基于小波变换和矢量量化的指纹图像压缩算法

提出一种用于指纹图像压缩的矢量量化算法．该算法在对图像多级小波变换后，利用三个方向上各自小波系数之间的相关性，构造符合图像特征的跨频带矢量．并采用了基于人眼视觉特性的加权均方误差准则和基于成对最近邻算法的LBG算法进行矢量量化，提高了图像的编码效率和重构质量．仿真结果表明，该算法实现简单，在较低的编码率下，可达到较好的压缩效果．     

基于小波熵的织物疵点检测方法

探讨利用小波熵检测织物疵点的新方法。在采用二维离散小波变换对织物图像进行分解的基础上,引入了熵的概念,将小波熵作为织物图像的特征值,把熵值看作系统紊乱程度的度量,由此得到织物图像的小波熵特征值,通过与正常织物经过二维小波变换后提取的小波熵值相比较,熵值大者即认为有疵点存在。通过对不同组织织物和几种典型的织物疵点进行检测,试验结果表明该方法有效可行。     

一种基于小波变换与局部能量的多聚焦图像融合算法

提出了一种基于小波变换与局部能量的多聚焦图像融合算法.对不同聚焦图像进行小波变换.采用局部离散度准则对各个方向上的高频系数进行融合,采用小绝对值准则对低频系数进行融合,对融合后的小波系数进行重构,这样得到高低频比例升高的融合图像.结果表明,该方法可提取出多聚焦图像中的清晰目标,生成的融合图像效果优于用一般小波变换方法生成的图像.     

一种改进的基于DWT的数字水印技术

提出一种改进的基于离散小波变换(DWT)的数字水印算法。原理主要基于离散小波变换的多分辨特性,以及人眼视觉系统的感知特性。算法实现过程:首先将水印信息和载体图像同时进行小波分解,然后将水印信息不同的频域部分对应嵌入到载体图像不同的频域部分。     

基于纹理特征相似度伪装评估模型

本文提出一种基于灰度共生矩阵和小波变换的方法相结合进行纹理相似度判别的评估模型。图像的纹理特性综合反映了斑点构成的分布和特征,因此伪装与背景的纹理特性差异,可以反映出他们之间的综合特性差异。灰度共生矩阵可定量描述纹理特征,而小波变换将图像分解为不同层次,可以模拟在不同观察距离上伪装效果的评估。本文在进行模型分析将伪装图像进行多层小波分解,只在变换后的低频部分,对不同层次上伪装和背景图像的低频图像纹理特征进行比较,能够较好的反映伪装和背景在不同观察距离上的综合纹理相似度。     

基于小波分析与纹理能量变换的织物疵点检测

为了准确检测织物疵点,将含疵点织物图像进行二维小波分解,在小波分解后的经向和纬向子图上将图像分成大小相同的矩形局部重叠窗口,对矩形窗口进行laws纹理能量变换,并将变换结果与给定的阈值进行比较,进而检测和识别出疵点.试验证明,该方法对素色织物的断经、缺纬具有快速、准确的检测效果,也可以检测双经、双纬等疵点.     

基于不同小波基函数的多层小波变换掌纹识别方法研究

利用手掌的几何轮廓对掌纹图像进行预处理,分割得到感兴趣区域(ROI).基于不同的小波基函数,对掌纹图像分别进行多层小波变换,进而提取不同小波下的能量特征.通过计算不同基函数、不同层次下小波能量特征的识别率,得出不同小波基识别能力的强弱.实验表明,与以往算法相比,本方法具有较好的识别效果.     

基于小波变换的农田害虫图像预处理研究

以农田害虫识别系统中图像的预处理为研究对象,利用小波变换对图像进行不同尺度的小波分解,对得到的小波系数进行不同的处理,包括小尺度下的高频系数置零、阈值处理、模极大值处理以及增加大尺度下高频系数的相对值等方法,从而达到去噪、增强等图像预处理的目的.结果表明:利用小波变换对图像进行处理,可以收到良好的效果.     

VC++平台下基于小波变换的面像识别系统

设计了在VC 平台下,基于小波变换的面像识别系统.该系统涉及图像解码和Daubechies小波变换的程序部分用MATLAB编写,再用MATCOM将程序编译成VC 动态库源代码,根据需要修改后编译成动态库.系统运行时,在VC 平台下调用动态库即可.这种方法具有开发周期短、识别率高、可移植性强等优点.     

基于Radon变换和能量曲线的机织物密度检测

探讨基于Radon变换和能量曲线的机织物经密纬密自动检测方法。针对在经密纬密测量中织物倾斜和小波最优分解级数确定的问题,通过图像预处理,采用Randon变换对图像进行校正处理,根据二维小波变换输出的细节分量绘制能量曲线确定小波分解级数的方法,确定最优分解级数,并对织物重构图的垂直分量和水平分量进行优化,从而精确计算织物经密纬密。与人工测量相比,计算机测试织物密度的相对误差在1%左右。认为:本研究方法能够满足自动准确测量织物密度的要求。     

Vilenkin群上信号的分解与重构

探讨将Vilenkin群上的小波理论运用到实际信号分析的算法,根据实际需要重新定义Vilenkin群的二元运算,引入经典的尺度函数和小波函数,在此基础上建立相应的多分辨分析,分析了定义在它上面的信号,运用多分辨分析的特性得到信号分解和重构的算法.进一步给出了康托尔二元群上信号分解和重构的具体算法,得到了Vilenkin群上信号的分解定理和重构定理.     

基于二维康托尔二元群的小波变换

根据经典的康托尔集构造了二维康托尔集,将一维康托尔二元群上的小波变换推广到二维康托尔二元群上.利用一维多分辨分析的张量积构造出二维可分离多分辨分析,提出相应的尺度函数和小波函数,并给出基于该小波的分解与重构算法.     

小波包变换技术在图像处理中的应用

为了避免图像视觉效果在传输和获取过程中受到混合噪声的影响,采用小波包分解和重构的算法、空域滤波器进行去噪和小波进行图像融合的方法对图像进行技术处理.实验表明,利用小波包变换技术能对含多种噪声的图像进行增强处理,既能去除图像噪声,又能保持细节背景清晰的图像增强效果.     

织物疵点图像消噪方法的比较

织物疵点图像的消噪是疵点识别和分类的重要预处理步骤。采用中值滤波、Wiener滤波和小波阈值化消噪3种方法对织物疵点图像进行消噪处理。在采用中值滤波和Wiener滤波时,同时选用3×3和5×5滤波器进行消噪;在采用小波阈值化消噪时,计算图像全局阈值,同时采用软、硬阈值消噪方法,对疵点图像进行消噪。通过实验比较,采用小波阈值化方法消噪时,疵点图像边缘清晰,峰值信噪比显著提高,其效果明显好于中值滤波和Wiener滤波;采用小波阈值化消噪后的疵点图像可在特征提取和识别中使用。     

基于图像处理与深度学习方法的棉纤维梳理过程纤维检测识别技术

针对棉纤维梳理过程中高速摄像机对锡林表面拍摄得到的图像无法人眼识别的问题,使用图像处理与深度学习结合的算法,通过一系列检测流程实现人眼的辅助识别。采用高速摄像机对梳棉机移动盖板下的锡林表面梳理过程进行拍摄得到数据图像,首先对图像通过多级小波卷积神经网络提取去噪残差,然后使用深度卷积超分辨率重构网络进行超分辨率重构,最后使用一种强噪声条件下的多尺度边缘检测与增强算法进行纤维的勾画,得到可供人眼识别的清晰的纤维图像,最后尝试使用特征增强后的图像样本进行循环生成对抗网络的训练,得到更连续清晰的纤维提取结果。研究表明,该图像处理流程提高了对梳理过程纤维的检测识别效果,为纤维梳理领域的研究提供了一种新的思路。     

织物起毛起球图像的小波消噪处理及其Matlab实现

利用Matlab强大的图像处理工具箱和小波工具箱，对起球织物图像进行消噪处理。结果表明这种方法是行之有效的。     

Matlab用于织物起毛起球图像的小波消噪处理初探

文章利用Matlab强大的图像处理工具箱和小波工具箱,对起毛起球织物图像进行消噪处理。研究结果表明,这种方法是行之有效的。     

微波辐射淀粉热重实验及其数据的小波去噪处理

用频率为2 455 MHz的微波辐射0.5 g/mL的木薯淀粉乙醇悬浮液,使用热重-微分热重(TGA-DTG)测试手段对微波改性后的木薯淀粉的热特性进行表征,并采取小波变换去噪法与5点平均去噪法对TGA-DTG信号进行去噪处理研究。结果表明,小波变换去噪法在滤除淀粉TGA-DTG 信号噪声时优于5点平均去噪法;经小波去噪处理的TGA-DTG信号表明,随着微波辐射时间的增加,木薯淀粉热稳定性呈增加趋势。     

Fabric defect detection based on multi-scale wavelet transform and Gaussian mixture model method

This paper proposed an approach, which is based on multi-scale wavelet transform and Gaussian mixture model, to solve the problem about automated fabric defect detection and improve the quality of fabric in the production. Firstly, the sample image was tackled by the “Pyramid” wavelet decomposition algorithm, and the new images were obtained by reconstructing with the produced wavelet coefficients using wavelet thresholding denoising method. Secondly, the obtained new images were segmented by applying the Gaussian mixture model that was based on the Expectation–Maximization (EM) algorithm. Various fabric samples were used in the evaluation, and the experimental results showed that the designed algorithm could precisely locate the position of defect and segment the defect.     

应用优化霍夫变换的细纱断头检测

为通过视觉方式在细纱生产中检测断头,根据纱线图像在方向上的特殊性,开发一种实现细纱断头检测的算法。借助工业相机捕获运动中的纱线,首先经小波去噪平滑图像,然后通过优化的霍夫变换和共线性检验提取纱线准确信息,最后根据实际纱线的距离特征判断是否存在断头。实验选用sym 4 小波基,结果表明：阈值为10时去噪效果最优,以边缘检测算子prewitt 筛选垂直方向进行检测,并对霍夫变换优化,将检测角度缩小到［ －10°,10°］,角度间隔扩大为4°,运算时间由0.46 s减少为0.31 s,缩短了运算时间,提高了运算速度,该算法可准确地判断纱线的断头信息。