基于小波变换的图像降噪技术研究

根据小波变换和噪声信号的能量分布特性,提出了一种先用小波变换对含噪图像进行多尺度分解,求出各尺度小波变换高频系数的噪声方差和阈值,利用各尺度的阈值对高频系数进行处理,然后利用小波变换系数重构图像,实现图像降噪的方法;实验结果说明该方法既可以有效地降低噪声,又可以较好地保持图像细节。     

一种改进的基于小波变换的遥感图像融合方法

针对多光谱与全色图像的融合,提出一种改进的基于小波变换的融合方法,首先对多光谱图像进行IHS变换,其次将全色图像和多光谱图像的强度分量进行改进的基小波变换的比值融合,并用融合结果取代多光谱图像的强度分量,最后再做IHS逆变换得到融合图像.实验结果证明融合算法较IHS变换算法和常用的小波融合算法有更好的融合效果.     

基于改进小波变换的多方向图像边缘检测算法

在对图像的小波变换原理讨论的基础上,针对传统小波变换在图像边缘检测中的不足,提出了基于改进小波变换的图像边缘检测算法.该算法从多个方向对图像进行多尺度小波变换;采用相邻尺度小波系数相乘的方法去除噪声,提取小波系数乘积的极大值点;将这多个方向上的极大点进行融合,形成图像的边缘.仿真实验表明,该算法具有较好的边缘检测和抑制噪声的能力,边缘检测效果明显优于传统的边缘检测方法.     

基于映射的图像多角度复小波变换

图像处理已经广泛应用于诸多领域。信号和图像处理领域中非常有用的工具——离散小波变换(DWT)只能从水平、垂直和对角3个方向分解图像,分解的相位信息也相对较少。针对这种情况,提出了基于映射的复小波变换,其展现出了良好的方向性和平移敏感性,相位信息也易于获取且清晰。试验分析结果表明,基于映射的复小波变换能够很好地实现图像的多角度分解和图像完全重构,并且设计容易,其应用前景广泛。     

基于整数小波的目标子图像提取方法

提出一种利用整数型提升小波变换提取目标子图像的方法,选择整数Harr小波做提升模式的整数到整数的小波变换.在变换中被训练的任意参数同被查询图像的低频分量的消失标准相适应.训练参数包含被访问图像特征.把具有这些参数的提升小波变换作用到参考图像上,用所提出的消失标准提取目标子图像.对一幅速拍图像做仿真,结果表明此种算法能准确提取目标图像.     

靶场测量中多镜头大视场视频图像拼接

摘 要：目的：为了得到靶场测量中需要的大视场全景视频图像,建立了多镜头大视场视频图像自动拼接系统,对该系统所采用的图像匹配、标记重叠区、无缝拼接等算法进行研究。方法：首先,介绍小波变换和小波包原理。接着,分析了根据小波系数进行匹配的小波变换图像匹配算法。然后,分析了比较旋转标记重叠区算法,即先匹配出多个拟重叠区,旋转后再做匹配计算,进而标记出唯一重叠区。最后分析了基于小波包变换的图像无缝拼接算法,即对图像作小波包变换,按频率融合小波系数,再根据这些系数恢复图像。结果：实验结果表明：本系统将四个 1.1°×0.88°的视场拼接得到一个大约3.3°×1.76°的大视场,拼接图像平滑无明显裂缝,处理速度可达10帧/s。结论：基本满足了靶场测量中大视场视频图像的需求。     

基于小波变换的零件图像融合与边缘检测

提出基于小波变换的零件图像数据融合和边缘检测的方法,对图像进行分解,将高频区域中的绝对值较大的系数作为重要小波系数;在低频区域,对逼近系数进行加权平均得到新的逼近系数,然后进行小波重构实现图像数据融合。应用小波变换对融合图像进行多尺度边缘检测,获取图像边缘,或对图像进行小波多尺度边缘检测,然后融合边缘。     

基于DCT变换的图像融合方法研究

提出了一种基于离散余弦变换(DCT)以及一种结合小波变换与DCT变换的图像融合新方法。前者将源图像进行分块DCT变换,依据DCT系数的高频能量,对源图像的对应区域进行融合。后者利用DCT系数的高频能量对小波分解后得到的低频子图进行融合,同时以此为依据对小波最高分解层的小波高频系数进行选择,其他分解层的小波高频系数依据最大局部方差准则进行融合。依照平均误差、峰值信噪比以及均方根误差等客观评价标准,将新方法与其他常用的基于小波变换或DCT变换的融合方法进行了比较。实验结果表明,结合小波变换与DCT变换的图像融合新方法获得的融合效果优于其他方法。该方法与常用的基于小波变换的融合方法相比,其平均误差减少了40.8%~69.5%,峰值信噪比提高了9.9%~15.6%,均方根误差减少了34.8%~47.5%,评价结果与目视效果相吻合,表明该方法能有效地提高图像融合的质量。基于DCT变换的图像融合新方法的融合效果仅次于结合小波变换与DCT变换的图像融合新方法且其计算量相对较少,适用于实时处理。     

基于小波变换和形态学的图像边缘检测方法

提出了一种基于小波变换和形态学的图像边缘检测方法。对源图像进行小波分解,用数学形态学法对低频子图像进行边缘检测,用小波变换法提取高频图像的边缘,采用一定的融合规则将两个边缘图像融合在一起得到一幅完好的边缘图像。这种边缘检测方法结合了小波变换法和数学形态学法的优点,对用这两种方法得到的边缘信息进行融合,有效地抑制了噪声,且边缘连续、清晰。实验结果表明,提出的这种结合方法优于单独使用数学形态学法或小波变换法。     

基于小波变换的图像数据融合方法

提出一种基于小波变换的图像数据融合方法.原始图像经过小波变换,分解成亮度子图像和边缘子图像,对分解后的子图像进行分块处理,根据局部区域方差准则计算融合系数,对每个子块图像进行数据融合,最后重建图像.实验结果表明,本文方法具有很好的一致性.     

一种基于分形和小波变换的图像放大算法

为了更好地进行图像放大,利用小波变换的思想,提出了一种分形插值和小波变换相结合的图像放大算法.分形插值能够较好的保持原有图像的纹理特征,小波变换后的高频分量具有丰富的细节边缘信息,因而能够重构出高质量的图像.实验表明,和其它算法相比,使用该算法放大后的图像具有更好的主观和客观质量.     

基于小波变换的水果红外图像目标识别

边缘在机器视觉应用中是一个很重要的特征.提出了一种新的基于小波变换的边缘检测方法,并对红外水果图像进行识别.它是自动化采摘技术的基础.以二次光滑小波作为小波函数,对水果红外图像进行二维二进小波变换,计算了小波变换结果的局部模极大值点,从而得到了水果红外图像的轮廓.     

小波变换在图像处理中的应用

分析了小波变换的特点,引入方向小波来实现图像的特征提取,并给出方向小波变换在字符图形识别的结果.实验证明,由于这种特征提取方法有很好的局部方向特性,使得它对于字符的典型噪声笔划丢失、笔划断裂、机械抖动、笔划的粘连有很好的识别作用,十分适用于字符的识别工作.     

零件多源图像特征提取和识别的研究

提出了基于小波变换的零件多源图像融合和提取零件图像特征的方法。首先,应用小波变换对多源图像进行多尺度分解,利用小波分解系数融合零件多源图像。然后,对融合图像进行多尺度边缘检测,被检测的图像分成若干个子区域并分别统计其中的边缘像素量,各区域中的相对边缘像素系数作为零件图像特征。最后,应用神经网络和网络技术,进行远程零件多源图像识别。实验结果表明,文中提出的方法是有效的。     

基于小波系数邻域特征的图像融合

在利用小波变换进行图像融合的基础上,研究了融合因子的选取方法。由于小波变换在时域和频域中同时具有良好的局部特性,为了很好地利用小波变换的这种特征,提出了利用小波系数的邻域特征(邻域方差)来定义融合因子的思想。评价融合算法的性能应该从融合图像的信息增加量和融合图像的失真度两个方面来评价,融合图像的熵用来描述融合图像的信息含量,相对熵可以描述融合图像的失真度,评价结果显示出其方法的实用性。实验表明该算法用于医学图像的融合能得到很好的效果。     

基于整型提升小波变换的图像处理及DSP实现

针对数字信号处理器(DSP)的并行特性,提出了一种二维整型提升小波的并行体系结构。该结构采用乒乓缓存策略,使得数据的传输和小波变换能够同时进行;用基于行的列变换方法使得列变换只需少量行变换结果就能进行列变换;用移位操作代替乘法操作,大大减少了算法的运算量。整个结构采用流水线设计,提高了硬件资源的利用率和降低了算法的中间存储量,实现了图像的实时小波变换。实验证明,该算法与原算法相比,速度提高了15倍,达到了每秒85帧;重构图像的峰值信噪比(PSNR)虽然比离散小波变换要低一些,但仍达到了42 dB以上,因此该算法具有广阔的应用前景。     

小波理论在植物根系图像边缘检测中的应用

在植物根系的研究中,所提取出的植物根系图像往往噪声较大,而采用传统的图像边缘检测方法检测出来的边缘信息都无法达到令人满意的效果。针对这一问题,本文基于小波理论的知识,提出了运用小波多尺度变换检测植物根系图像边缘的方法。利用一个平滑函数,在不同的尺度下平滑所要检测的图像信号,根据平滑后信号小波变换系数模的一阶或二阶导数找出信号的突变点也即边缘点。一阶导数的极值点对应二阶导数的零交叉点和平滑后信号的拐点。因此可由小波变换模局部极大值检测图像边缘。     

基于小波变换纹理一致性测度的遥感图像融合算法

本文提出了一种基于小波变换的遥感图像融合算法，利用多分辨小波变换的系数，采用低频图像的小波系数最小值作为融合后的低频系数，高频图像根据纹理一致性测度的纹理检测确定融合规则，调整高频小波系数大小。利用小波变换对图像相对应的低频分量及各方向细节分量进行针对性融合处理，很好地将来自不同图像的特征与细节融合在一起，并对融合图像质量进行了对比评价。实验结果表明，这种方法能够在保留图像微小细节方面获得满意的结果，这种算法有效且优于传统的图像融合方法。     

基于方向小波变换的边缘检测

讲述了方向小波在图像处理中的应用,介绍了传统小波变换边缘检测方法,详细介绍了方向小波变换边缘的方法步骤,最后通过实例比较得出了方向小波变换比传统的小波变换在图像边缘检测中更优越。     

基于纹理分析的小波变换图像清晰度评价方法研究

验证分析了小波变换在图像清晰度评价上应用的可行性,研究发现基于小波变换的图像清晰度评价函数性能与图像的空间纹理分布有很大的关系,采用图像灰度梯度方向矩阵的纹理分析方法,可以显著提升其性能.由于机加工零件表面纹理的普遍存在,对此类图像进行纹理分析有了实际应用意义.在对图像纹理特征进行统计分析的基础上,本文提出了一种基于纹理分析的图像小波变换清晰度评价方法.经实验验证,此评价函数针对具有纹理特征的目标有优越的性能,具有较高的灵敏度和分辨力（优于2 μm）.