基于多尺度Wiener滤波器的分形噪声滤波

针对淹没在1/f噪声中的有用信号恢复问题,本文提出了一套基于双正交小波变换与Wiener滤波的多尺度滤波算法,并设计出多尺度Wiener滤波器.首先,利用双正交小波变换将带有1/f噪声的信号分解成多尺度的子带信号,通过小波变换对1/f噪声的白化作用,消除了1/f噪声的非平稳性、自相似性和长程相关性.其次,在小波域内,利用Wiener滤波,实现了噪声和有用信号的分离,估计出了各子带中的有用信号.最后,利用双正交小波的精确重构性,较好地恢复出淹没在1/f噪声中的有用信号.仿真实验表明,该滤波器能有效的抑制分形噪声,显著地提高信噪比.     

基于小波变换的匹配插值算法

图像插值技术是图像三维重建中的关键技术之一.在传统插值算法的基础上利用小波变换可聚集到信号任意细节的特点,设计了一种基于小波变换的匹配插值算法.该算法对小波分解子图分别进行处理,在保留图像高频细节部分不失真的同时,又对代表图像整体概貌的低频子图利用匹配算法进行插值处理,最后通过小波重构得到目标插值图像.实验结果表明,该算法得到的插值图像不仅很好地保持了图像的边缘细节特征,而且在物体形态的过渡上也满足了三维重建的要求.     

基于整数小波变换的无人机侦查图像的压缩

基于传统小波变换过程复杂的特点和SPIHT编码算法过程重复运算、存储量大,并且侦查图像的目标像素小且目标数量大,相关性低,提出了一种基于差分脉冲编码调制和整数小波变换相结合的改进混合编码算法。首先以压缩效果为准则,以侦查图像为标准训练图像,以压缩比、峰值信噪比为参数来确定最优的小波基。然后以（9,7）整数提升小波对图像进行分解,对低频子带的重要系数先进行DPCM编码。最后对整个变换后的子带进行SPIHT编码。实验结果表明该算法在相同的比特率下得到的重构图像的PSNR值高于原算法,而且侦查图像的低频近似效果得到了改善。     

一种有效的双树复小波-Wiener滤波去噪算法

为了有效恢复被高斯白噪声污染的图像,将双树复小波变换和自适应Wiener滤波结合起来,提出了一种双树复小波-Wiener滤波去噪算法.仿真结果表明,利用该算法去噪后恢复的图像主观质量和峰值信噪比比基于正交小波变换的门限法和Wiener滤波法都要好.     

基于贝叶斯估计的小波阈值图像降噪方法

提出一种新的基于贝叶斯估计的小波收缩阈值的图像降噪方法,该方法是通过最小Bayes风险的方法对图像小波变换后的小波系数进行估计,这种对小波系数的估计不仅与子带的方向和层次有关,而且与小波系数的大小有关.试验结果表明该方法比一般小波收缩阈值方法的降噪效果要好;还表明在峰值信噪比较低时该方法的降噪效果比Wiener滤波差,当峰值信噪比较高时该方法的降噪效果比Wiener滤波好.     

基于贝叶斯估计的小波阈值图像降噪方法

提出一种新的基于贝叶斯估计的小波收缩阈值的图像降噪方法，该方法是通过最小Bayes风险的方法对图像小波变换后的小波系数进行估计，这种对小波系数的估计不仅与子带的方向和层次有关，而且与小波系数的大小有关。试验结果该方法比一般小波收缩阈值方法的降噪效果要好；还表明在峰值信噪比较低时该方法的降噪效果比Wiener滤波差，当峰值信噪比较高时该方法的降噪效果比Wiener滤波好。     

基于Contourlet和改进牛顿插值的图像超分辨率重建

通过研究现有图像超分辨率重建算法原理,针对其不足,提出了一种基于Contourlet轮廓波和改进牛顿插值算法的图像超分辨率重建方法.该算法首先对原始图像进行Contourlet变换,然后对高频分量做多方向的改进牛顿差值计算,最后进行小波逆变换得到更加清晰的高分辨率图像.实验结果表明,该算法比传统插值算法和小波插值算法具有更好的视觉效果,并且拥有更高的信噪比和结构相似性.     

基于TLS的正交小波变换红外图像去噪

提出了一种基于总体最小二乘的正交小波变换红外图像去噪算法。对红外图像进行离散正交小波变换,分别对各个分解层的高频子带,通过总体最小二乘算法估计小波系数,获得各个高频子带信号的估计系数,然后通过正交小波反变换得到去噪图像。仿真结果表明,该红外图像去噪算法能有效去除加性红外图像噪声,在信噪比、直方图匹配等方面都有较大改善,并获得了良好的主观视觉效果。     

一种基于整数小波变换的遥感影像融合算法

提出了一种IHS变换和整数小波变换相结合的遥感影像融合算法(IHS-IWT),并根据待融合图像的特点,选取了有效的融合策略.首先对中巴卫星多光谱影像进行IHS变换,然后对得到的亮度分量和Landsat ETM 高分辨率全色影像进行整数小波融合,最后通过整数小波逆变换得到融合的图像.实验结果表明,与IHS变换等方法比较,该方法在较好的保留光谱信息的同时,空间细节信息也得到了增强,并且具有较快的处理速度.     

基于离散分数阶正交小波变换图像降噪新方法

分数阶小波变换是小波变换时间-频域的分析方法在时间-分数阶频率域的推广,在时间和分数阶频率域具有表征信号特征的能力.本文在离散分数阶正交小波变换(DFRWT)多分辨率分析(MRA)理论基础上,推导出DFRWT系数分解及重构新形式并作二维扩展.根据图像DFRWT子带系数能量随不同阶数p变化的特点,提出基于DFRWT阈值降噪新方法.该方法在保持子带低频能量为绝对大值条件下,适当提高子带高频能量值,更利于抑制图像噪声.实验结果表明,与传统小波阈值降噪方法相比,该方法主观质量得到了明显增强,提高了峰值信噪比.     

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。     

基于二进小波变换的图像插值方法

介绍了基于二进小波变换的图像插值方法,并且对各种插值方法在不同域中的结果作了比较,主要是对最近邻插值、双线性插值和双三次插值几种方法在空间域、正交小波域、二进小波变换中作了比较.试验结果证明,基于二进小波变换的图像插值效果比较好,值得进一步深入研究.     

基于小波变换和改进Top-Hat滤波的红外小目标检测

提出了一种基于小波变换与改进Top-Hat滤波的有效地红外小目标检测算法。该方法首先对红外图像进行单层小波分解,分别得到近似、水平、垂直和对角四个分量;接着,对近似分量进行改进Top-Hat滤波,并将滤波结果与原近似分量进行差分,得到差分图像,将其再与水平分量进行融合形成新的近似和水平分量。同时将垂直和对角分量的小波系数置零,进行小波重构。最后,为了进一步凸显红外小目标,采用了基于直方图的灰度变换方法对重构图像进行增强。实验结果证明本文所提出的算法能准确地检测出红外小目标,且鲁棒性较好。     

基于NSCT子带自适应Bayes阈值图像去噪方法

利用非下采样Contourlet变换（NSCT）平移不变性、多分辨率、多方向的优点,提出了一种基于非下采样Contourlet变换的子带自适应Bayes阈值图像去噪算法。该算法将源图像分解至NSCT变换域．能根据不同尺度、不同方向的子带能量,自适应调整去噪阈值。实验表明,与Contourlet多尺度阈值去噪、Conto...     

基于小波域的红外图像序列噪声分析与去噪

由于相同的去噪方法对不同噪声类型的去噪效果不一样,采用基于小波域的图像噪声类型识别方法,利用小波高频子带系数的直方图识别了图像的两类主要噪声：高斯噪声和椒盐噪声.对红外图像系列的噪声进行了分析,长波红外图像主要受到高斯噪声干扰,中波红外图像主要受到椒盐噪声干扰.提出了一种改进的小波全局阈值去噪方法.仿真实验表明,该方法较传统方法的PSNR提高了2~3 dB,处理速度较快.     

一种适于计算声场景分析的混叠语音基音检测方法

本文提出了一种在混叠语音信号中检测各自语音分量基音信息的方法.该方法采用小波变换作为基音检测模型中的滤波处理,并用广义自相关运算突出基音信息,用增强自相关累和消除冗余信息,并提出了用基音概率函数来预测并跟踪不同基音的变化以提高基音检测的准确性.本文提出的方法可应用于计算声场景分析中.实验结果表明,该方法对于混叠语音的基音检测是非常有效的.     

非抽样双树复小波域的BPP-NMF图像融合

提出了一种非抽样双树复小波变换（UDT-CWT）与基于块主元旋转的非负矩阵分解（BPP-NMF）相结合的多聚焦图像融合算法。利用UDT-CWT具有完美的平移不变性及良好的方向选择性,首先对图像进行多尺度、多方向分解并得到低频子带和高频子带系数;然后对低频子带系数采用块主元旋转的非负矩阵分解的融合策略,高频系数则选用高斯加权区域能量与区域标准差一致性选择的融合准则。最后对融合后的系数进行UDT-CWT逆变换得到重构图像。选用多组多聚焦图像进行融合并对融合结果进行主观视觉、客观方面的评价。试验结果表明,该融合算法不仅具有良好的视觉效果,同时在客观评价指标也优于一般的融合策略,验证了该算法的有效性。     

针对小波域量化隐藏方法的图像监测技术研究

基于对图像小波变化后各子带系数的不同统计特性，提出了一种针对小波域信息隐藏算法的新型图像隐写术分析技术。通过对原始图像和隐藏信息后的图像的小波变换系数子带直方图的分析，得出了小波域信息隐藏对子带系数的改变特性。进一步对系数进行傅立叶变换，从而量化信息隐藏对系数的影响程度。实验结果表明该方法适用于小波域量化隐藏信息算法的检测。     

Weighted Adaptive Lifting-Based Wavelet Transform for Image Coding

In this paper, a new weighted adaptive lifting (WAL)-based wavelet transform is presented. The proposed WAL approach is designed to solve the problems existing in the previous adaptive directional lifting (ADL) approach, such as mismatch between the predict and update steps, interpolation favoring only horizontal or vertical direction, and invariant interpolation filter coefficients for all images. The main contribution of the proposed approach consists of two parts: one is the improved weighted lifting, which maintains the consistency between the predict and update steps as far as possible and preserves the perfect reconstruction at the same time; another is the directional adaptive interpolation, which improves the orientation property of the interpolated image and adapts to statistical property of each image. Experimental results show that the proposed WAL-based wavelet transform for image coding outperforms the conventional lifting-based wavelet transform up to 3.06 dB in PSNR and significant improvement in subjective quality is also observed. Compared with the ADL-based wavelet transform, up to 1.22-dB improvement in PSNR is reported.