基于可逆整数时间域重叠变换的分类矢量量化图像编码

针对普通矢量量化编码不能保留大量边缘细节信息,导致图像边缘细节模糊的问题,该文提出一种基于可逆整数时间域重叠变换(RTDLT)与分类矢量量化的图像压缩编码方法。首先对图像进行分块,同时对图像进行RTDLT变换,然后根据图像分块的梯度幅值与RTDLT变换系数对分块进行分类,最后对不同类别分块的RTDLT系数进行独立的基于模糊c均值矢量量化编码。实验证明,该算法比JPEG2000等其他算法具有更高的压缩倍数,重构图像质量更高。     

一种基于子波变换的图像边缘提取及去噪方法

提出了一种有效的用子波变换提取边缘及去噪的方法，该方法通过提取子波变换局域模最大值来提取图像边缘，并利用多尺度子波变换模值信息和角度信息去除噪声．由于该方法克服了以往使用单个尺度提取边缘的局限性，结合了子波变换多尺度的优点，因此能获得既有高信噪比，又有高定位精度的边缘检测结果．     

传输图像的子波域插值恢复算法

在丢包信道中传输子波编码图像时,存在图像重构问题.本文提出了一种新的图像恢复算法—树恢复子波域插值算法,可以用于恢复丢失的子波树系数.该算法利用二维子波变换具有的水平和垂直方向边缘检测能力,采用数学形态学膨胀运算,恢复已丢失的表示边缘信息的高频系数.为了保持图像边缘的尖锐性和方向性,本文采用了高频系数指导下的低频系数恢复技术.文章最后给出的仿真结果验证了该算法的有效性.     

应用神经网络的图像分类矢量量化编码

矢量量化作为一种有效的图像数据压缩技术，越来越受到人们的重视。设计矢量量化器的经典算法ＬＢＧ算法，由于运算复杂，从而限制了矢量量化的实用性。本文讨论了应用神经网络实现的基于边缘特征分类的矢量量化技术。它是根据人的视觉系统对图象的边缘的敏感性，应用模式识别技术，在对图像编码前，以边缘为特征对图像内容分类，然后再对每类进行矢量量化。除特征提取是采用离散余弦变换外，图像的分类和矢量量化都是由神经网络完成     

基于小波变换的空间约束矢量量化方法

图像的小波变换能同时提供空间－频率局部化信息，而且小波变换域内矢量量化数据压缩已得到广泛应用，经过小波变换后，各子带小波分量存在相关性和空间约束，同时考虑到人类视觉对水平和垂直方向高频分量比对角方向更加敏感，本文提出了基于空间约束的矢量量化方法，该算法能同时提高编码效率和改善重构图像质量。     

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。     

自适应分区DCT/DWT低码率视频编码算法

为了降低低码率视频编码算法的块效应与环效应，提出了一种基于自适应分区余弦变换／子波变换和重叠运动补偿的视频编码算法，首先给了一种空－是相关自适应运动估计算法，有效降低运算复杂性，然后通过过层游动窗块区域形成算法检测现帧间预测误差场的高能量区域，对大区域进行了子波变换和量化，对零散区域进行余弦变换和量化，根据人类视觉系统（ＨＶＳ）的空－频和时－频特性，给出基于ＨＶＳ的量化模型，以期在信噪比约束下获得     

基于BWT和FVQ的极低比特率图像编码算法

该文提出了一种基于双正交小波变换(BWT)和模糊矢量量化(FVQ)的极低比特率图像编码算法。该算法通过构造符合图像小波变换系数特征的跨频带矢量,充分利用了不同频带小波系数之间的相关性,有效地提高了图像的编码效率和重构质量。该算法采用非线性插补矢量量化(NLIVQ)的思想,从大维数矢量中提取小维数的特征矢量,并提出了一种新的模糊矢量量化方法一渐进构造模糊聚类(PCFC)算法用于特征矢量的量化,从而大大提高了矢量量化的速度和码书质量。实验结果证明,该算法在比特率为0．172bpp的条件下仍能获得PSNR＞30dB的高质量重构图像。     

采用空间矢量组合的小波图像分类矢量量化

该文提出了采用空间矢量组合对小波图像进行分类矢量量化的新方法。该方法充分利用了各高频子带系数的频率相关性和空间约束性将子带系数重组，依据组合矢量能量和零树矢量综合判定进行分类，整幅图像只需单一量化码书，分类信息占用比特数少，并采用了基于人眼视觉特性的加权均方误差准则进行矢量量化，提高了量化增益。仿真结果表明，该方法实现简单，在较低的编码率下，可达到很好的压缩效果。     

一种用于脸部特征估计的快速边缘提取方法

提出了一种基于子波变换（ＷａｖｅｌｅｔＴｒａｎｓｆｏｒｍ）的边缘提取方法．该方法充分利用了子波变换的多分辨率特性．将本文方法与其他方法相结合，可望为可视电话图像的甚低比特率传输提供一种有效的技术手段．     

Classified Vector Quantization of Images

Vector quantization (VQ) provides many attractive features for image coding with high compression ratios. However, initial studies of image coding with VQ have revealed several difficulties, most notably edge degradation and high computational complexity. We address these two problems and propose a new coding method, classified vector quantization (CVQ), which is based on a composite source model. Blocks with distinct perceptual features, such as edges, are generated from different subsources, i.e., belong to different classes. In CVQ, a classifier determines the class for each block, and the block is then coded with a vector quantizer designed specifically for that class. We obtain better perceptual quality with significantly lower complexity with CVQ when compared to ordinary VQ. We demonstrate with CVQ visual quality which is comparable to that produced by existing coders of similar complexity, for rates in the range 0.6-1.0 bits/pixel.     

改进的基于VQ+WNN的说话人识别研究

VQ+WNN(Vector Quantization and Wavelet Neural Network)说话人识别系统主要利用VQ进行矢量量化,将量化矢量送到小波神经网络进行说话人训练和识别。经过VQ量化后的特征矢量可以大大减少小波神经网络的运算量,提高网络的收敛速度与识别精度。虽然运算量是可以接受的,但如果在矢量量化之前采用分量处理方法,去除对识别精度影响不大的特征矢量,则可进一步减少运算量,而识别精度基本维持不变。     

基于小波变换的形状识别方法

本文研究了小波变换在图象识别中的应用，首先针对具有封闭轮廓的二维形状，提出了一维的“规一化曲率函数”表示法，然后采用一种特殊类型的小波基对上述一维函数进行小波变换，最后根据其过零特性提出了“基于小波变换过零特征的二维形状识别方法。”     

一种基于小波域HMT模型的图像去噪方法研究

小波图像去噪已经成为图像去噪的主要方法之一。利用小波变换在去除噪声时,可提取并保存对视觉起主要作用的边缘信息,但现有的去噪声方法忽略了小波系数之间的相关性。针对这一不足,在小波域隐Markov树模型(HMT) 的基础上提出了一种图像去噪新方法。实验结果表明,与普通的小波去噪方法相比,该方法不但可以保留图像的边缘信息,而且能提高去噪后图像的峰值信噪比。     

一种基于小波变换的雷达图像边缘提取方法

图像最基本的特征是边缘,边缘特征提取是多传感器信息融合与景象匹配中的重要内容.合成孔径雷达图像通常带有较强的相干斑噪声,用传统的边缘检测算法效果很不理想.本文针对合成孔径雷达自身的特点,利用小波变换的特性,提出一种将小波变换的多尺度分析与模糊加权中值滤波相结合的边缘特征提取方法.实验证明方法有效,边缘定位准确,并对噪声有抑制作用,将提取结果用于匹配,定位精度达到1个象素.     

A novel algorithm of multi-sensor image fusion based on wavelet packet transform

In order to enhance the image information from multi-sensor and to improve the abilities of the information analysis and the feature extraction, this letter proposed a new fusion approach in pixel level by means of the Wavelet Packet Transform （WPT）. The WPT is able to decompose an image into low frequency band and high frequency band in higher scale. It offers a more precise method for image analysis than Wavelet Transform （WT）. Firstly, the proposed approach employs HIS （Hue, Intensity, Saturation） transform to obtain the intensity component of CBERS （China-Brazil Earth Resource Satellite） multi-spectral image. Then WPT transform is employed to decompose the intensity component and SPOT （Systeme Pour I＇Observation de la Therre ） image into low frequency band and high frequency band in three levels. Next, two high frequency coefficients and low frequency coefficients of the images are combined by linear weighting strategies. Finally, the fused image is obtained with inverse WPT and inverse HIS. The results show the new approach can fuse details of input image successfully, and thereby can obtain a more satisfactory result than that of HM （Histogram Matched）-based fusion algorithm and WT-based fusion approach.     

A wavelet-frame based image force model for active contouringalgorithms

This paper proposes a directional image force (DIF) for active contouring. DIF is the inner product of the zero crossing strength (ZCS) of wavelet frame coefficients, and the normal of a snake, by representing strength and orientation of edges at multiple resolution levels. DIF markedly improves the immunity of snakes to noise and convexity.     

基于图像融合的双波段目标跟踪算法研究

针对红外和可见光图像各自的特点以及单一传感器在目标跟踪中的缺陷,提出了基于双波段融合图像的目标跟踪算法。该方法对原始图像进行小波分解后,为了满足目标跟踪的稳定性及实时性,重点考虑目标跟踪时需要的边缘等细节信息,采用对低频系数取零,高频系数基于小波系数绝对值取大的融合方法,然后对融合后的图像采用基于Mean shift算法进行目标跟踪。实验结果表明,此算法可以稳定并且实时跟踪目标,通过对单波段采用相同的跟踪算法进行比较,算法在性能上优于单波段的目标跟踪。     

一种小波域平滑滤波的杂波抑制方法

 本文提出了一种小波域平滑滤波的杂波抑制方法,该方法将原始图像变换到小波域后,分别对各小波子带先作平滑、后作差分处理以最大限度地滤除背景杂波和噪声,然后再对图像进行小波逆变换,达到有效抑制背景的目的. 实验结果表明,该方法处理后得到的残差图像呈现出很好的高斯性和独立性,并且目标邻域信号杂波比（SCNR）的平均增益比对图像直接平滑滤波的邻域信号杂波比（SCNR）的平均增益提高2dB左右,算法性能明显优于图像域平滑滤波的传统方法.     

小波变换在医学图像边缘提取中的应用

边缘是图像的重要特征。医学图像往往较模糊．其边缘特征难以用传统方法检测。小波变换具有良好的局部化特性、多分辨特性．及检测信号局部突变的能力。对图像进行二维小波变换，其梯度模值反映了图像的边缘。介绍一种基于小波变换的图像边缘提取方法。实验证明．与传统边缘检测方法相比，该方法去噪效果好，能提取图像中较弱的边缘，且能使边缘细化。这些特点使得他特别适合于医学图像边缘的提取。