基于小波变换和多类支持向量机的图像分类

提出了一种基于小波变换和多类支持向量机的图像分类新方法,该方法利用小波变换进行图像特征提取,利用多类支持向量机进行图像分类,并与基于图像底层特征的图像分类方法进行了实验比较。实验结果表明该方法具有较好的分类性能。     

视频图像实时小波变换系统

视频图像实时小波变换系统由CCD摄像头、视频图像采集卡和计算机软件组成．利用数值方法对视频图像进行小波变换，并实时显示变换结果。实验表明该系统对视频图像的实时小波变换具有较高质量和效率，利用Haar小波变换，图像边缘得到明显增强。     

基于去降Mallat离散小波变换的彩色图像分割

该文针对Mallat快速离散小波变换,提出了一种利用变换平移不变性的离散小波变换的彩色图像分割方法。首先对原始图像进行平移不变性的小波变换,然后提取颜色和纹理特征,并采用k均值算法进行分割。实验表明该方法对纹理图像和彩色自然图像都具有较好的分割效果。     

一种基于小波和分水岭算法的图像分割方法

用分水岭方法进行图像分割时,容易造成图像的过度分割。为了克服这种缺点,提出了一种基于小波变换和分水岭算法的图像分割方法,该方法首先利用小波变换产生多分辨率图像,然后对最低分辨率图像进行应用标记的分水岭分割,得到初始的分割区域,最后利用区域标记和小波反变换,得到高分辨率图像的分水岭分割结果,从而较好地解决了分水岭变换方法中的过度分割问题。     

基于空间频率的图像融合方法

论文对多光谱图像和高分辨图像进行了融合。对多光谱图像进行IHS变换,利用变换后得到的强度分量和高分辨图像具有较强的相关性,在小波变换域进行图像融合。根据小波变换有三个方向的高频细节这一特点,提出了一种新的空间频率概念,基于这种空间频率进行图像融合,得到了同时具有较好的空间分辨率和光谱信息的融合图像。实验结果表明该方法得到的融合图像优于传统的IHS变换法和传统小波变换方法。     

基于图像块多向梯度模的小波图像融合方法*

利用块分割图像融合算法的思想,提出了一种基于多向梯度模的小波图像融合方法：对图像块进行小波分解,利用小波反变换得到相同尺度的高频图像块,然后对高频图像块多向梯度滤波,比较对应块的高频图像的总的梯度模值,以挑选出其中清晰的图像块并进行一致性验证,重构图像。该方法不用进行小波反变换重构图像,真正保留了原始的清晰图像。通过实验,证明了该方法对于多聚焦图像的融合具有很好的效果和很好的稳定性。     

基于IHS变换与小波变换的图像融合

提出一种将IHS变换和小波变换相结合的图像融合算法,适用于多光谱图像和高分辨率图像的融合.算法首先对多光谱图像进行IHS变换,之后利用变换后得到的强度分量和高分辨图像具有较强的相关性的特点,在小波变换域进行图像融合,得到了同时具有较好的空间分辨率和光谱信息的融合图像.实验对比数据表明该方法具有较好的融合效果,融合图像优于传统的IHS变换法和传统小波变换方法.     

一种基于小波和分水岭算法的图像分割方法

用分水岭方法进行图像分割时，容易造成图像的过度分割。为了克服这种缺点，提出了一种基于小波变换和分水岭算法的图像分割方法，该方法首先利用小波变换产生多分辨率图像，然后对最低分辨率图像进行应用标记的分水岭分割，得到初始的分割区域，最后利用区域标记和小波反变换，得到高分辨率图像的分水岭分割结果，从而较好地解决了分水岭变换方法中的过度分割问题。     

一种基于小波变换的图像边缘检测方法和实现

介绍了小波变换的基本理论以及小波分析方法用于图像边缘检测的基本原理及利用小波变换进行边缘检测的方法。接着重点研究了基于B样条小波的多尺度边缘检测,并且利用这种方法在几个不同尺度下分别提取了图像边缘。可以看出该方法不仅能准确检测出图像边缘,而且能有效地抑制噪声,优于其他已有的边缘检测方法。     

基于数学形态学与小波变换的边缘检测算法

针对传统边缘检测方法去噪效果不理想的情况,分别对数学形态学和小波变换基本理论进行了分析,提出了一种基于数学形态学和小波变换的边缘检测方法。首先利用数学形态学基本运算对含有噪声的图像进行滤波,然后利用小波变换原理提取图像边缘。通过Matlab仿真分析,对比其他几种边缘检测算法,验证了该方法能够有效地检测出图像的边缘。     

基于Gabor小波的渐进式着色算法

为了解决黑白图像自动染色的难题,提出了一种基于Gabor小波的渐进式着色算法.该算法首先使用Gabor小波对黑白图像的纹理特征进行分析,在此基础上,根据纹理特征差异重新定义像素的邻居关系,最后利用最优化方法对染色问题进行迭代求解.该算法主要的创新点是交互操作少,并允许用户逐步添加色彩细节.同时该算法还是天然并行的,能够利用图形处理器(GPU)进行实时计算.为该算法和当今流行的着色算法做了效果对比,并且进行了效率分析,实验结果表明了该算法的可用性和效率.     

一种快速灰度图像彩色化算法

灰度图像的彩色化是将一幅彩色图像的颜色特征传递给另一幅灰度图像,使灰度目标图像具有与源彩色图像相似的颜色。提出了一种快速灰度图像彩色化算法,将图像像素邻域相关特性引入到匹配像素的搜索过程中。搜索匹配像素时,先在当前像素的邻域范围内进行搜索,只在邻域搜索失效时才进行全图范围的搜索,由于像素邻域相关特性,大部分像素可以在邻域搜索中找到匹配像素,只有极少像素需要进行全图搜索,从而较大地降低了搜索代价,在取得较好的彩色化效果的同时,显著地提高了彩色化速度。     

基于KNN图层区分的优化式着色算法

针对灰度图像彩色化技术应用于彩色图像二次着色时往往忽略掉原始图像所带的色彩信息的问题,提出了一种基于[KNN]图层区分的优化式着色算法。与现有的优化式着色方法相比,该方法一方面采用基于[KNN]的图像前背景区分算法获得图层区分的图像,生成新的权值函数;另一方面将图层区分结果引入优化式着色方法,并对图像着色。实验结果表明,算法能有效解决物体边界处发生颜色渗漏的问题,得到颜色分布精确的图像。在相同输入前提下,算法可以得到更好的着色结果。     

基于整数小波变换的灰度图像水印技术

数字水印技术通过在媒体图像中隐藏信号来达到保护媒体版权的作用。论文提出一种针对灰度图像水印的,基于整数小波提升算法的水印技术。该方法在对原始图像分块的基础上进行整数小波提升变换,然后对灰度水印图像置乱,再进行位平面分解,最后将每一个位面的水印信息都嵌入到原始图像的小波变换系数中。实验结果表明,该方法能较好地抵抗剪切和JPEG压缩攻击,对于滤波及噪声干扰也有一定的鲁棒性。     

基于SOFM的灰度图像彩色化算法

提出一种基于自组织特征映射(SOFM)的灰度图像彩色化算法。将彩色样本图像和灰度图像均转换到lαβ颜色空间,在 通道构造像素邻域的多维特征向量,将彩色样本图像的像素亮度特征向量作为网络的输入进行训练,利用SOFM的自组织特性建立像素特征向量与彩色信息值的对应关系,应用训练好的网络实现灰度图像的彩色化。实验结果表明,该算法的彩色化效果较已有算法有较大改善。     

基于小波估计和直方图特征的LSB匹配分析

针对隐写分析中的难点——空域LSB匹配隐写进行检测和分析,描述LSB匹配加性隐写的特点,将匹配隐写建模为图像受到一定强度的脉冲噪声干扰,采用小波变换对退化的图像进行恢复作为载体的估计。对检测图像和恢复图像提取多个直方图特征比值作为特征向量,利用支持向量机对500幅高质量未压缩的自然图像组成的载体、载密图像库进行检测,结果证明该算法在低嵌入率下可获得较好的检测效果。     

基于光照变换的Gabor小波人脸识别

光照变化易使人脸图像的灰度分布不均,造成局部对比度差别较大,会引起人脸识别正确率下降。为此在同态滤波的基础上,改变滤波函数,提出了高斯滤波的人脸识别方法,接着对滤波后的图像直方图均衡化,来增加图像的灰度动态范围,然后对人脸图像提取Gabor小波特征,最后利用最近邻法识别人脸图像。在光照变换明显的Yale B和CMU PIE数据库识别效果最好,降低了人脸图像的特征维数,缩短了特征提取时间,有效地提高了人脸识别率。     

医学图像配准中基于图像梯度的灰度压缩

基于互信息的医学图像配准,其配准精度可以达到亚像素水平,精度高且鲁棒性好,但互信息的巨大计算量使配准速度较慢,不能达到临床使用要求,而互信息的计算速度与图像的灰度阶数有关。为此,针对互信息由于图像灰度级数过多造成互信息计算量大的问题,提出一种基于图像梯度的灰度压缩算法。算法采用图像的梯度信息,根据图像梯度对图像进行非线性灰度映射,同时利用小波对差异图像进行分解和重构。实验结果证明,该算法能减少图像灰度阶数,同时较好地保留图像的细节信息,在保持配准精度的前提下减少配准时间。     

结合小波变换和改进邻域权值的FCM算法

针对改进的模糊C均值聚类算法在进行图像分割时构建的邻域权值函数未能同时考虑空间结构信息和灰度值域信息,而导致对噪声敏感及边缘纹理信息的处理粗糙的问题,提出了一种结合小波变换和改进邻域权值的FCM算法.该算法首先在原始灰度图像的基础上进行小波多分辨率分析的自适应阈值去噪处理;然后在重构图像上结合双边滤波的思想构建一个基于图像块局部空间邻域信息和灰度值域信息的改进邻域权值函数.实验结果表明,该算法比传统FCM算法以及FCM的改进算法有更高的分割精确度,对强噪声更具鲁棒性,图像边缘也更加平整.     

提升方案小波和HVS下的自适应视频水印算法研究

提出一种基于小波域与HVS特性的自适应视频水印盲提取算法.算法首先将视频流分割成一个个镜头,并通过密钥从中选取嵌入水印信息的若干镜头,镜头中的视频帧图像与灰度水印图像均被变换到小波域中,并将水印图像的小波域系数按照小波树结构重新进行分块并按位平面重要次序形成水印序列;水印的嵌入是按照子带到子带的顺序进行的,水印序列被嵌入到视频帧图像相应子带的重要系数中;此外,水印的嵌入充分考虑了HVS对图像纹理区域、运动区域的掩蔽特性,使得水印的嵌入强度具有自适应性,从而保证了所嵌入水印在不可见性前提下的极大鲁棒性.试验结果表明,所给出的算法对于诸如Gaussian噪声、丢帧、帧平均和MPEG-4压缩等常见攻击具有很好的鲁棒性.