边界镜像对称延拓双正交小波变换矩阵的构造

计算小波变换的Mallat算法需要进行逐级分解和重构,对于有限长信号的小波变换来说,为了保证其完全重构,有必要对其进行边界延拓。基于边界周期延拓的小波变换算法极易实现,也常见于文献,而边界对称延拓较周期延拓则更适合用于信号和图像的处理,但基于边界对称延拓的小波变换矩阵实现方法却很少出现在文献中。为了用矩阵-向量乘积实现信号的小波变换,给出了一种在信号镜像对称延拓方式下,任意深度小波变换矩阵的构造方法,并证明了该延拓方式下实现Mallat算法的完全重构条件。作为实例,绘出了B ior3.3小波的分解和重构矩阵的基向量及波形图。将构造的变换矩阵用于基于小波的图像处理中,不仅可以避免逐级迭代,大大简化运算量,而且边界效应也明显减少。     

小波变换点对称边界延拓问题研究

比较了几种小波变换的边界延拓方式,对小波变换的点对称延拓进行了边界点的光滑性分析,提出基于奇数长对称小波变换的点对称延拓方式,并证明了它在保持信号数据量不变的情况下是可以完全重构的。对一段有限信号分别采用对称延拓和点对称延拓进行小波分解重构计算,结果表明点对称延拓的重构精度比对称延拓的高。     

有限长度信号Mallat算法的边界延拓方法

处理有限长度信号时需要对其边界做某种延拓处理.本文在对Mallat算法分析的基础上,研究了有限长度信号Mallat算法中常用的4种边界延拓方法,并详细推导了4种边界延拓方法实现小波变换的一般过程.详细讨论了对称延拓中的2种延拓方式,分别就滤波器长度和信号长度为奇数或偶数的情况进行了研究.在周期延拓和对称延拓中,为了使多级分解与重构顺利进行,引入一个二元标示序列,使得小波变换便于编程实现.最后以bior4.4双正交小波给出实例,计算结果表明,在保持信号长度不变的情况下,按本文延拓方法能实现完全重构.     

有限长度信号正交小波变换的若干问题的探讨

本文讨论了有限长度信号的正交小波变换在实际应用中的边界延拓方式及其计算复杂度,提出了一种正交小波变换的精确重构的方法。数值计算的实例表明了我们所提出的精确重构方法是有效的。     

一类多元不可分小波的边界问题

讨论了伸缩矩阵为2I2、插值掩模关于两坐标轴和原点对称的插值双正交多元不可分小波的小波掩模构造方法,为了保证在图像的小波变换编码中可以实现信号的完全重构,提出一种不同于张量积小波情形的边界对称延拓方法,证明了不需附加信息即可实现信号的完全重构,最后给出了实验验证。     

小波图象编码中的对称边界延拓法

在小波变换图象编码中,由于图象信号是有限长信号,在子速分解过程中信号边界将外延,因此为满足完全重构条件,且不增加信号的样本总数,必须对信号边界进行延拓,该文对小波变换图象编码中的对称周期延拓法进行了论述,并叙述了其原理及实现方法,还讨论了如何根据滤波器长度为奇数或偶数的不同,相应地延拓输入信号,并恰当地截取出所需长度的子带信号,同时,讨论了综合时如何对子带信号进行延拓的问题。     

区间最小能量小波框架的图像去噪研究

小波域信号去噪是信号处理中一个引人注目的研究方向,恰当选择小波函数使去噪效果最佳更是具有实际应用价值的研究课题,为了提高图像的降噪效果,提出一种基于区间最小能量小波框架的图像去噪方法。区间最小能量小波框架具有紧支、对称/反对称性、时频局部化特性以及平移不变性,克服了正交小波在信号去噪中的不足;同时,由于进行了区间化,成功避免了小波分解过程中对边界图像的延拓,边界问题得以有效解决,使重构精度得到了显著提高。实验表明,区间最小能量小波框架去噪效果比非区间小波框架去噪效果更好。     

无边界效应D小波软阈值法去除肉品图像斑点噪声

肉品图像中的斑点噪声与肌内脂肪的颜色特征相似,要准确提取肌内脂肪,就必须先对斑点噪声进行滤除。在小波软阈值法滤除SAR图像中的斑点噪声算法基础上,结合肉品图像的特点进行了改进。首先,使用由耿则勋提出的算法,在小波分解时对左右边界进行处理,重构时外推值为0,对离散小波变换的边界效应进行处理,精确重建图像,消除小波变换的边界效应。选择了D8小波,3级分解后,在不同的阈值下进行了实验。结果表明:阈值的选取影响去噪效果,但在所有参数都相同时,改进算法消除边界效应的同时,在斑点指数和方法噪声两个客观评价指标均优于其他几种边界延拓方式,图像失真最小。     

基于区间小波编码的图像混沌加密技术

针对图像小波编码混沌加密技术中出现的边界效应问题，提出了基于区间小波编码的混沌加密新技术。相对于传统的图像延拓方法，该方法在小波变换前后，不需要对图像进行特殊的延拓处理，在对图像加密的同时，压缩了图像文件规模，有效地消除了边界效应。此外，调整参数L的大小，可满足对图像恢复精度的不同要求。实验结果表明，在参数L=1时，信号恢复精度已满足要求。     

小波变换中的信号边界延拓方法研究

研究了小波变换中的离散信号边界延拓问题,由离散小波变换后信号长度的变化引出信号边界处理问题,给出了各种边界延拓方法及其数学表达式。利用正弦信号分析各种边界延拓方法对信号进行小波变换产生的不同结果和对信号极值检测的影响,给出了相应仿真实验和重要结论。     

JPEG2000中小波变换在BlackFin芯片上的实现

对JPEG2000中小波变换的具体算法进行了阐述并在BlackFin芯片(ADSP-BF533)上对算法进行了实现。首先给出小波变换滤波器的基本结构,然后介绍了小波正变换,二维子带系数的分解,垂直、水平方向的子带分解,二维系数的反交错,一维小波变换等步骤如何对原始图像信号进行处理,最后,选用BlackFin芯片(ADSP-BF533)进行了编程实现。     

Efficient algorithms of local discrete wavelet transform with Haar-like bases

In this paper, two new fast algorithms for calculating a local discrete wavelet transform for a one-dimensional signal based on the example of Haar’s wavelet basis are presented and their computational complexities are evaluated. The algorithms are compared with each other and with well-known algorithms of fast wavelet transform. Employment recommendations are given for each algorithm presented. Among other things the preference domains of these algorithms are shown, i.e., the parameters of wavelet transform calculating problem are specified so that these algorithms are computationally efficient. Conclusions regarding the advantages of the recursive algorithm over the alternative one and over the well-known algorithm of the fast wavelet transform are reached using the analysis of algorithmic complexities as the base and with regard to additional possibilities of the recursive algorithm. The extension of the algorithms considered to a two-dimensional case is presented. Vasilii N. Kopenkov. Was born in 1978. He was graduated in Samara State Aerospace University in 2001. At present time he works as an assistant on chair of geoinformatics in SSAU and as a junior research assistant in Institute of Image Processing Systems RAS. Head interests: image processing, earth remote sensing data and pattern recognition, geoinformatic systems. Author of 17 publications, including 7 articles. Member of the Russian Association Pattern Recognition and Image Analysis.     

基于边缘自适应小波变换的低比特率图像压缩算法

常规的小波压缩算法在低比特率情况下将不可避免地在图像强边缘附近产生振铃效应。为此提出了一种基于边缘自适应小波变换的低比特率图像压缩算法。在编码端，先检测出图像的强边缘并将其作为附加信息进行编码；然后，利用强边缘信息将图像沿行列方向分割成一些独立的数据段分别进行小波变换；最后，利用EBCOT算法对得到的小波系数进行编码。特别地，从图像的成像机理出发，提出了一种克服分段数据边界效应的新方法。实验结果表明，这种边缘自适应小波变换即使在比特率极低的情况下也可以保持图像轮廓的清晰，强边缘附近的振铃效应也得到有效的抑制。由于附加信息的存在，压缩图像的PSNR值相比于常规方法通常会有所降低，但图像的主观视觉质量却有明显的提高。     

一种基于整数小波变换的图像无损压缩方法

由于第二代小波变换可以实现图像的整数到整数的变换,而且图像的恢复质量与变换时边界采用何种延拓方式无关,完全可以克服由第一代小波变换所带来的缺陷。该文利用这个特性,提出了一种基于整数小波变换的图像无损压缩算法。该方法首先将图像进行整数小波变换,然后利用不同子带的小波系数分布特性,对不同的子带采用不同的预测方式,最后将预测误差进行哈夫曼编码。实验结果表明,该方法算法简单,有较好的压缩性能,与JPEG无损压缩模式相比较,有较大的优势。     

小波变换理论应用进展

本文介绍了小波变换理论,讨论了基本小波函数的选取准则和小波变换算法,分析了小波变换与人工智能等其它方法的结合方式和特点.通过介绍小波变换在信号瞬态分析、图像边沿检测、图像去噪、模式识别、数据压缩、分形信号分析等方面的应用实例,讨论了小波变换在处理非平稳信号和复杂图像时的优势.最后,对小波变换理论的发展及其应用前景作了描述.     

基于脉冲耦合神经网络的异源图像融合方法

针对基于主成分分析与二代小波变换的图像融合算法中鲁棒性不高、融合图像质量较低的问题,提出了基于鲁棒性主成分分析与脉冲耦合神经网络的融合方法.所提出的算法将可见光与红外图像进行二代小波变换,转换为高频与低频信号,接着采用不同的融合策略针对低频和高频信号进行融合.针对低频信号,利用鲁棒性主成分分析法还原低秩矩阵并采用加权平均的融合策略进行融合;针对高频信号,将其送入至脉冲神耦合神经网络中进行融合得到融合后的小波系数.将融合后的小波系数进行逆变换,得到最终融合图像.实验结果表明,相比于基于主成分分析与二代小波变换的图像融合算法,利用所提出的出算法得到的融合图像中熵指标、空间频率指标、结构相似度指标和峰值信噪比指标均得到了不同程度的提升.因此,所提出的算法能够更好地提取目标信息,使融合图像中目标的轮廓边缘更加清晰,同时将提升小波分解出的高频信息利用PCNN进行融合,更加突出细节信息.