基于双正交小波的乳腺图像增强

乳腺癌的早期诊断是降低死亡率的主要手段。该文利用双正交小波变换,将乳腺图像进行分解和非线性增强,然后重构图像,使得原图像中可见性差的病变特征(如肿块)更清楚地显现在重构图像中。实验结果说明该方法的有效性。     

反对称双正交小波应用于医学图像增强的研究

研究了二进小波和反对称双正交小波所具有的微分算子功能,从而得出反对称双正交小波也具有近似于二进小波的平移不变性。提出了用一种反对称双正交滤波器进行图像增强的方法。通过实验可知,用反对称双正交滤波器进行医学图像增强时,不仅会保持平移不变性,而且还能加快速度;同时,图像增强的评价指标数据相等,且有的高于用二进小波进行增强所得到的数据。     

基于反对称双正交小波的图像压缩算法

研究了一种反对称双正交小波的图像压缩算法。通过分析静态图片中的空间冗余和结构冗余信息,计算图像的小波变换系数及相关信息度,并对低频和高频部分进行编码。实验结果表明该方法压缩效果明显,以Lena图像为例,其压缩品质PSNR指标比DCT方法高 1.42 dB。     

基于小波变换的低对比度图像增强方法

传统的图像增强方法对于光照不足或不均匀的图像处理效果不佳.而且还存在噪声增强的问题.文章提出了一种基于小波变换的低对比度图像增强算法,对小波变换后的高频系数进行去噪、增强,对低频系数进行多尺度Retinex增强,既作了图像动态范围压缩,又较好地保证了图像的色感一致性.实验结果表明,该算法效果较好,可以有效增强图像的细节...     

基于小波分析的图像增强处理

利用小波变换对图像进行降噪和增强处理,在MATLAB环境下,利用小波的自身特性,降低噪声对图像的影响,尽量保持图像本身的有用细节和边缘信息,保证图像的最佳效果。利用小波变换,采用不同的方法对图像进行仿真,通过对仿真结果进行比较,利用小波分析,图像在不同程度上得到优化,更能适应不同领域人们对图像信息的需求。     

基于双正交小波的彩色人脸检测算法的研究

该算法将分水岭算法与小波变换相结合,首先利用分水岭算法对彩色图像进行基于肤色特征的预处理,确定类人脸区域,再用双正交小波对于处理后的图像进行边缘检测,并用椭圆法验证得到待定人类区域是否为人脸区域,将两次结果相比,最终确定人脸区域,本算法充分利用了分水岭算法图形分割边缘连续、速度快、精度高的特点,同时结合双正交小波基正交条件弱的优势,弥补了分水岭算法过分割的缺点,从而既能够快速有效地检测出人脸又能够减小图像的存储空间。     

基于正交多小波变换的图像压缩方法

本文讨论用正交多小波变换对图像进行压缩处理。选择具有最优时频性质的正交多小波,采用改进的零树编码,试验结果表明该方法优于单小波压缩方法。     

一种双正交小波的设计方法

首先介绍了小波变换的基本原理，并在此基础上说明了如何根据所要分析的信号设计双正交小波。实践结果表明，将基于特定信号设计的双正交小波变换技术应用到图像处理上会有很好的效果。     

双正交小波方法在面部特征抽取中的应用

人脸识别技术是生物鉴别技术的重要组成部分。脸部特征抽取是人脸识别技术的关键。首先对基于小波极大模的边缘检测算法进行改进 ,提出极大模区域边缘检测算法 ;然后提出一种人脸特征抽取算法。整个脸部特征抽取过程分为三部分 :1 )对图像进行二维小波分解 ;2 )背景分离 ,脸部目标定位 ;3 )脸部特征抽取。实验证明该算法可以准确地抽取人脸特征     

基于双正交多小波的红外和可见光图像融合

利用双正交单小波的对称性和良好的滤波性能，给出了具有GMPs (Good Multifilter Properties)的双正交多小波滤波器，对其经过平衡处理后，结合Burt提出的选择和平均的融合方案，对可见光图像和红外图像进行了融合实验，充分利用红外波段和可见光波段的信息互补性，达到便于观察的目的。仿真结果表明该方法能取得较好的融合效果。     

基于Laplacian金字塔和小波变换的医学CT图像增强算法

对医学图像进行增强可提高信息的利用率。传统的图像增强方法应用于医学图像时处理效果一般,存在诸多问题,如在增强图像的同时使图像的细节丢失,减弱了图像中目标的边缘信息,降低了图像的对比度。针对上述问题,提出一种基于小波变换和Laplacian金字塔分解的图像增强算法。首先,对原医学图像进行小波变换分解,得到处理结果;然后,对原医学图像进行Laplacian金字塔分解,得到医学图像的高频信息;最后,利用小波变换的结果和Laplacian金字塔分解的结果进行重构,得到增强后的图像。实验结果表明,该方法的增强效果明显优于传统的图像增强算法,对医学图像具有较好的增强效果,同时能更好地抵抗噪声。     

一种基于二维离散小波变换的医学图像增强算法

噪声是影响医学图像质量的最重要的因素之一。去除噪声,增强图像以提高图像质量是医学图像处理的重要课题。传统的图像增强方法在改善图像视觉效果的同时还存在噪声过增强问题,不适于医学图像增强。针对这种情况,文章提出了基于二维离散小波变换的医学图像增强算法。在多尺度分析基础上,该算法对小波分解得到的低频子带图像采用两步提升法进行对比度增强处理,而对小波分解得到的不同方向上的小波系数进行不同程度的去噪并增强。实验结果表明,该方法在提高医学图像对比度改善图像质量的同时有效地解决了传统算法中难以克服的噪声放大问题。处理后的图像更利于医生进行分析诊断和医学影像的后续处理。     

基于小波和奇异值分解的图像边缘检测

针对传统图像边缘检测抑制噪声能力弱的问题,给出了一种小波变换和局部梯度 场内奇异值分解相结合的边缘检测方法。首先在图像预处理阶段,为了提取准确的边缘特征, 文中利用小波变换的时频局部化特性,对图像进行小波变换。该文对用小波求取的梯度场使用 局部梯度奇异值分解的方法;利用奇异值的特性和良好的稳定性,使提取的边缘特征更加突出 并且能够达到抑制噪声的目的。实验证明该文方法既能在无噪声影响的图像中提取出清晰完整 的单边缘,又能在有噪声干扰的情况下提取出理想的边缘。     

基于小波包分解的图像同态增强

提出了一种基于小波包分解的图像同态滤波增强算法,它克服了传统二维同态滤波的方向对称性,可以形成任意形状的滤波器,进而可以充分利用图像本身的细节特征,对不同方向的图像细节特征进行合理的处理,达到更好的图像增强效果。     

两种整数可逆双正交小波变换的渐进性无损图象压缩性能的比较研究

整数CDF(2,2)、CDF(2,4)可逆双正交小波变换可以由加法和移位完成,运算速度快,便于硬件实现。CDF(2,2)结合SPIHT编码的无损图象压缩比与ARJ,JPEGLS,整数Haar变换结合DPCM相比分别平均提高了40%,30%,15%左右。而CDF(2,4)与CDF(2,2)的对比研究结果表明,CDF(2,4)的渐进性直至无损图象压缩性能好于CDF(2,2)。     

基于高斯小波的多尺度积图像边缘检测算法

图像的边缘是图像最重要的特征之一。由于边缘和噪声都是图像的高频分量,提取的图像边缘总是受到噪声的污染。针对边缘检测中存在的噪声问题,本文根据Mallat快速小波变换算法的思想,提出用高斯函数和其一阶导数分别作为低通和高通滤波器对图像进行多尺度分析。为了精确定位图像边缘,对各尺度的低频、水平、垂直和对角分量不进行下采样。然后提取不同尺度上的系数,利用多尺度积对噪声严重的图像进行边缘检测。最后根据边缘点的梯度方向,采用改进的局部梯度极大值搜索方法获得图像的单像素边缘。实验结果表明本文所提出的方法,能在被噪声污染严重的图像中提取图像的单像素边缘,且边缘图像信噪比高。     

基于双正交小波的稳定平台系统中陀螺信号滤波应用研究

针对陀螺稳定平台系统中光纤陀螺信号噪声的非平稳性特点,分析并讨论了光纤陀螺输出信号模型及常用陀螺信号滤波方法的优缺点.根据双正交小波函数能够同时具有紧支性和对称性的突出优点,提出了基于双正交小波的改进模平方阈值滤波方法.同时,结合3σ准则和不同的分解尺度,采用了可变阈值选取规则.实际应用表明,该滤波方法能够对光纤陀螺噪声信号起到明显的抑制作用,滤波效果优于一般IIR滤波和正交小波固定阈值滤波.     

基于复数小波变换增强带噪图像的空间自适应方法

针对目前的多尺度增强方法一般很难实现抑制噪声和凸显细节间有效均衡的问题,提出一种基于复数小波变换增强图像方法,充分利用复数小波兼具平移不变性和方向选择性的优势,首先通过相邻两层小波系数的相关性来有效区分噪声和图像边缘．并根据各层小波系数的分布设置局部阈值抑制噪声;在此基础上,自适应地选取增强函数来增强较弱的细节并保护原图像中的清晰边缘不产生失真．实验结果表明,运用该算法增强带噪图像可以在较好地抑制噪声的同时,显著地放大细节特征．