基于小波变换和数据融合技术的图像降噪方法

提出了一种基于小波变换和数据融合技术的图像降噪的方法．此方法对同一原始图像信号不同噪声的多源图像分别进行小波分解，在图像分解的高频域内，对小波系数进行阈值处理后，再进行数据融合处理，根据“多数原则”选择重要小波系数．在低频域内，新的逼近系数则通过对多幅图像的逼近系数直接进行加权平均得到．然后利用重要小波系数和逼近系数进行小波反变换，即可得到融合后的图像．实验结果表明：此方法既可以有效地降低噪声，又可以较好地保持图像细节．     

基于多尺度形态学融合的分水岭图像分割方法

提出了一种基于多尺度形态学融合的分水岭图像分割方法，采用多尺度结构元素对输入图像并行滤波，并对结果图像进行基于小波变换的图像信息融合。针对小波分解的不同频率域，选择不同的融合规则，既抑制噪声又保持目标轮廓信息。最后，采用最大熵法自适应确定算法的初始阈值，并给出一种有效的区域合并方法来优化分割结果。实验证明，采用此分割方法可以获得较好的分割结果。     

基于变换域的条带噪声去除方法

为解决线扫描图像中的条带噪声干扰问题,提出了傅里叶变换与小波分解相结合的变换域条带噪声去除方法。首先对图像进行多尺度小波分解,将包含条带噪声的小波子带与包含图像信息的小波子带分离;然后对含有条带噪声的小波子带进行傅里叶变换,并对变换系数进行带阻滤波以消除条带噪声。利用实际采集的带有条带噪声的棉花异性纤维图像进行仿真实验,结果表明:傅里叶变换与小波分解相结合的方法,去噪效果明显优于单独使用傅里叶变换或小波分解的方法,既能有效地去除图像中的条带噪声,又能较好地保持图像的细节信息。     

结合小波去噪的THz图像多尺度增强算法研究

针对返波管获得的连续THz透射图像对比度低且噪声大的特点,提出了一种结合小波去噪的多尺度图像增强算法.该算法先用图像金字塔变换对THz图像进行多尺度分解,然后采用指数变换在空域对获得的细节图像进行增强.为减小放大噪声的影响,在重构增强图像的过程中对每一分解层次的近似图像采用小波软阈值方法进行去噪,并对小波图像采用非线性...     

一种新的多分辨率图像融合方法研究

基于小波的轮廓渡变换是一种新的图像变换方法,提出了一种采用基于小波的轮廓波变换的图像融合方法,先采用基于小波的轮廓波变换对图像进行多尺度多方向分解,再对分解所得的低频和高频部分分别采用不同的融合规则进行融合.实验结果表明,该方法融合图像的多项指标都优于采用小波变换、轮廓波变换等的方法.     

多聚焦图像融合方法仿真研究

研究了多聚焦图像融合问题.针对焦点不同的图像融合后,在传输过程中由于受到不同的噪声的干扰造成结果清晰度不高等问题,为了提高图像的清晰度,提出了一种改进的多小波变换多聚焦图像融合算法.首先利用不同的小波对待融合图像进行小波分解,采用多尺度双结构元对输入图像进行滤波,在融合规则选择中,采用加权平均法选择高频系数,采用绝对值...     

利用多小波的改进多层阈值对超声图像降噪

医学超声图像存在特有的斑点噪声,大大降低了图像质量,必须进行降噪处理。多小波具有比单小波分解更加精确、去噪效果更好的特点。对超声图像进行分形插值多小波分解,根据多小波分解后的能量分布特性,提出了改进多层阈值与模糊聚类相结合方法,将小波系数模糊聚类分成噪声和信号两类,然后在不同尺度对信号小波系数进行不同阈值萎缩处理,实现降噪目的。结果表明该方法优于硬阈值和软阈值法,可有效地降低图像斑点噪声并保留图像细节。     

基于压缩感知和GHM多小波变换的信息隐藏算法

针对基于秘密信息置乱方法等类型的信息隐藏算法不可见性低和抗攻击性弱这一问题,提出了一种基于压缩感知和GHM多小波变换的信息隐藏算法。首先,将载体图像进行一次GHM多小波变换,再对所得到的中间能量区域进行一次小波变换得到HH分量,将HH分量进行奇异值分解;其次,将秘密图像进行小波变换,将得到的小波系数进行压缩感知得到观测矩阵,再对观测矩阵元素进行奇异值分解;最后,利用秘密图像的奇异值替换掉载体图像的奇异值来完成秘密信息的嵌入。实验结果表明,相比两种加密算法,算法不可见性（PSNR值）分别提高5.99%和22.11%;对低通滤波、椒盐噪声、高斯噪声、JPEG压缩等常见攻击具有良好的鲁棒性,相关系数（NC）平均增强了4.11%和11.53%。     

基于遗传算法的OBSA多小波预滤波器

OBSA多小波对前置滤波器选取具有任意性。论文提出了一种基于遗传算法的OBSA多小波预滤波器构造方法。根据图像分解和重构的不同目的选择适应度函数,在适当的约束条件下,实现图像多小波变换的自适应预滤波。若图像多小波变换的目的是进行图像压缩,据此选择适应度函数,通过遗传算法方法,对不同的图像,自适应地得到前置滤波器,实验结果表明,利用此前置滤波器进行图像压缩,可以提高图像压缩比。若图像变换的目的是进行图像放大,通过文中介绍的方法,也可自适应地得到前置滤波器,放大后的图像质量较其它方法有明显的提高。     

基于小波包变换与Wiener滤波的SMT焊点图像去噪技术

针对目前SMT(surface mount technology)焊点图像去噪效果不理想的问题,提出了一种基于小波包变换与wiener滤波的SMT焊点图像去噪新方法.利用小波包对图像进行分解,可以同时对SMT焊点图像的低频和高频部分进行多层分解,有利于保留图像信息,减少噪声对图像的影响.通过对图像的小波包系数的分析,对小波包树高频系数进行Wiener滤波,保留低频系数;然后进行小波包反变换,重构得到SMT焊点去噪后图像.实验表明,提出的方法不仅可以有效地去除SMT焊点图像的噪声,而且能很好地保留原图像的边缘信息,与传统方法相比,去噪性能和去噪声效果有一定的提高.     

基于平衡正交多小波的超声图像降噪研究

医学超声图像存在特有的斑点噪声,它大大降低了超声图像的质量,因此必须进行降噪处理。平衡正交多小波同时满足正交性和对称性,具有比单小波分解更加精确、去噪效果更好的特点。故对超声图像进行平衡正交多小波分解,然后利用模糊聚类与半软阈值相结合方法对小波系数进行萎缩处理,实现降噪目的。结果表明该方法优于硬阈值和软阈值方法,可以有效地降低原图像的斑点噪声并保留图像细节。     

多小波图象变换的统计分析

多小波是一种新的小波,多小波的应用更是近几年才日见兴起,因此,有关多小波图象变换的一些基本统计数据,如均值、方差、量化后零系数的比例等等,尚未见诸学术刊物,而这些数据又是从事多小波图象编码研究的基本依据。从学术刊物和互联网上收集了5种不同性质的多小波,对这些多小波图象变换特性进行了详尽的统计分析。通过统计分析发现：（1）图象经过CL多小波变换后,能量不但汇聚在最低分辨率的子图象上,而且还进一步汇聚在最低分辨率子图象的第一个分量上,因此,CL多小波最适合图象编码;（2）图象经过CARDBAL多小波变换后,能量不但汇聚在最低分辨率的子图象上,而且还平均分摊在最低分辨率子图象的4个分量上,因此,通过相关性编码可以大幅度提高CARDBAL多小波图象编码的压缩比;（3）图象经过GHM多小波变换后,最低分辨率子图象的能量既不是集中在一个分量上,也不是平均分配在4个分量上,因此,尽管GHM是最早发现的多小波,且是目前最为常用的多小波,但它其实并不是图象编码的首选。     

一种基于多小波变换的自适应图像插值算法

为使插值后的图像具有很好的视觉效果和较高的信噪比,并克服使用单小波变换放大图像时的斑点干扰现象,提出了一种新颖的自适应图像插值算法,通过将图像变换到多小波域,并利用多小波域内高频子带的分形维数,自适应的根据低分辨率图像以及该图像进行一级多小波变换后的高频子带信息获取高分辨率图像二级多小波变换的子带信息,对所得到的子带信息进行二级多小波反变换,可以得到更清晰的二倍插值图像。     

基于灰色关联分析的多小波域图像隐写算法

图像多小波系数在邻域内具有相关性,调整相关性大的系数会对图像视觉效果产生影响,为了减小这种影响,提出一种基于灰色关联分析的多小波域图像隐写方法。该方法运用灰色关联分析对邻域内多小波树组的中心树序列和外围树序列的几何曲线形状进行比较,描述它们之间的相关性,从而在矩阵中找出与相邻点相关性很小的系数树作为秘密信息的嵌入位置。结合多小波变换系数能量更分散的特点,使得含密图像的质量更好。实验结果表明,该隐写算法具有更好的隐蔽性和鲁棒性。     

多小波变换的提升格式及其在图象编码中的应用

在简要介绍提升格式和多小波之后，提出了一种新的实现多小波变换的提升格式模型，由于这个模型主要由若干个单小波变换的提升格式搭建而成，因而不必自己推演提升格式的内部结构和参数，另外，这个模型还可以根据实际应用的需要选用不同的单小波，该文还给出用D9／7双正交（单）小波变换的提升格式构造的多小波变换的实例，并把这样构造的多小波变换应用于图象编码，结果表明，该方法可取得比常用的GHM多小波图象编码更好的效果。     

矢量小波在图像压缩中的应用

为了评估在低比特率情况下矢量小波变换压缩图像的效率，使用一种有效的嵌入式小波系数来实现编码．首先，使用Tan等找到的预滤波器对二维图像进行预滤波；并选择BSA(4／4)^*滤波器进行滤波；然后使用一种经过改进的嵌入式零树小波编码方法来对矢量变换系数进行量化；最后，利用算术编码算法对比特流进行编码．文中给出了一些实验结果来证明本文方法的可行性，并且把它们与标量小波变换和其他矢量变换的结果相比较。     

基于多子波的SAR图像噪声的抑制

SAR图像的噪声为乘性噪声,传统的图像去噪方法效果较差。SAR图像噪声抑制的方法一般可分为空域滤波和频域滤波。子波分析是一种典型的频域处理方法,通常首先对SAR图像进行子波分解,保留低频,对高频子带的系数做硬阈值或软阈值处理,然后进行重构。对于平滑区域,噪声抑制效果明显,但在边缘细节比较丰富的区域,细节损失严重。本文在多子波的预滤波中采用了冗余技术,并利用边缘跟踪算法对子波分解后的高频子带中的边缘和噪声进行有效的分离,从而确保了在抑制噪声的同时保留了边缘信息。实验结果验证了该方法的有效性。     

邻域窗能量平均的Contourlet变换自适应阈值去噪算法

针对Contourlet多尺度阈值去噪算法中阈值的选取忽略了方向信息影响的问题,提出一种基于邻域窗能量平均的自适应阈值去噪算法。根据Contourlet系数能量分布特点,将系数划分到三个不同的区域,对三个区域的阈值采用不同的因子进行调整,从而得到更好的去噪效果。实验结果表明,与小波阈值去噪、Contourlet阈值去噪以及Contourlet多尺度阈值去噪相比,该算法在峰值信噪比以及视觉效果上都有明显的提高,且能够有效地保留图像边缘细节信息。     

平衡多小波在图象融合增强中的应用

平衡的多小波变换无需预滤波，保持了多小波的特性。据此，本文提出了一种基于平衡多小波变换的图象融合方法。多光谱图象融合增强实验表明，该方法在提高多光谱图象的空间细节表现能力和保持地物光谱信息上都具有很好的效果，优于基于非平衡多小波变换的融合方法。