压缩图像传输中基于小波-空间域联合估计的差错隐藏算法

基于小波域压缩的图像在传输发生错误时，会引起部分空间区域图像质量的下降。解决这一问题的传统方法是空间域插值或小波域估计。由于传统方法重构质量仍有待提高，为了获得质量更好的重构图像，提出了一种小波一空间域联合估计的差错隐藏算法。该算法首先对小波域低频系数进行简单的八邻域平均来得到初始重构图像；接着在空间域对核心受损区域进行基于块的匹配搜索，通过选择对已知正确小波系数影响最小的块作为匹配块来得到匹配图像；最后将经过滤波处理后的匹配图像变换到小波域，通过与小波域已知正确信息相融合来得到最终重构图像。仿真试验表明，在多数应用场合，该方法与简单的小波八邻域平均低频重构图像相比，客观质量峰值信噪比提高0．5—1dB左右，主观质量也有明显提高。     

一种小波域内的BP神经网络图像压缩方法

通过时Mallat算法和提升小波变换的比较,并分析图像经过小波变换后系数的分布特点,提出了一种新的将提升小波变换和BP神经网络相结合的图像压缩方法.根据小波变换后图像的绝大部分能量都集中在小波变换的低频部分这一特性,利用BP神经网络,对不同的频带子图进行不同压缩比的压缩,从而得到高质量的重构图像.结果表明,该算法不仅有较高的压缩比,而且获得了质量较高的重构图像,对背景简单的图像压缩效果尤为明显.     

基于小波零树图像编码算法的改进

小波变换具有良好空间-频率局部化特性,使小波变换后图像的能量大部分聚集到了低频子图像,利用原始图像在小波分解中不同分辨率级能量分布不均匀的特点,提出了改进的嵌入式小波零树编码算法-保持低频数据无损压缩编码的嵌入式小波零树编码。理论分析和实践表明,该方法能够降低重构图像的均方误差（MSE）、提高重构图像的峰值信噪比（PSNR）。     

基于小波变换的图像压缩感知

针对图像变换后系数采样数量和图像重建质量之间的矛盾,从图像的结构和纹理特性出发,提出基于小波变换的图像压缩感知算法.讨论图像经过多尺度小波变换后系数的稀疏性,保留图像变换后的低频系数,只对高频系数进行测量,同时利用正交匹配追踪算法重构高频系数.实验仿真结果表明,该算法能有效提高图像重建质量.     

基于压缩感知理论的图像信号含噪的重构算法

针对含噪情形下机器人视觉图像信号重构问题,提出了一种基于小波变换的变步长自适应分块压缩感知重构算法.首先,对含噪图像信号进行离散小波变换,从而达到很好的去相关性;其次,对变换后的图像信号进行分块,对每个图像子块信号进行测量;接着,对每个子块测量信号进行变步长自适应匹配追踪重构计算,得到每一图像子块的重构值,并将其整合得到整幅图像的重构值;最后,对该算法进行了仿真研究.结果表明,相比传统重构算法,本文方法针对含噪图像具有更高的重构质量.     

一种基于双树复小波变换的图像融合方法

提出了一种基于双树复小波变换的图像融合方法。采用双树复小波变换对源图像进行分解后,该方法首先对各频域分别定义一种活性测度和匹配测度,再通过相应的匹配测度来计算各频域的融合因子,然后采用加权与选择相结合的规则融合高频系数和低频系数,得到融合图像的各频域系数。最后,采用双树复小波逆变换重构得到融合图像。实验表明,该融合方法具有良好的客观评价性能和主观视觉效果。     

基于Curvelet变换的图像压缩感知重构

压缩感知主要采用离散余弦变换(DCT)和正交小波进行图像的稀疏表示,但是DCT时频分析性能不佳,小波方向选择性差,不能很好地表示图像边缘的信息。为此,利用Curvelet变换具有的多尺度、各向奇异性、更高稀疏表示性能等特性,提出基于Curvelet变换的图像压缩感知重构算法,采用Curvelet对图像进行稀疏表示和小波域阈值处理,以此解决信号重构噪声问题。实验结果证明,与传统小波变换和Contourlet变换相比,该算法在Lena图像上峰值信噪比平均提高了1.86 dB和1.15 dB。将Curvelet变换应用于压缩感知,能使图像边缘和平滑部分得到最优的表示,图像细节部分重构效果得到大幅提升,有效提高图像整体重构质量。     

基于小波变换空间变迹的SAR图像旁瓣抑制方法

为了进一步提高旁瓣抑制的效果,本文提出一种基于小波变换空间变迹的合成孔径雷达图像旁瓣抑制方法。该方法对成像后的复数图像分别进行实部和虚部的二维小波分解,对分解后得到的各子通道进行空间变迹旁瓣抑制,将旁瓣抑制后的各子通道数据通过小波重构得到实部数据和虚部数据,再对重构后的实部数据和虚部数据分别进行空间变迹旁瓣抑制,最终生成基于小波变换空间变迹旁瓣抑制后的复数图像。实验结果表明,该方法能够在基本不损失图像分辨率的基础上,有效抑制图像的旁瓣电平。     

基于Haar小波域自学习的图像超分辨率方法

图像超分辨率重构是指由低分辨率图像来获得高分辨率图像的过程.为了能够有效的重构出高分辨率图像,提出一种基于Haar小波域自学习的图像超分辨率重构算法.该算法将高分辨率图像通过Haar小波变换后得到的近似子块L与已知的低分辨率图像联系起来,然后通过Bp神经网络来自学习Haar小波变换细节子块之间相近的自相似性,从而预测出高分辨率图像通过Haar小波变换后的三个细节子块H,V和D.最后由逆Haar小波变换重构高分辨率图像.实验表明由该算法重构的高分辨图像有很好的视觉效果和峰值信噪比.     

基于高密度离散小波变换的改进图像降噪方法

为进一步提高图像质量,提出一种基于高密度离散小波变换的改进图像降噪方法。给出二维高密度离散小波变换的分解与重构快速算法,通过该算法对图像进行多尺度分解,利用相邻尺度小波系数相关性对各层小波系数进行双变量收缩阈值处理,重构降噪后的图像。实验结果表明,与其他常用小波降噪方法相比,该方法能进一步提高图像降噪效果,且在降噪过程中较好地保留图像细节。     

基于小波包变换和支持向量机的虹膜识别方法

提出了一种基于小波包变换和支持向量机的虹膜识别方法.用小波包变换对归一化的虹膜图像进行2层分解,并计算出每个子频带的能量;通过选择具有最大能量值的特征作为小波基特征,以减少进入支持向量机的样本数目和提高识别准确率;最后,用支持向量机对虹膜特征进行模式匹配.实验结果表明,该方法取得了较好的识别效果.     

Image subband coding using fuzzy inference and adaptive quantization

Wavelet image decomposition generates a hierarchical data structure to represent an image. Recently, a new class of image compression algorithms has been developed for exploiting dependencies between the hierarchical wavelet coefficients using zerotrees. This paper deals with a fuzzy inference filter for image entropy coding by choosing significant coefficients and zerotree roots in the higher frequency wavelet subbands. Moreover, an adaptive quantization is proposed to improve the coding performance. Evaluating with the standard images, the proposed approaches are comparable or superior to most state-of-the-art coders. Based on the fuzzy energy judgment, the proposed approaches can achieve an excellent performance on the combination applications of image compression and watermarking.     

一种基于局部极大模和分形的混合编码方法

在分析分形理论和小波变换模极大值用于图象压缩方面优缺点的基础上 ,根据它们的特点 ,综合利用两种方法的优点 ,弥补它们不足 ,提出了一种基于小波变换极大模和分形的混合编码方法 .该方法先利用小波局部模极大值提取的图象边缘特性来进行图象编码 ,然后用分形的自相似性对图象的误差图进行压缩 ,以获得高压缩比和质量好的恢复图象 ;同时还简单进行了理论阐述和给出了具体算法的步骤 .实验结果表明 ,采用此方法压缩后的图象不仅视觉效果好、无方块效应 ,而且边缘无振荡现象、图象清晰无模糊 ,压缩比高 .     

基于遗传算法的OBSA多小波滤波器的优化设计

OBSA多小波对前置滤波器选取具有任意性.该文提出了一种基于遗传算法的OBSA多小波滤波器优化设计方法.在保证多小波滤波器具有全方位平衡性、对称和反对称性、双正交性和高阶消失矩特性的前提下,在满足一定约束的条件下,根据图像变换的不同目的,设计自适应度函数,对不同的图像自适应地得到一组不同的OBSA多小波滤波器组.若图像变换的目的是进行图像压缩,据此设计自适应度函数.实验结果表明,利用此滤波器进行图像压缩,可提高图像压缩比.     

基于复数小波能量特征和支持向量机的图像匹配算法

为了对图像中发生平移、伸缩及旋转等形变的目标进行有效检测和跟踪，提出了基于复数小波能量特征和支持向量机的图像匹配算法，以便把图像匹配问题转化为图像分类问题。该算法首先利用复数小波的方向选择性、多尺度特性及近似平移不变性来抽取图像能量的均值、均方差及偏度等统计特征，并将其作为支持向量机的输入参数，用于训练模板样本集合，以获得支持向量，然后对由输入图像构成的与模板大小相同的所有子图像进行测试。这是一个粗精结合的两步算法，即先运用支持向量机筛选出侯选目标集合，再运用非线性距离判优准则来确定检测出的候选目标图像集合中的最优匹配。实验结果表明，该算法克服了传统图像匹配方法搜索目标时存在的置信度问题，通过与基于径向基的神经网络学习方法和基于灰度相关的匹配方法比较可见，该算法在性能上优于这两个方法，并能得到满意的匹配结果。     

一种小波变换域彩色图像压缩编码方案

提出了一种基于人眼视觉特性与局部相关的小波域彩色图像编码方案．该方案以嵌入零树小波（EZW）编码思想为基础,通过建立可逆彩色空间变换,丢弃部分高频细节子带、单独编码最低频子带、高频子带自适应EZW编码及多关联预测算术编码等措施,实现彩色图像的自适应压缩编码．实验结果表明,文中算法具有较好的压缩效果和较强的通用性．     

融合小波变换与KPCA的分块人脸特征抽取与识别算法

鉴于小波多尺度变换对高维图像特征具有良好的压缩和表达能力,提出了一种融合小波变换与KPCA(核主成分分析)方法的分块人脸特征抽取与识别算法。该算法首先对人脸图像进行分块小波变换,再根据图像块的位置分布选取不同的频率分量;然后对此分量进行KPCA特征抽取,并通过对抽取到的特征进行融合来得到最终人脸鉴别特征;最后利用支持向量机分类器进行特征分类与识别。通过对ORL和Yale标准人脸图像库的实验仿真结果表明,该算法不仅在识别性能和分类速度上明显高于传统的PCA方法及融合小波特征的KPCA方法,而且对于人脸光照、姿态和表情变化均具有良好的鲁棒性。     

基于特性分析的小波图像压缩性能研究

图象压缩时如何选择小波基是一个难题,这是由于不同的小波数学特性会对图象的压缩编码产生不同的影响.文中对小波基的正交性、光滑性、消失矩、滤波器长度等一些重要的小波特性对图象压缩性能的影响进行了对比研究.通过仿真分析,得出双正交小波比正交小波具有更优异的性能,一般条件下应尽量选择消失矩大、正则性好的双正交小波,而且应尽量优先保证重构小波的正则性效应,这样才可能得到效果较好的重构图像质量.但是在相同或相似的正则性、消失矩、滤波器长度等条件下,双正交小波较正交小波的性能改进则不是很明显.     

一种改进的小波变换图像压缩算法

针对图像的数据量的相对庞大、传输速度慢的问题,需要一种很好的压缩算法,既能以较少的失真率对图像进行压缩,又能使压缩的过程相对迅速,以满足当今网络应用的需求。通过研究两种已有的小波变换图像压缩算法的算法思想及算法流程,找出它们的特性及存在的不足,并通过对小波变换后的图像的不同频域子带的小波树进行分类,采用适合的压缩算法对各部分进行压缩,使图像的整体压缩效果得到提高,同时也降低了压缩过程的复杂度。实验结果表明,改进的小波变换图像压缩算法在压缩效果和压缩效率上都优于两种已有的小波变换图像压缩算法。这个分类压缩的方法能够有效地提高图像的压缩效果,也降低了算法的复杂度。     

小波树结构快速矢量量化编码方法

提出了基于人眼视觉属性和应用小波树结构２快速图象编码的矢量量化图象编码方法，简称为树结构快速矢量量化编码。在分析此方法矢量量化特点之后，设计产生码本的统计方法，并提出了矢量量化编码的快速算法。