基于小波包分解的 SAR图像压缩 *

针对 SAR图像含有丰富的中、高频信息 ,而基于小波变换的图像压缩方法会丢失高频细节信息 ,提出了基于小波包分解的 SAR图像编码算法。小波包变换对 SAR图像进行完全分解 ,再用与后续编码器相关联的代价函数进行最佳基搜索 ,然后根据各子带小波包系数的重要性进行加权 ,采用多级树集合分裂算法 ( SPIHT)编码。实验结果表明 ,该算法更好地保留了 SAR图像的细节信息 ,获得了同压缩比下优于传统 SPIHT算法的编码性能 ,更有利于后续图像处理。     

基于NSCT域邻域收缩的SAR图像去噪

针对合成孔径雷达（Synthetic Aperture Radar,SAR）图像受到相干斑噪声的干扰,严重影响了SAR图像的后续处理的问题,提出一种在非下采样轮廓变换（Nonsubsampled Contourlet Transform,NSCT）域将中值滤波和邻域收缩法相结合的SAR图像去噪算法。该算法对原始SAR图像进行NSCT分解,得到低频子带和高频子带图像,对低频子带使用中值滤波处理以去除低频子带中的低频噪声,利用NSCT分解系数之间的相关性,使用邻域收缩法对子带图的系数进行收缩,以消除高频子带中的高频噪声。实验证明,该算法与小波域邻域收缩去噪算法和NSCT硬阈值去噪算法相比,在去噪性能和视觉效果方面均有所提高,在消除噪声同时可以较好地保护纹理细节信息。     

基于小波变换和引导滤波的多聚焦图像融合

为了进一步提高多聚焦图像融合效果，提出了一种基于小变换和引导滤波的多聚焦图像融合方法。对源图像进行二维小波分解，得到低频子带系数和高频子带系数。对低频子带系数采用引导滤波加权融合；对高频子带系数引入最大对称环绕显著性检测算法(Maximum Symmetric Surround Saliency Detection Algorithm,MSSS），归一化显著图得到权重图，进而进行加权融合。把得到的高频和低频子带系数进行小波重构，得到最终的融合图像。实验结果表明，与其他算法相比，所提算法具有更好的清晰度，得到较好的融合结果。     

基于形态Haar小波的SAR图像斑点噪声抑制方法

针对现有相干斑抑制算法不能在去除斑点噪声和保持图像边缘、细节信息之间做到很好的折中,提出了一种新的基于形态Haar小波变换的合成孔径雷达(SAR)图像斑点噪声抑制方法。该方法首先对SAR图像进行二维形态Haar小波分解,图像的边缘、细节和纹理信息在低频子带中得到了更好的保留,噪声主要分布在高频子带;然后,根据各高频子带噪声的特点,分别对高频子带进行均值和中值滤波达到去除斑点噪声的目的;最后,再对低频子带和处理后的高频子带进行形态Haar小波精确重构得到去斑图像。实验证明:该算法不仅大大改善了原始SAR图像的画面质量,同时很好地保持了原始SAR图像的纹理特性和细节信息;该算法去斑性能指标总体优于传统的Lee滤波、Frost滤波、Kuan滤波和小波软阈值法。     

一种最大模糊熵多尺度彩色图像增强方法

在HSI颜色空间提出了一种基于视觉特性和最大模糊熵的多尺度彩色图像增强算法。对亮度分量I进行小波多尺度分解,对于不同分解尺度的高频小波子带,采用不同的非线性函数进行处理,以实现图像细节的增强,同时最大限度地抑制噪声。对包含亮度信息的低频小波子带,首先进行基于最大模糊熵的模糊化处理,其中模糊化隶属度函数采用遗传算法进行优化;然后,对经过模糊化的低频小波子带,采用基于人眼视觉特性的线性矫正函数（LRF）进行处理,以实现对图像亮度更好的动态调节。对饱和度分量S,采用指数拉伸方法进行增强处理,色调H保持不变。实验证明,增强后的彩色图像更加清晰,色彩更加鲜艳而不失真。     

一种抑制SAR图像斑点噪声的图像融合方法

首先研究了图像融合小波基的选区,并利用提升小波技术分别对合成孔径雷达图像和光学遥感图像进行小波提升分解;然后,对分解后的SAR低频分量进行邻域平均,再与光学图像的低频分量进行加权平均;为了抑制SAR图像斑点噪声的影响,重点研究了高频分量的融合方法,并提出了一种依据斑点噪声特征变化而自适应地改变融合窗口的方法,该方法提高了SAR图像的目标解译和识别能力;最后,使用融合前后的SAR图像进行图像的目标检测,结果表明,融合后的图像能够明显抑制SAR斑点噪声影响,使SAR图像目标检测的效果更佳。     

针对遥感图像压缩的改进SPIHT 算法

在研究遥感图像和小波分解系数特点的基础上,提出了一种改进的SPIHT算法：对第一阶小波变换产生的低频子带和高频子带进行小波再分解,并对再分解后的四个子带,取不同的门限值,分别进行编码;再分解后的高频子带小波系数不进行编码,在解码时直接赋予固定值重构图像。改进算法更好地处理了低频子带和高频子带的小波系数,对遥感图像的压缩实验证实了改进算法的有效性。     

树状小波局部对比度与图像融合及性能评估

针对红外热成像中目标识别和跟踪的特点,提出了一种基于树状小波变换的局部对比度融合算法,首先采用多尺度树状小波变换的方法对已配准的源图像在相应的能量准则下进行分解,克服了小波变换的移变性;对于分解后的低频子图像采用加权平均的融合规则,对于高频子图像采用局部对比度量测的融合规则,融合图像既保持了源图像的细节信息,又滤去了红外成像中的各类噪声。采用交叉分辨力评价算子量测红外图像中目标与背景的衬比度;通过仿真及基于客观的图像融合评价标准,分别从信息熵、标准差、平均梯度和交叉熵四个参数对图像融合效果进行评估,证明了对于双波段红外辐射图像的融合,提出的融合算法优于小波融合算法、形态学区域分割融合算法。算法尤其适用于红外热成像系统的目标识别和跟踪。     

多分辨率子带分解的独立分量分析算法在红外图像去噪上的应用

探讨了基于独立分量的分析算法在红外图像消噪方面的应用。采用基于信息最大化算法对自然图像进行迭代训练,得到ICA所需的基函数。利用多分辨率子带分解的独立分量分析原理,运用小波变换分解得到相应的子图像,并分别对分解的子图像运用稀疏编码收缩法消噪。     

医学图像融合中最佳小波分解层数的选择

根据小波低频子带图像的轮廓模糊度和高频子带图像的细节信息量随小波分解层教增多而增多的规律,从图像熵出发,提出了一种基于低频子带图像熵差的最佳小波分解层数选择法,该方法通过计算不同分解层数下各低频子带的图像熵差,选择最接近原始图像熵差的分解层数作为最佳分解层数.用多种基于小波变换的图像融合法分别对两组医学图像进行仿真实验,结果表明根据该分解层数选择法得到的融合图像目视效果最好,与相关系数、峰值信噪比、模糊Chebyshev距离值等客观评价指标保持了很好的一致性.     

基于ICA和SVM的SAR图像特征提取与目标识别

提出一种利用独立分量分析和支持向量机的合成孔径雷达图像特征提取与目标识别方法。对图像小波分解后提取低频子带图像,对低频子带图像进行独立分量分析提取特征向量,利用支持向量机对特征向量分类完成目标识别。将该方法用于MSTAR数据中的3类目标识别,识别率最高可达96.92%。实验结果表明,该方法是一种有效的合成孔径雷达图像特征提取与目标识别方法。     

基于小波变换和隐马尔可夫模型的人脸识别方法

提出了基于小波变换和隐马尔可夫模型的人脸识别方法。对原始图像采用小波分解后,原始图像被分解到不同的频带上。利用小波理论分析可知,在每一级分解中,低频子图像包含了原始图像的主要描述信息,而其他3个高频子图像包含的信息较少,对模式分类的作用也较小,所以可忽略不计。该算法首先对图像进行3级小波分解,然后把3个不同分辨率的低频子图像由小到大排列成树状结构,形成低频小波树。接着利用主元分析对每个小波树枝进行去相关、降维,形成特征小波树枝,并把它作为观测向量对隐马尔可夫模型进行训练,把优化的模型参数用于人脸识别,实验结果表明,该方法识别率较高,具有很好的发展前景。     

高压水射流靶物反射声信号的特征提取方法

为了提高利用高压水射流靶物反射声信号识别靶物材质的效率,针对地雷探测过程常见的地雷、石块、砖块和木块4种靶物,采用不同的特征提取方法来识别靶物材质。在分析Mel频率倒谱系数及小波包变换倒谱系数基本原理的基础上,结合靶物反射声信号的特点,提出了一种基于Mel频率倒谱和小波包变换倒谱特征融合的特征提取方法:利用小波包变换将原始靶物反射声信号划分为若干子频段,选取其中一个子频段作为低频和高频的划分层;低频部分提取Mel频率倒谱系数作为特征值,高频部分则提取小波包变换倒谱系数作为特征值,将2组特征值线性合并为一组新的特征向量,用于靶物材质的识别。采用最小二乘支持向量机建立多分类模型,验证基于单一特征和基于特征融合的特征提取方法的识别率。实验结果表明,在取得低频与高频的最佳划分层时,基于特征融合的特征提取方法的平均识别率达到82.812 5%,较单一的利用Mel频率倒谱系数或小波包变换倒谱系数作为特征向量时的平均识别率分别提高了10.312 5%和7.812 5%。     

一种基于FastICA的图像隐写提取算法

针对隐写术的特点，提出了一种新的隐写提取算法。该算法不同于传统提取算法基于逆嵌入算法的思想，将快速独立分量分析(FastICA)引入提取算法中，进行载体图像与秘密图像的分离。隐写是在真彩色图像的小波系数上进行的，有效地将近几年来比较热门的隐写术、小波分析与独立分量分析结合在一起。实验验证独立分量分析技术不仅能够用于秘密信息提取而且还能够实现真正的盲提取。     

基于变化检测的多时相图像的融合算法

在分析多时相图像特点的基础上,提出了基于变化检测的多时相图像融合算法。该算法将小波变换的特征提取方法与ICA子空间映射的变化检测相结合,确定多时相图像各区域变化的强弱,根据本文提出的共生区域增长算法,以及变化检测的结果提出了多时相图像融合的方案,实现目标特征模板的提取。仿真结果表明,本文算法是比较有效的。     

基于小波域广义高斯分布的SAR图像分割算法

针对利用灰度共生矩阵作为纹理特征的传统方法不能够有效表征图像的边缘高频信息的问题,结合小波的多分辨率分析,提出了一种基于小波变换域统计特性的合成孔径雷达（SAR）图像分割算法。图像经过小波变换后,其统计特性服从广义高斯分布（GGD）,利用最大似然（ML）估计,推导出GGD的两个参数[α]、[β],提出了利用Newton-Raphson法对[β]进行快速迭代求解。并将[α]、[β]作为SAR图像的纹理特征,利用K-Means对其进行分割。通过对典型的SAR图像结果分析,表明了该算法的有效性。     

基于小波分解的独立分量掌纹识别方法

独立分量分析方法在图像处理中具有独特的优势，用于掌纹特征提取，使得变换后的各分量之间不仅互不相关，而且还尽可能的统计独立，能更全面的揭示掌纹特征间的本质结构。为了降低运算复杂度，提出了一种基于小波分解的独立分量掌纹特征提取方法。首先对掌纹图像做小波变换进行降维，在保留原始图像轮廓信息和细节信息的基础上，去掉高频噪声，然后进行独立分量分析，采用FastICA算法，试验结果表明,本方法比传统的独立分量分析方法的识别率更高，且计算量大大减少。     

改进的步长自适应小波ICA图像盲分离方法

介绍了独立分量分析基本原理,阐述了自然梯度算法以及小波ICA方法。采用性能指数（PI）的思想,设定一个新的评判目标函数[L(w)]达到最优的标准,并且根据此标准,提出了一种改进的基于双曲正切函数步长自适应方法。通过计算机仿真实验,证实了其各方面的优越性能。     

一种基于混沌和独立成分分析的自适应多重数字水印算法

采用混沌和独立成分分析技术,提出了一种在小波域自适应嵌入多重数字水印的算法。首先根据一个混沌标签序列从原图像中抽取一子图像,并对其进行小波分解,然后将多个互相独立的混沌水印信号依次嵌入到子图像的中频小波系数中,并自适应确定嵌入强度。根据Newman-Pearson准则检测水印是否存在,若存在,采用独立成分分析的方法提取出水印并进一步判断是否为原始水印。水印的检测与提取过程都不需要原始图像。仿真结果表明该算法对各种常见的攻击有着良好的鲁棒性,有效地解决了数字产品的多著作权问题。