基于插值小波塔式分解算法的图像边缘检测

在应用经典小波检测图像边缘时,通常利用离散积分替代连续积分获取小波系数。由于离散积分仅仅是连续积分的近似表达,因此这种方法在获取图像边缘时很难避免数值计算误差,这使得在检测图像细节部分时容易出现定位不准和边缘不清晰等问题。为了避免上述问题,利用插值小波采样理论中像素值即为插值小波系数的特殊性质,将插值共轭滤波器与Mallat塔式分解算法相结合,给出一种新的图像边缘检测算法。将该算法与经典小波算法进行对比实验,结果表明,该方法能够检测出经典小波算法无法检测到的边缘细节,且最终得到的图像边缘清晰完整,从而验证了该算法的有效性。     

基于BP神经网络的图像插值算法研究

图像插值技术具有重要的研究价值。本文提出了一种结合BP神经网络、小波变换、线性插值的图像放大算法,提高图像分辨率。实验结果表明:该方法获得的高分辨率图像主观上拥有良好的视觉效果,客观上具有较高的峰值信噪比(PSNR),并且较好地保留了图像细节,边缘模糊和阶梯形失真也明显降低。因此,使用本文插值算法获得高分辨率图像是可行的。     

一种基于边缘自适应插值的超分辨率重建方法

为了从低分辨率图像中获取高分辨率图像,本文提出了一种基于边缘自适应插值的超分辨率重建算法。首先,对低分辨率图像进行双线性插值并对插值后的图像进行边缘检测;然后,插值图像的边缘通过两种途径得以优化：一种是利用低分辨率协方差与高分辨率协方差之间的几何对偶性;另一种是利用图像的局部结构特征。实验表明,该算法比传统的线性插值方法更能提高图像的重建效果。     

频域内基于邻域特征学习的单幅图像超分辨重建

针对图像重建过程中待插值点灰度估计不准确的问题,提出一种基于邻域特征学习的单幅图像超分辨回归分析方法。在输入低分辨率图像后,利用图像特征从低分辨率图像及其对应高分辨率图像的几何相似结构中学习局部协方差。对于邻域中的每一个图像块,估计4个方向的方差以适应插值像素。实验结果表明,该方法既能保证重建的高分辨率图像均匀区域的一致性,同时也能完整保留图像细节信息和边缘轮廓。     

基于小波包和边缘特征的遥感图像融合算法

为了获得更多的图像细节信息,提出了一种基于边缘特征的遥感图像融合算法。该方法以小波包变换为基础,根据3个子方向的小波系数变化和边缘特征,确定融合规则。对TM多光谱图像和SPOT高分辨率图像进行融合实验,并从主观和客观两方面对融合结果进行了比较分析。仿真实验结果表明,该方法在空间细节信息的表现能力和光谱信息的保持方面都有一定程度的提高。     

基于Sobel算子的小波包变换遥感图像融合算法

针对遥感图像融合时图像的空间信息与光谱信息不易兼容的问题,在小波包变换的基础上提出了一种基于Sobel算子的图像融合算法。该方法将多光谱图像与高分辨率图像进行小波包变换,根据阈值选用不同的融合准则得到小波低频系数,利用Sobel算子提取图像高频特征值,采用最值法获取高频系数。实验结果表明,所提算法优于传统的HIS(Intensity,Hue,Saturation)变换、小波变换以及两者结合的方法,在较好地保留图像光谱信息的同时,进一步增强图像的细节信息、边缘特征,从而提高图像的清晰度。     

小波与自蛇模型在放大图像清晰化中的应用

针对传统插值放大图像出现的边缘模糊与锯齿化问题,结合小波具有多分辨率分析和局部化时频域特性,提出了一种基于小波插值与改进自蛇模型相结合的放大图像清晰化方法。该方法对无噪声图像采用小波插值对图像进行放大,并用改进自蛇模型对放大后的图像进行边缘修正,而对于噪声图像则采用改进自蛇模型对其进行清晰化处理,通过小波插值进行放大。实验结果显示,采用该方法与传统放大图像清晰方法相比,图像的边缘轮廓清晰度和细节部分的辨识度更精确,同时能够有效提高放大图像的峰值信噪比。     

基于边缘统计特征的遥感图像融合改进方法

针对传统小波变换融合方法中未对高频分量作进一步分解从而忽略了细节信息的缺点,提出了一种基于区域边缘特征的小波包融合算法。该方法对小波包分解后的低频分量采用能量加权的融合规则,高频分量则利用各个子带的方向性,计算其边缘特征统计量,通过权值法得到融合系数。对SPOT多光谱图像和高分辨率图像进行融合实验,实验数据和理论分析表明,该方法的平均梯度等评价参数均有提高,在保持光谱信息的同时,有效地改进了图像的空间特征信息。     

基于小波的改进加权抛物线插值的图像超分辨率算法

为了尽可能地保持图像的基本信息,提高图像的视觉效果和空间分辨率, 提出一种基于小波的改进加权抛物线插值算法,即在传统的加权抛物线算法上增加插值的误 差补偿项。利用sobel 算子设定插值点的边缘方向,得到初始放大图像。利用小波变换提取 高频成份,原始图像幅值增强充当低频部分,再经过小波逆变换得到高分辨率图像。实验结 果表明,相对于传统的图像放大算法,该算法考虑到全局相关性,得到更加清晰的边缘信息。     

多尺度模型结合改进前向后向扩散的图像放大

为了得到较好视觉质量的放大图像,提出一种图像放大方法.为了保证得到的放大图像完全满足图像退化模型的约束,在图像重建过程建立多尺度空间模型,利用拉普拉斯金字塔变换工具对图像零插值得到低分辨率空间的初始插值图像;对初始插值图像采用改进的前向后向非线性扩散得到图像的高分辨率分量,并把高分辨率分量利用拉普拉斯金字塔变换工具在空域中映射到高分辨率空间中,得到图像的高频细节和初始插值图像合成放大图像.该方法对前向后向非线性扩散进行了改进,在增强边缘的同时使边缘更加光滑.实验结果表明,文中方法能达到较显著的分辨率增强效果,比其他方法得到的图像边缘更加准确,减少了图像的不良人工效果,如边缘振铃、阶梯效应和边缘错位,而且计算复杂度低、运算速度较快.     

基于加权抛物线插值与小波变换的图像放大算法

图像放大问题的焦点是如何在图像放大过程中保持良好的视觉分辨率和清晰度。论文首先对加权抛物线插值算法进行了改进,在此基础上提出一种加权抛物线插值结合小波变换的图像放大算法,并对小波变换后的小波系数低频带作了幅值增强处理。实验结果表明,相对于传统的图像放大算法,该算法不仅较好地保留了原始图像的细节信息,而且还提高了放大后图像的亮度和清晰度。     

基于变分和小波变换的图像放大算法

为了更好地放大图像,利用小波变换的思想,提出了一种变分和小波变换相结合的图像放大算法.该算法的思想是先构造一个用Besov范数估计图像正则性的变分泛函,然后在小波域中最小化变分泛函得到放大图像.小波变换后的高频分量具有丰富的细节边缘信息,因而能够重构出高质量的图像,而且小波的引入使得文中新算法具有运行时间短、速度快的特点.与传统的插值放大图像不同,该算法是用变分的思想进行图像放大.理论分析和实验仿真表明,该算法能达到和样条插值同样的放大效果.     

小波分形插值应用于遥感图像处理

鉴于自然物体图像具有分形特征,提出了小波分形插值应用于遥感图像处理的新方法．这种小波分形插值方法利用小波变换系数中低分辨率频带中的高频分量相似高分辨率频带中的高频分量的特点．将遥感图像在小波变换的基础上用分形做相似变换,进而通过反变换得到比原图像分辨率高的插值图像．实验证明,小波分形插值方法比现有的双线性插值、三次方B样条插值方法具有更好的性能．     

小波局部适应插值的图像超分辨率重建

针对单帧低分辨率图像的超分辨率重建问题,提出一种改进的小波局部适应插值的超分辨率重建方法,该方法能够弥补重建图像边缘不平滑的缺陷。结合小波变换与可分离高低频信息的特性,提出一种综合两者优点的单帧图像超分辨率重建算法。实验结果表明,采用该算法得到的重建图像不仅能较好地保留原始图像的细节信息,提高图像的空间分辨率,并能提高图像的峰值信噪比,更适合人眼视觉系统。     

基于小波的医学图像插值

现有插值方法在进行医学断层图像插值时,不能兼顾灰度和形状的变化.为解决这一 问题,文中提出一种基于小波的医学图像插值算法.通过对原图进行小波变换,获得图像边缘对 应小波系数的位置信息,在断层图像的相应小波系数之间进行强度和位置插值,使新的图像不 仅在灰度上,而且在组织形状上,介于原来的断层图像之间,满足了医学图像插值的要求.与线 性插值、克立格插值相比,新算法的视觉效果好,计算误差小,插值结果可有效地应用于构建三 维体模型.     

多义图像合成算法研究

提出了一种基于小波变换的多义图像合成算法。该算法首先通过视角来选择小波分解级对两幅目标图像进行小波分解,然后根据可选的小波融合规则和权值变量融合并重构出在两个视角下的多义图像;对小波算法与现有两种算法进行了分析比较,通过试验证明该算法合成的结果多义特性更好,合成图视觉效果醒目并充分保留原目标图像的色彩和细节特征。合成结果采取了均值降噪。     

结合小波融合和插值的多幅图像超分辨率复原

超分辨率复原的目的就是由多幅低分辨率降质图像来估计一幅高分辨率图像,以此消除由有限检测器尺寸和光学元件产生的模糊和噪声,增加图像细节.采用基于小波域的图像融合和插值相结合的算法.先对原始图像进行小波三次样条插值,然后对插值后的图像做小波融和,如果结果未能达到要求那么就增加小波融和的分解层数,直至得到满意的高分辨率图像.方法充分利用了图像问的补充信息,使复原图像更接近实际拍摄的高分辨率图像.不仅信噪比优于仅使用小波插值的方法,而且具有很好的主观视觉效果,仿真实验表明这种方法可行,有效.     

基于小波变换的拓片文字边缘检测*

针对拓片得到的文字图像具有模糊细节多、效果差等特征,以及传统算法对其边缘检测的精度不高,根据拓片文字边缘独立于尺度传播的特性,提出了一种基于二进小波变换的拓片文字图像边缘提取和增强算法。首先用二进小波对拓片文字图像进行多尺度分解,再结合小波变换模值跨尺度传递的不同特性,进行多尺度下的图像边缘提取、增强和细化。实验表明,该算法克服了传统算法的不足,弱化了单尺度下噪声抑制与边缘细节提取精度之间的矛盾,从而具有更好的实用性。     

小波-Lagrange方法进行医学图像层间插值

目的 医学图像3维重建通常需要进行层间插值.现有的插值方法虽然种类较多,但在进行医学断层图像插值时,很多方法并不能兼顾图像灰度和目标形状的变化,且计算过程过于复杂.鉴于此,提出一种基于小波与Lagrange多项式相结合的插值方法.方法 首先对原始图像进行小波变换,获得图像边缘对应小波系数的位置信息,在断层图像的相应小波系数之间运用Lagrange多项式进行强度和位置插值.结果 通过实验验证,采用本文方法插值得到的图像与线性、Cubic插值方法相比,不仅在灰度值不等点方面减少了10%~50%,均方误差平均下降了3%,而且目标组织轮廓特别是拐角剧烈变化处可改善伪轮廓现象,介于原始断层图像之间,能够满足医学图像层间插值的要求.结论 与线性插值方法、Cubic插值方法相比,新算法由于引入了小波变换这个工具,可将图像剧烈变换部分提取出来,因此,本文方法在处理图像剧烈变化的情况时略有优势.新算法得到的插值图像质量有所提高,计算误差有所降低,可有效用于医学图像目标组织的3维重建.