基于小波变换和ODPSF的纹理图象分割方法

在纹理图象分割的研究领域中,基于人类视觉感知特性的图象分割方法是一个重要的新研究方向,文中给出了一种纺理图象分割的新方法,即将小波变换和方向滤波有效地结合了起来,该方法是根据小波变换的多尺度、多频道滤波的特点,采用小波包提取纹理主频,然后用一种二维最佳正交极可分方向滤波器对纹理有关方向和频率等其他特征进行分割,实验结果表明,这种方法能够获得较好的分割效果。     

利用小变换和特征加权进行纹理分割

为了提高纹理图象分割的边缘准确性和区域一致性以及降低分割错误率,提出了一种基于小波变换的利用特征加权来进行纹理分割的方法。该方法包括特征提取、预分割和后分割3个阶段,其中,特征提取在金字塔结构小小以变换的基础上进行;预分割利用均人矣类算法来对原始图象进行初步的分割;后分割则根据预分割的结果对特征进行加权,然后利用最小距离分类器来实现图象的最后分割。与传统的方法相比,该方法在分割错误率、边缘准确性以及区域一致性等方面均有明显的改善。     

小波变换在图像纹理分析中的研究进展

小波变换为图像纹理分析提供了一种基于多尺度、集频谱、结构和统计方法于一体的综合分析方法,该方法在纹理特征的提取、分类和分析中的有效性已受到有关研究人员的重视。为了使人们对这一方法有一个较全面的了解,文章对基于小波变换的图像纹理分析的研究与进展情况进行了较系统的论述,首先简要介绍了纹理的定义和主要描述方法,阐述了用小波变换提取图像纹理特征的基本原理和方法,然后从小波分解的实现方法——金字塔结构算法(PWT)和树状结构算法(TWT)两个方面,分析了近年来国内外小波分析方法在图像纹理分析中的应用研究和方法,最后提出了一些看法和建议。     

小波变换在三维医学图象分割中的应用

本文将多尺度小波变换应用到三维医学图象分割中的阈值选取中．由于小波变换在较大尺度，由噪音引起的细小突变较少，可描述信号的整体行为，取较大尺度的由负到正的零交叉点来确定图象的阈值，再逐步到相邻的小尺度由粗到精地确定精确的阈值．用以上算法对三维医学图象进行二值化后，根据待提取组织或区域的特征，再选取合适的数学形态学操作，最后对区域进行种子填充．从实验结果可以看出分割效果较好，能够满足三维重建的要求．     

基于不完全树结构小波变换及模糊聚类神经网络的纹理分割

提出了一种新的不完全树结构小波变换用于纹理特征提取,给出了一种一人类视觉过程相一致的多分辨率多通道纹理分析方法,它由：1）特征提取：使用不完全树结构小波变换抽取纹理特征;2）基于模糊神经 网络的特征粗分类：①基于样本分布密度的模糊Kohonen聚类网络权植初始化,②使用缩减的特征向量对网络进行训练,得到粗分割结果;3）细化粗分割结果等几部分构成。实验结果证明了其有效性。     

基于小波变换的图像纹理特征提取技术

纹理是一种区域特征,是对于图像各像元之间的空间分布的一种描述.由于纹理能充分利用图像信息,无论从理论上或常识上出发它都显然应该成为描述与识别图像的重要依据,同时与其它图像特征相比,它似乎能更好地兼顾图像宏观性质与细微结构两个方面,因此纹理分析成为图像分析的重要手段.它被广泛的应用于气象云图分析、卫星遥感图像分析、机器人视觉、工业监控、场景分析、辅助医疗、生物组织和细胞的显微镜照片分析和军事目标分析等诸多领域.     

基于树型结构小波变换的虹膜识别方法

虹膜具有可靠性、唯一性、不可伪造性及不可侵犯性等优点,虹膜识别与其它的人类特征识别相比有更高的安全性.提出一种新的虹膜识别方法,该方法利用树型结构小波变换提取虹膜纹理特征,通过计算虹膜间马氏距离进行匹配,最终实现虹膜识别.实验结果表明,与现有算法相比,该算法识别速度快,提取特征的效果好.     

基于二维自适应异小波基小波变换的规则纹理缺陷检测

许多纹理具有规则的重复出现的纹理单元,如纺织纤维结构。为了处理有缺陷的纹理图象,提出了一种利用不同自适应小波基与纹理模型匹配的二维小波变换的新方法。与Ｄａｕｂｅｃｈｉｅｓ的小波基不同,其行和列采用不同的自适应正交小波基,且用遗传算法得到。实验结果表明该方法能确定纹理缺陷的位置。     

基于小波变换的纹理特征提取分析

在图像检索技术中，充分利用纹理特征能大大提高图像检索的准确率。用小波变换的方法提取图像纹理特征参数优势明显．也符合纹理识别的特点。     

基于小波变换的纹理图像分割

基于小波的纹理图像分割方法是把小波变换应用于纹理的特征提取。通过对原始纹理图像进行高阶小波分解，构成每个象素对应一个特征矢量，对所提取的特征利用均值举类算法进行分类，最终获得图像的分割结果。为了提高纹理分割图像的边缘准确性和区域性以及降低分割错误率，提出了利用特征加权来进行后分割的方法。     

基于不完全小波树型结构的图像纹理特征研究

图像纹理特征的研究作为一个热点和难点问题为图像检索、景物识别和目标定位等应用领域提供了一种重要途径。近年来,小波域的图像处理和分析受到关注,但基于小波域图像特征的研究相对滞后。通过分析图像纹理及其空间域特性,同时对图像不完全树型小波结构的分解过程和存在的问题进行讨论,对基于不完全小波树型结构的纹理特征进行研究,给出了小波域描述图像纹理的若干特征,提出了描述图像方向性的两个特征,同时对这些特征在图像检索中的应用过程和应用范围进行了说明。实验结果验证了所提出纹理特征的有效性。     

利用小波变换和FCM算法进行多特征纹理分割

提出了一种基于小波变换和模糊C均值（FCM）算法的两阶段纹理分割方法,各阶段采用不同的纹理特征。而且该特征结合了像素的空域和频域信息。实验表明该方法在分割错误率、边缘准确性及区域一致性方面均有较明显的改善,同时也有较高的分割效率。     

基于树状小波分解的纹理图象检索

针对图象检索应具有简单、快速、有效等要求,提出了一种采用树状小波分解特征的纹理图象检索方法,该方法可以在相应的能量准则下,自适应地对图象进行了带分解,同时可利用小波函数分解的多分辨率与多方向特性,来形成能够在一定程度上对图象进行精确描述的特征矢量;在此基础上,又采用基于图象特征值的主分量分析方法,有效降低了特征矢量的维数;另外,基于用户需求的分层检索,还满足了用户不同层次的需求。实验结果表明,该算法快速,有效,具有较强的应用价值。     

正交小波变换在图像融合中的应用

阐述了多传感器图像融合技术的原理和融合方法。利用小波分解的多分辨率特性和方向性，建立了一种新的基于小波多尺度分解的分层图像融合方法，提出了新的融合规则和融合算子。实验表明基于小波变换的图像融合方法是有效的，该方法的融合效果优于其他的图像融合方法，融合后的图像质量得到了较大提高。     

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。     

矢量积小波变换

1 矢量小波函数方程Ψ(x)=sum from k=0 to N(C_kΨ(2x-k)) (1)称为尺度方程,它在多尺度分析中起着举足轻重的作用。方程(1)的系数可以是实数亦可以是复数,(1)式的解Ψ(x)称为尺度函数。若式(1)有一个可积解Ψ(x),且是L~2(R)中的一个规范正交基,则从下式Ψ(x)=sum from k=0 to N(-1)~k(C_(N-k)Ψ(2x-k)) (2)     

小波变换在遥感图象融合中的应用研究

针对基于小波变换的图象融合中存在的光谱扭曲问题 ,提出了一种直接相加的小波变换低频信息处理方法 ,即将未分解的 TM放大图象与小波分解后的 SPOT图象的高频部分重构得到的图象通过直接相加来生成融合图象 ,这种方法得到的融合图象 ,其光谱扭曲值和信息量两个指标均优于常规的小波融合方法 .由小波变换与 IHS变换的光谱质量比较表明 ,小波变换比 IHS变换更适合于波谱响应范围不同、相关性弱的图象间的融合 ;另外 ,空间质量比较还表明 ,小波变换在融合中、小尺度的纹理特征方面具有优势 .     

基于小波变换的多方向小波变换

方向小波变换(SAWT)是小波变换(WT)的多方向扩展,它的基是各向异性的,具有多尺度、多方向的图像表示特性。SAWT不能恒保持多分辨率尺度关系,不能较好地表示图像中的平滑区域,因此利用WT和SAWT构造了一种新的多尺度、多方向且能保持多分辨率尺度关系的小波方向波变换。为了验证该变换的有效性,利用其进行了图像去噪实验。实验结果表明,所提方法能够很好地表示图像中的平滑区域和细节信息,并且能获得更高的峰值信噪比和结构相似性。