基于a'trous小波分解的图像边缘检测

边缘特征是图像最为有用的高频信息。边缘检测在图像处理和计算机视觉中起重要作用。本文对小波变换进行了研究,并且分析了小波变换提取图像边缘的原理。为了高质量地进行图像边缘检测,提出了一种基于二阶B样条小波变换的多孔算法提取图像边缘。算法利用B样条小波对图像函数进行小波变换,提取图像边缘,并采用多孔算法防止图像信息丢失。实验结果表明,和传统的边缘检测算法相比,在边缘精度和噪声抑制方面,该算法是有效的。     

基于曲波与主分量分析的人脸识别

本文提出了基于曲波变换和主分量分析的人脸识别算法。针对小波变换仅能有效表达图像中的点奇异性的弱点,采用曲波变换提取面部主要特征。由于人脸的主要特征是面部的曲线信息,而曲波变换直接以曲线为表达基元,其变换系数能有效表示沿曲线的奇异性,而且是各向异性的,所以能更好地表达面部特征。进一步使用主分量分析将特征投影到更具表达力的空间中,从而达到更高的识别率。实验结果表明曲波的性能优于小波,尤其是曲波小尺度系数的识别率明显高于小波高频系数。     

基于奇异值加权的图像复制粘贴伪造盲检测

提出了一种基于小波变换和奇异值分解的盲检测算法来识别图像的复制粘贴伪造。该算法用小波变换降低计算量,用奇异值表示图像特征。图像经过小波变换,提取出低频分量和高频分量。因低频部分保留图像的纹理信息,高频部分保留图像的轮廓信息,该算法分别从低频部分和高频部分提取图像奇异值,并把提取出的奇异值进行加权处理,以加权值作为图像块的特征。图像块之间做两两比较,根据图像块的特征相似度,判断是否存在图像复制粘贴伪造区域。在丰富层次和清晰细节轮廓的图像中,该算法能达到比较理想的检测效果,准确率较高。     

磁粉探伤钢轴表面裂纹智能识别方法研究

荧光磁粉探伤被广泛应用于钢轴表面以及近表面缺陷检测。目前的检测手段主要依赖于人工识别缺陷。长期暗室工作条件会严重影响人的身体健康。为实现检测过程自动化,提出了一种将机器视觉与图像处理技术应用于磁痕图像缺陷判别的智能识别手段。通过工业相机获取磁痕图像。对获得的磁痕图像,利用色彩叠加原理,去除金属表面反光对成像质量的影响;同时,为保证检测算法的实时性,使用模板匹配技术确定工件在图像中出现的位置;提取工件所在区域的纹理特征,利用神经网络分类器实现对钢轴表面缺陷的自动分类,减少了人为因素对判别结果的影响。结果表明:该方法对工件表面裂纹和纤维物、磁悬液堆积等伪缺陷具有更高的识别率和更快的识别速度,可实现工件表面缺陷检测的自动化。     

基于小波变换的数据隐含技术

文中分析了基于小波变换的图像处理技术。根据小波变换后高、低频分量的特点,将加密数据隐藏在小波变换图像的高频部分,这种基于小波变换后的图像,几乎没有附加传输信息量。     

基于小波变换和PCA的SAR图像相干斑抑制

提出一种SAR图像相干斑噪声抑制新的滤波方法。该方法利用小波变换结合主分量分析(PCA)对SAR图像进行去噪。小波变换可以很好地保持边缘细节信息,主分量分析(PCA)能从混合信号中提取出主分量即信号的主要特征,将小波变换结合PCA用于图像处理,能在有效消除噪声的同时保持边缘信息。与Kirsch模板加权平滑滤波和结合小波变换的Kirsch模板加权平滑滤波去噪方法进行比较,实验结果表明,该方法具有良好的抑制相干斑噪声效果和较强的边缘保持能力。     

基于小波域的大容量图像信息隐藏盲提取算法

目前基于变换域的信息隐藏算法面临容量较小,提取时需要原始图像的问题.提出了一种基于小波变换的大容量信息隐藏盲提取算法,该算法结合人类视觉特性(HVS)及隐密信息自身的特征,以三次小波变换后的低频分量作为参照自适应地调整中高频子带系数来实现信息的嵌入.实验结果表明,该算法具有容量大的特点,并实现了隐密信息的盲提取.     

探讨小波包和数学形态学结合下的图像特征提取

小波分析理论随着科学技术的进步也得到蓬勃的发展,被广泛应用于图像处理领域,且应用效果极好.小波变换的每一个子带系数中都含有原图像的丰富信息,且不同子带所包含的信息分别代表不同的图像特征.在小波分析下对图像特征信息进行有效提取和对图像特征信息更好地进行表述和应用,是着重分析的重点.基于小波分析理论的概念,对图像处理应用小波分析理论以及利用小波变换获取图像特征的方法作了深入分析.     

基于小波变换与图割的彩色图像分割方法

为提高图割算法的分割效率与质量并改善shrinking bias现象,提出将图割理论与小波变换相结合的方法.该方法利用小波变换多分辨率分析的特点,将变换中的低频子带图像作为估计GMM参数的训练样本进行多尺度迭代分割,提高算法效率,利用简单高效的CS_LBP纹理描述子提取高频子带图像中的纹理信息,将颜色与纹理特征相结合改善分割效果,并利用高频系数进行多尺度边缘检测,用于计算局部自适应的正则化参数,改善对细长边界的分割.实验结果表明,分割效果得到了改善,算法效率得到了提高.     

Contourlet相关性和PCA的图像融合算法

Contourlet变换克服了小波变换在处理高维信号时的不足,它比小波变换具有更好的方向性和更好的稀疏表达性能。将Contourlet变换应用于图像融合领域,能更好地提取图像边缘特征,为融合提取更多的特征信息。基于Contourlet变换系数相关性的图像融合算法是将图像进行Contourlet变换分解后,针对高频分解系数尺度内以及尺度间像素点具有的相关性设计图像融合规则,低频信息选择PCA的方法进行融合,最后通过重构得到融合图像。实验结果表明Contourlet能够为融合图像保留更全面的原始图像信息,基于相关性的图像融合算法能够更加有效、准确地提取图像中的特征,是一种有效可行的图像融合算法。     

B小波和阶跃谱分析在缺损频谱成像中的应用

提出一种用于频域的快速B小波变换方法和阶跃谱分析理论,并把它们用于磁共振缺损频谱数据中提取高频频谱、恢复完整频谱,重建图像.在此方法中,首先用快速B小波变换方法,从低频磁共振数据中提取、恢复缺少的高频分量的特征信息;然后用阶跃谱分析理论,由这些特征信息构成高频磁共振频谱、恢复完整频谱数据;最后用FFT(fast Fourier transform)重建磁共振图像.实验和模拟结果都表明,重建图像质量优于现有方法.     

基于小波域的彩色图像盲数字水印算法

稳健性是图像隐藏水印最基本的要求之一,而水印的嵌入强度、嵌入位置影响水印的稳健性.文中提出了一种基于离散小波变换的彩色图像盲数字水印算法.水印采用文本图像水印,为了保证水印的安全性,对水印图像进行混沌加密,将原始载体图像的蓝色分量进行3级小波变换,将加密后的水印自适应地嵌入到蓝色分量的最低层低频逼近的每一个系数中,水印嵌入强较大,而现有基于小波变换的算法大多将水印嵌入在各个方向的中频或高频系数中.在检测时,不需要原始图像,是盲检测.实验结果表明该算法很好地保持了图像质量,对常见的图像处理显示了很强的鲁棒性.     

基于小波和不变矩的图像copy-move篡改盲检测

针对数字图像取证中一类常见的复制粘贴图像伪造,本文提出了一种基于小波变换和不变矩提取的检测算法。该算法利用小波变换提取图像的低频分量,对低频分量分块进行不变矩特征提取,然后将特征矢量进行按行字典排序,并且配合图像块的偏移位置信息,进行图像复制伪造区域的检测和定位。实验表明该算法能够较精确地定位出复制和粘贴的图像伪造区域,并有效地减少了运算量,提高了检测效率。     

基于小波和奇异值分解的图像复制伪造区域检测

针对数字图像取证中一类常见的复制粘贴图像伪造,本文提出了一种基于小波变换和奇异值分解的检测算法.该算法利用小波变换提取图像的低频分量,对低频分量分块提取奇异值特征,这种特征描述形式对图像羽化或边缘模糊等处理具有鲁棒性.然后将特征矢量进行按行字典排序,并且配合图像块的偏移位置信息,进行图像复制伪造区域的检测和定位.实验表明该算法能够较精确地定位出复制和粘贴的图像伪造区域,并有效地减少了运算量,提高了检测效率.     

基于Sobel算子的小波包变换遥感图像融合算法

针对遥感图像融合时图像的空间信息与光谱信息不易兼容的问题,在小波包变换的基础上提出了一种基于Sobel算子的图像融合算法。该方法将多光谱图像与高分辨率图像进行小波包变换,根据阈值选用不同的融合准则得到小波低频系数,利用Sobel算子提取图像高频特征值,采用最值法获取高频系数。实验结果表明,所提算法优于传统的HIS(Intensity,Hue,Saturation)变换、小波变换以及两者结合的方法,在较好地保留图像光谱信息的同时,进一步增强图像的细节信息、边缘特征,从而提高图像的清晰度。     

基于分形维数的磁痕图像缺陷检测

针对荧光磁粉无损探伤自动检测中存在的磁痕识别率低、虚警率高、抗干扰能力弱和易受背景影响的问题,提出一种基于分形维数的磁痕图像缺陷在线检测方法。采用差分计盒维数算法求解得到磁痕图像的分形维数,并分析工件磁痕缺陷分形维数特征。实际运用中,实时采集工件图像,利用特征进行图像处理,判断工件是否存在缺陷。经过实验验证,采用基于分形维数特征的磁痕图像缺陷检测方法,能准确识别工件缺陷,磁痕识别率为80%,与常用检测磁痕方法相比,虚警率降低5%,受背景影响小,有较强的适用性。     

基于复小波-Contourlet变换的高维信号处理

Contourlet变换克服了小波变换在处理高维信号时的不足,相对于小波变换具有较好的方向性、较高的逼近精度和较好的稀疏表达性能。因此将Contourlet变换用于多维信号处理,能更好的提取图像信号边缘特征,为融合提取更多的特征信息。利用对偶树复小波-Contourlett变换的多尺度和多方向性特征以及自适应融合规则在选取融合系数上的优势,提出了一种自适应对偶树复小波-Contourlet变换的多传感图像融合新算法。算法是将全色图像和多光谱图像进行对偶树复小波-Contourlet变换分解后,针对不同的频率域特点选择不同的融合规则,对低频系数选取区域能量的加权系数自适应融合规则,对高频系数特性选用了区域特征自适应的融合规则,最后通过重构得到融合图像。将其他的融合算法和本文所提算法进行了主观和客观的对比,结果表明,该算法是一种有效可行的图像融合算法。     

提升小波变换在边缘检测中的应用

针对图像边缘集中在图像的高频系数中,该文利用小波变换的性质,将提升小波变换应用于边缘检测中。通过提升小波变换将图像进行分解,首先对低频系数进行Canny算子提取边缘,再分别对三个高频系数进行阈值处理,最后对边缘图和高频系数进行逆变换。实验结果表明:该算法运算速度快,可以形成图像双边缘,使图像的边缘更加清晰、完整。     

基于Daubechies 小波的图像边缘检测技术

利用Daubechies 正交小波变换的性质,通过Mallat 多尺度分析方法对图 像进行小波变换,把图像分解成低频轮廓,水平高频、垂直高频和斜线高频四个部分。针对 图像边缘主要集中在高频部分,该文先保持小波变换后的高频小波系数,同时对低频小波系 数进行再次小波变换,提取出次高频信号的边缘信息。最后对保留下来的高频小波系数和次 高频小波系数进行逆变换获取最大边缘信息。     

自适应对偶树复小波－Curvelet变换的遥感图像融合

Curvelet变换克服了小波变换在处理高维信号时的不足,比小波变换具有更好的方向性、较高的逼近精度和更好的稀疏表达性能。因此将Curvelet变换应用于图像融合领域,能更好地提取图像边缘特征,为融合提取更多的特征信息。利用对偶树复小波-Curvelett变换的多尺度和多方向性特征以及自适应融合规则在选取融合系数上的优势,提出了一种基于对偶树复小波-Curvelet变换的自适应遥感图像融合新算法。算法是将全色图像和多光谱图像进行对偶树复小波-Curvelet变换分解后,针对不同的频率域特点选择不同的融合规则,对低频系数选取区域能量的加权系数自适应融合规则,对高频系数特性选用了区域特征自适应的融合规则,最后通过重构得到融合图像。将其他的融合算法和所提算法进行主观和客观的对比,结果表明,基于对偶树复小波-Curvelet变换区域特征自适应的图像融合算法是一种有效可行的图像融合算法。