一种结合Contourlet和小波变换的图像编码算法

该文提出了一种Contourlet变换和小波变换相结合,使用新的空间方向树的类似SPIHT编码算法。该算法先对图像进行Contourlet变换,再对变换后的低频子带进行多级小波变换,然后根据变换后系数的结构特性,借鉴小波SPIHT编码思想,构造了一种新的空间方向树,实现了对变换后系数的类似SPIHT编码。仿真实验结果表明,该算法与小波变换,Contourlet变换和基于小波的Contourlet变换的SPIHT算法相比,重构图像保留了更多的纹理和细节信息,并且在低比特率下具有较高的峰值信噪比。     

基于NSCT变换和小波变换相结合的图像融合算法研究

针对小波变换在表达图像边界及线状特征上的缺陷,以及NSCT变换在表达图像细节信息的不足,提出了在红外图像与可见光图像融合的过程中采用基于NSCT变换和小波变换相结合的图像融合算法。在图像NSCT分解后,对低频系数使用基于小波变换的融合算法,对高频系数结合融合图像的特点采用了基于区域方差的融合规则。实验结果表明,基于NSCT变换和小波变换相结合的融合算法能更好地保持可见光图像的光谱信息和红外图像的目标信息,具有更多的细节特征以及更清晰的边缘。     

基于提升小波变换的SPECK图像编码算法

提升小波变换即第2代小波变换,可以实现图像的完全无损编码;SPECK(集合分裂嵌入块编码)是基于小波变换的采用块状结构的图像编码算法。文中介绍了基于提升方法的整数小波变换和SPECK图像编码算法,提出了用整数小波变换代替传统小波变换进行SPECK图像编码。实验结果表明,在相同压缩比下,该算法比EZW(零树小波编码)在重建图像的信噪比方面有所提高,而与SPHIT(多级树集合分列算法)接近。     

一种基于小波-Contourlet变换的图像去噪算法

提出了一种基于小波-Contourlet变换的图像去噪算法.实验证明,该算法相对于小波变换和Contourlet变换能更稀疏的表达图像,并利用此优越性进行图像去噪,可以达到更好的效果和更高的PSNR值.     

基于滑动时窗的小波变换实时算法

本文针对基于滑动时窗的小波变换中小波系数重复计算的问题,通过预先存储一部分小波系数,避免重复计算过程,以较小的存储空间为代价,获得了计算效率很高的小波变换实时算法,且小波变换实时算法获得的小波系数与多孔算法计算得到的小波系数完全相同。仿真结果表明:基于滑动时窗的小波变换实时算法快速、稳定,是一种值得推广使用的高效算法。     

基于小波变换与曲波变换的图像插值

提出了一种组合小波变换与曲波变换稀疏约束的图像插值算法。利用小波变换对图像纹理成份和曲波变换对图像卡通成份的稀疏表示特性,首先将图像插值问题转化成稀疏约束的图像重建问题,然后通过迭代投影对复原最优化问题进行求解,从而实现成份自适应的图像插值。实验结果表明,相比于现在有图像插值算法,本文算法可以显著地提高被插值图像的峰值信噪比(PSNR)和视觉质量。     

小波变换在医学图像压缩中的应用

分析了医学图像压缩的必要性,简要介绍了二维离散小波变换和Mallat算法,重点讨论小波变换的原理及其在医学图像压缩方面的具体应用,实验结果表明,小波变换算法具有较高的压缩比和较好的图像恢复质量,选用不同的小波基压缩图像得到的压缩比不同,在同一小波系列内,压缩比随小波序数的增大而减小。     

基于Curvelet变换和小波变换相结合的图像融合算法研究

针对小波变换在图像边缘表达方面的局限性,以及Curvelet变换在表达图像点特征上的不足,提出了在红外图像与可见光图像融合的过程中采用基于Curvelet变换和小波变换相结合的图像融合算法.首先对图像进行Curvelet分解,对低频系数使用基于小波变换的融合算法,对高频系数结合融合图像的特点分别采用了两种不同的选取方法:模值绝对值取大法和基于系数相关性法.最后,对最终系数进行反Curvelet变换,得到融合结果图.采用该算法进行了大量的红外图像与可见光图像融合实验,实验结果表明,此算法的融合结果图获得了更好的目标信息和光谱信息.     

改进的离散S变换快速算法与连续小波变换算法性能分析

S变换由于其良好的时频结合特性,在信号处理领域受到了极大重视。本文在综合考虑各种时频方法后,指出了S变换在通信信号侦察处理领域应用的重要性。本文在研究S变换基本原理的基础上,针对目前常用的离散S变换算法进行了分析,指出了其在实现过程中存在的问题,提出了改进的离散S变换快速算法,以减少离散S变换的运算量,实现离散S变换的快速运算。为了验证算法的有效性,本文将离散S变换快速算法、传统离散S变换算法以及连续小波变换,进行了算法性能对比分析和仿真实验。实验结果表明了改进离散S变换快速算法比传统离散S变换算法和连续小波变换在算法的运算量方面要少一至几个数量级,证明了改进算法的有效性。这对于通信信号快速侦察的工程化具有重要的意义。      

利用小波变换实现基于结构光投影的S变换轮廓术

S变换是一种集合了窗口傅里叶变换和小波变换优点的时-频分析技术,将一维的信号映射到二维的时-频空间,具有良好的时频分辨能力。由于S变换谱和傅里叶变换频谱之间存在直接联系,且具有类似于小波变换的多分辨率能力,S变换可以通过快速傅里叶变换算法实现,也可以通过小波变换算法实现。研究了基于小波变换算法的S变换在基于结构光投影的三维光学测量中的应用,给出了理论分析,特别讨论了S变换中频率因子的选择,并同基于快速傅里叶变换算法的S变换轮廓术结果进行了比较。完成了计算机模拟和实验研究。     

特征分解型离散分数阶Fourier变换

分数阶Fourier变换作为Fourier变换的广义形式,广泛应用于科学计算和研究,离散分数阶Fourier变换是其得以应用的关键。特征分解算法是由可交换对角矩阵得到近似连续Hermite-Gaussian函数的特征向量,再对Hermite-Gaussian函数进行加权和运算。对一种基于数特征分解的方法进行了改进,并进行计算机仿真。仿真结果表明所得的Hermite-Gaussian函数与连续函数的近似度更为优异,从而提高了离散分数阶Fourier变换的近似度。     

适用于尺寸为2的幂次方图像的离散ridgelet变换

Ridgelet变换是继小波变换之后提出的一种新的多尺度变换,它能比小波变换更好地表达高维线性奇异性。Finite ridgelet是ridgelet变换的离散实现算法,具有和连续ridgelet变换一样精确的代数意义,并且算法复杂度低。但是finite ridgelet只适用于图像尺寸为PP(P为素数)的图像,这一点限制了它的应用范围。该文将finite ridgelet的算法进行改进,提出了一种可以适用于图像大小为NN ( N=2k, kZ)的离散ridgelet算法。该算法不仅推广了finite ridgelet的适用范围,而且简化了finite ridgelet的算法过程。     

离散傅里叶变换的进一步探析

在数字信号处理领域,离散傅里叶变换是一个非常重要的术语,尤其是在他的高效算法FFT出现以后,在信号分析和处理中得到了广泛的应用。但是,人们对这个术语存在一些模糊的认识。通过对具体谱分析问题的研究,分析了连续傅里叶变换与离散傅里叶变换之间的关系,深入探讨了离散傅里叶变换的渊源,期望对离散傅里叶变换有一个清晰的认识。     

基于一种新的交换矩阵的离散分数阶傅立叶变换实现

分数阶傅立叶变换比傅立叶变换更具有一般性,多年来引起人们深入研究.由于连续的分数阶傅立叶变换在工程实现时都要抽样离散化,直接对连续分数阶傅立叶变换的核离散化会失去很多重要的性质,因此人们研究它的离散实现并保持它具有与连续分数阶变换同样的性质.本文提出了一种新的交换矩阵实现离散分数阶傅立叶变换,其变换的离散核矩阵与连续变换的分数阶傅立叶变换核有相似性,诸如酉特性、可加性、正交性和可逆性.仿真结果证实了所提出的分数阶傅立叶变换核与连续分数阶傅立叶变换核的相似性以及两种变换对矩形信号这种典型信号的分数阶傅立叶变换的相似性.     

分数傅里叶变换产生分数泰伯效应

讨论了如何使用分数傅里叶变换来产生分数泰伯效应，导出了要产生这种双重变换的光学条件，变换后的周期、变换比例因子和级联运算法则，并进行了实验验证。这种双重变换有助于光学系统的设计、分析和计算。最后给出了应用实例     

基于小波变换的激光干涉微位移变化量测量方法

为了克服传统快速傅里叶频谱分析方法不适用于非平稳信号的缺点,实现基于全光纤激光干涉微位移信号变化量的精确测量,研究了基于连续小波变换(CWT)非平稳信号分析的相位解调算法。分析了在信号的频带上如何利用小波脊提取数字信号的瞬时特征,并在提取的特征基础上,得到小波脊的相位,完成对信号相位的提取,进而得到物体的位移信息。根据处理方法,进行了理论分析、计算机模拟和相关的验证性实验,对采集的位移干涉信号进行处理得到待测位移量,并与傅里叶变换相位提取方法的测试结果进行了比较分析,证明该方法具有更高的精度,对各种信号处理都具有很强的稳健性。实验结果表明此算法精确度高、复杂度低,具有广泛的应用前景。     

Hadamard变换和Haar变换谱系数的图形转换法

本文根据Hadamard变换谱系数（had谱系数）与布尔列矢量的关系以及Haar为换谱系数（ha谱系数）与布尔列矢量的关系,提出了had谱系数与ha谱系数之间的图形转换方法,并举例说明转换过程,该方法揭示了系数图与ha系数图之间的内在联系,具有简单,直观的特点。     

连续小波变换开关电流电路的实现

提出了一种用开关电流电路实现连续小波变换的方法,将连续小波变换转化为用带通滤波器组对信号进行处理,并用开关电流电路实现该带通滤波器组.文章采用基于第二代开关电流技术的带通滤波器组实现了8通道的Marr小波.仿真结果表明该滤波器组具有恒Q值,且每个带通滤波器的中心频率与理论值大致相符,从而证实了该方法的可行性.     

基于小波包变换的信号去噪方法研究

信号去噪在信息学科领域一直是研究的重点之一。传统的信号去噪方法局限在频域范围内,无法表述信号的时域局部性质。而小波变换是一种信号的时频分析,利用小波方法去噪是小波分析应用于实际工程的一个重要方面。介绍了小波包降噪原理及方法,并通过仿真研究与目前的小波去噪方法进行对比,仿真结果证明了该方法去噪的有效性。     

基于小波变换与稀疏傅里叶变换相结合的光场重构方法

随着计算机图形学和计算机视觉技术的发展,光场开始进入人们的视线并被迅速应用于各个领域.然而光场的获取需要大量的图像,具有数据量大,获取成本高等特点,因此学者们越来越关注如何利用少量的光场数据获取整个光场这一问题,并且做出了大量的工作.针对上述问题,本文将小波变换与稀疏傅里叶变换相结合,利用光场在角度域的稀疏性提出一种新的光场重构方法.首先,利用小波变换多分辨率分析的特点,通过小波变换将原始图像分解为多个不同频率的子图像;然后分别对每个子图像通过傅里叶切片定理恢复其频率位置,从而可以分别得到它们的二维角度谱;最后将每个子图像的二维角度谱合并,进行小波逆变换获得整个光场.本文方法利用小波变换将原图像分解为多个不同频率的子图像分别同时处理,不仅降低了算法的复杂度,大大减少了算法的运行时间,为光场的广泛应用提供了条件,而且相比于单独运用稀疏傅里叶算法重构,本方法有效地抑制了窗口效应,使重构结果更加准确.此外,本文方法将高频信息和低频信息分开重构,可以有效地改善并网恢复中小频率丢失的问题,进一步改进重构结果.最后通过仿真验证了算法的有效性.