文提出了一种新的基于小波变换的掌纹图像去噪算法,并通过实验验证了此算法对掌纹图像去噪的有效性.     

基于整数小波变换的图像融合算法

图像融合技术是将同一对象的两个或更多的图像合成在一幅图像中,以便使它比原来的任何一幅图像更容易为人们所理解。成功地进行图像融合的关键在于找到有效实用的图像融合算法。本文提出了一种基于整数小波变换的图像融合算法,首先将待融合的源图像作多层整数小波分解,然后对各分解层分别实行融合处理得到新的小波系数矩阵,最后通过整数小波逆变换得到融合的图像。实验结果表明本算法具有很好融合效果和实用性。     

基于小波变换的简单变长编码图像压缩方法

简单变长编码是一种高效的编码方法，在符号概率的几种分布上效率接近哈夫曼编码，误差不超过1%，且通常可用很少的比特数来传输码字。针对哈夫曼编码软、硬件实现复杂、费时较长的缺点，通过对图像信号的小波分解，在不同的子带上采用改进的简单变长编码方案，获得了更高的压缩比，结果表明，该算法简单有效、易于编辑实现，是一种高效的图像压缩方法。     

采用多层卷积稀疏表示的红外与可见光图像融合

为提升光学图像在低照度条件下的可用性,对红外图像与可见光图像进行融合从而结合两者的优势是一种有效的技术手段。稀疏表示理论在红外与可见光图像融合领域已经得到了广泛的应用,然而基于稀疏表示理论的图像融合方法所采用的局部建模方式易于导致语义信息损失和对误匹配的低容忍度两大缺陷。卷积稀疏表示的全局建模能力对克服上述不足具有巨大的优势,本研究借鉴卷积神经网络的结构设计了一种前馈式基于多层卷积稀疏表示的红外与可见光图像融合网络,该网络包含5层:第1、2层为卷积稀疏层,通过预训练的字典滤波器获取源图像的卷积稀疏响应;第3层为融合层,通过活性图评价以获取融合结果;第4、5层为重建层,基于融合结果结合字典滤波器重建融合图像。实验结果表明,所提出的图像融合方法有效抑制了稀疏表示理论应用于图像融合的两大不足,在客观评价指标方面明显优于基于稀疏表示、基于单层卷积稀疏表示和基于卷积神经网络的图像融合算法,在算法的计算复杂度和运行时间方面优于基于稀疏表示和基于卷积神经网络的图像融合算法。     

基于小波变换的多聚焦图像自适应融合

图像融合是对来自同一场景的不同源图像的信息进行互补和合成,从而获得更为准确、更为全面、更为可靠的图像。采用了一种基于小波变换的自适应图像融合方法,首先将配准好的图像进行小波分解,并提取出细节分量和近似分量。其次,针对不同的频率域选择不同的融合规则,对低频系数选取区域均匀度和变化率相结合的融合规则,对高频系数选用区域方向对比度和区域匹配度相结合的自适应融合规则。最后通过小波逆变换得到融合图像。将其它融合算法和文中所提算法进行主观和客观的对比,结果表明,该算法是一种有效可行的图像融合算法。     

结合自适应稀疏表示和全变分约束的图像重建

In view of the limitation of fixed complete orthogonal transformation, represented by two-dimensional wavelet transform and discrete cosine transform in compressed sensing high-resolution image reconstruction, this paper proposes a new method for high-resolution image reconstruction based on adaptive redundant dictionary sparse representation with the total variation constraint.The algorithm takes the intermediate image in the process of iteration as the training sample to get a redundant dictionary suitable for sample characteristics by adaptive learning. It makes full use of the correlation between dictionary atoms and the image to get an ideal complete sparse representation, thus reducing the sampling rate and improving the quality of image reconstruction. Finally, the algorithm takes the total variation as a constraint and uses the split Bregman iterative method to solve the sparse optimization problem. Simulation shows that the proposed method can reconstruct high quality images under a low sampling rate.     

Edge detection based on object tree image representation and wavelet transform

0　ＩＮＴＲＯＤＵＣＴＩＯＮＦｏｒｉｍａｇｅｐｒｏｃｅｓｓｉｎｇｔａｓｋｓｓｕｃｈａｓｃｏｎｔｅｎｔ ｂａｓｅｄｉｍ ａｇｅｒｅｔｒｉｅｖａｌａｎｄｒｅｃｏｇｎｉｔｉｏｎ,ｔｈｅｉｍａｇｅｉｓｇｅｎｅｒａｌｌｙｃｏｍ ｐｌｅｘ,ｗｉｔｈｇｒｅａｔｄｉｖｅｒｓｉｔｙａｍｏｎｇｄｉｆｆｅｒｅｎｔｒｅｇｉｏｎｓｏｆｔｈｅｉｍａｇｅ.Ｈｏｗｅｖｅｒ,ｔｈｅｎｅｅｄｆｏｒｔｈｅｓｐｅｅｄａｎｄｐｒｅｃｉｓｉｏｎｏｆｉｍａｇｅｐｒｏｃｅｓｓｉｎｇｎｅｃｅｓｓｉｔａｔｅｓｐｒｅｃｉｓｅｌｏｃａｌｉｚａｔｉｏｎａｎｄｄ…