一种基于小波变换的信息隐含技术

给出了基于小波变换的图像处理技术。对图像数据先进行二维离散小波变换,根据小波变换后高、低频分量的特点,用数据隐含技术将加密信息隐藏在小波变换图像的高频部分。这种基于小波变换后的图像,几乎没有附加传输信息量。     

基于平稳小波变换的图像去噪方法

针对传统正交小波变换在图像去噪时存在的边缘失真,提出了一种基于平稳小波变换的图像去噪方法。使用系数关联法将图像小波分解后的高频分量像素标记为噪声和边缘,如果小波系数被标记为边缘,则保持其系数不变,否则采用基于邻域的方法进行系数收缩。当噪声方差较大时,收缩后最小尺度的高频分量中会存在一些孤立的亮点或暗点,借助次大尺度高频分量将其去除,对处理后的小波系数进行平稳小波反变换得到去噪图像。实验结果表明,本文方法能够在去除噪声的同时较好地保持图像的边缘,是一种有效的图像去噪方法。     

基于区域特征的改进IHS图像融合算法

提出了一种基于区域特征的结合IHS变换和小波变换的图像融合算法,首先分别对多光谱图像和高分辨率全色图像进行IHS变换和直方图匹配,对I分量和调整后的高分辨率图像进行小波分解,然后对不同频率分量进行融合时引入区域特征准则,低频部分采用加权平均算子融合法,高频部分采用改进的区域方差加权融合法,最后结合主观判断和客观定量分析验证该算法,实验结果表明该算法的融合图像的质量要优于传统的IHS变换法和小波变换法。     

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。     

基于提升小波变换的红外图像融合算法研究

介绍了提升小波变换,提出了基于提升小波变换的图像融合方法,算法针对提升小波变换后的低频分量和高频分量的不同特点,选用了不同的融合准则进行融合,然后通过提升小波逆变换得到融合图像。通过分析可见光与红外图像的融合结果并与其他融合方法进行比较,实验结果表明,该算法使得融合后图像内容清晰,具有增强图像的空间细节能力,取得了较好的融合效果。     

基于小波变换和彩色变换的多聚焦图像融合

提出一种结合小波变换及彩色空间变换的多聚焦图像融合方法。首先把彩色图像从RGB空间变换到YIQ空间,将颜色分量与亮度分量进行分离,从而克服RGB空间各颜色分量的相关性造成融合后图像颜色信息的丢失和错乱;接着,将待融合的多聚焦图像进行小波分解以刻画图像的多尺度信息,在小波域实现融合处理。在融合策略的选取上,对高频分量与低频分量分别采取局部方差与局部梯度最大的融合规则,同时以亮度分量Y作为衡量标准,通过一致性检测对融合系数做进一步的优选,以保持融合后图像的区域连续性。实验表明,该方法的融合结果无论在视觉质量及定量指标上都明显优于传统方法。     

小波包变换及其在电力系统谐波电流检测中的应用

在此阐述了小波变换及小波包变换的基本原理。小波包变换是建立在小波变换的基础上,可以实现对信号的均匀划分,能够更好地提取信号的时频特性。仿真结果表明,小波包变换方法能够正确地提取电力系统的谐波信号,将电流信号中的基波分量和高次谐波分量分离,验证了该方法的有效性。     

基于PCA 变换与小波变换的遥感图像融合方法

针对传统的PCA变换遥感图像融合技术会丢失部分多光谱遥感图像的光谱信息变量,从而造成光谱图像信息域的失真问题提出了基于PCA变换与小波变换的遥感图像融合方法。该方法首先提出多光谱遥感图像信息域的各波段相关矩阵的特征值变量和特征向量域,对多光谱图像进行主分量的变换,继而求得各主分量变量;然后将非灰度图像与多光谱图像信息域的首个主分量做直方图信息变量的匹配,利用小波变换融合方法来实现多光谱图像信息变量的首个主分量与非灰度图像的融合,其多光谱图像的首个主分量被融合结果来替代; 最后对多光谱图像信息变量的3个主分量变量作逆主分量变换得到所需的最终融合图像信息域。仿真实验表明,该方法使最终融合的图像在多光谱信息的保持与空间细节信息的增强两个方面的综合性能均得到提高。     

一种非线性小波变换在图像压缩中的应用

针对小波变换进行图像压缩过程中重建图像易引起边缘振荡的问题,提出了一种非延拓消除边缘振荡的方法.它通过提升算法与传统的非线性ENO-小波变换结合,把高频分量边缘的能量集中到低频分量上,用小波分量模的极大值对跃变点进行奇异性检测,有效地消除了重建图像引起的边缘振荡.仿真实验表明该方法简单有效.     

改进的基于àtrous小波的遥感图像融合方法

针对多光谱与全色图像的融合,提出了一种改进的基于àtrous小波变换的图像融合方法。首先对多光谱图像进行IHS(intensity-hue-saturation)变换,然后对PAN图像进行àtrous小波变换,再将PAN图像的细节分量添加到多光谱图像的强度分量中。为了控制添加的数量,从小波系数中提取出一个重要性测度函数,并根据阈值选择重要的PAN特征,用新的强度分量来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。实验结果表明,和IHS变换算法及常用的小波融合算法相比,本文提出的融合方法在光谱信息的保持与空间细节信息的增强两个方面的综合性能得到提高,具有更好的效果。     

图像的多尺度几何分析:回顾和展望

多尺度几何分析旨在构建最优逼近意义下的高维函数表示方法.本文以二维函数的非线性逼近为主线,分析了推动多尺度几何分析发展的深刻数学和生理学背景,综述了图像多尺度几何分析方法的最新进展及存在的问题,指出了进一步研究的方向.     

光学子波变换（1）基本理论

本文介绍了从傅里叶变换到盖伯变换，以及子波变换的发展。分析了它们的区别和联系。描述了连续和离散的子波变换，讨论了子波函数成立的容许性条件和子波变换的一些基本性质。     

正交小波(包)变换的算子矩阵

本文采用纯数学的方式,构造性地直接证明了对于长度为2的整数次幂的有限长离散信号,它的有限支撑的正交小波(包)变换算子可以用一个大小与信号长度一样的正交矩阵来表示,并且给出了该矩阵构造的一般方法和规律.     

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。     

紧缩能量分层有限Ridgelet图像去噪新方法

有限Ridgelet变换是一种为了克服Wavelet在高维信号处理中的不足而提出的图像处理新方法。通过Radon变换将图像边缘奇异性转变为点奇异性,再利用Wavelet变换针对点奇异性进行处理。根据图像经Radon变换后能量分布紧缩集中,该文提出一种新的Ridgelet改进算法,该算法在图像Ridgelet变换过程中,按能量高低分为两种能量系数矩阵再分别进行降噪处理,并在融合重构以后,再次利用Wavelet变换提取低能量图像中的细节信息并将之融合,二次加强图像细节。使得输出信噪比及图像细节保持上得到大幅度提高。仿真试验表明在受噪声干扰严重情况下,该方法的输出信噪比及视觉效果均优于其他算法。     

基于Curvelet变换的图像消噪

小波变换对图像消噪能够起到较好的效果,但是对图像中线性区域的处理存在局限性.Curvelet变换是一种新的具有方向性的多尺度变换,他处理图像线性区域能有更好的效果.将Curvelet变换运用到图像消噪中,实验结果表明,他的消噪结果比小波消噪有着更好的视觉效果,并且PSNR也得到一定的提高.     

K-L变换编码与DCT变换编码及其比较

讨论了DCT变换和K－L变换的基本过程，通过便证系统地就两者之间的若干问题进行了比较与分析。     

On the discrete cosine transform computation

A generalized signal flow graph for the forward and inverse discrete cosine transform (DCT) based on the Hou's recursive algorithm is described. The regular structure of the generalized signal flow graph enables to realize the DCT and inverse DCT computation for any given N = 2^m, m > 0, and is effectively implementable on a VLSI chip. Computer program for the DCT and inverse DCT computation is also presented.     

M序非正弦类正交变换的向量算法实现

本文根据一系列非正弦类正交矩阵的特点,对其变换采取相应的向量算法。此向量算法设计简单,但成效显著,且易于推广,特别适宜并行计算。     

Parallel vector multidimensional slant,Haar, and Walsh-Hadamard transforms

A new factorization for the slant matrix is developed. The structure of the proposed slant algorithm based on the new factorization is suitable for vector and parallel processing of one- and two-dimensional slant transforms. A unified approach to compute the Walsh-Hadamard, Haar, and slant transforms is presented. Multitasking with four processors is implemented to improve the speed performance of two-dimensional transforms. Simulation results on CRAY X-MP/48 using single-processor and multiprocessors are also included.This work is supported in part by the National Science Foundation, Pittsburgh Supercomputing Center and by the PEW Science Education Program.