二元树复小波变换及其在图象方向滤波中的应用

复小波变换虽然具有良好的方向选择性和平移不变性 ,但不具备完全重构性条件 ,而二元树复小波变换(DTCWT)正好解决了这一难题 .在分析二元树复小波分解后的 12个高频子带方向性的基础上 ,利用其良好的方向选择性提出了一种对线形纹理图象进行增强滤波的方法 .该方法借助于小波变换域的方向解析性 ,在各子带中保留图象中各局部主方向的信息而滤除其他方向的噪声 .利用该方法进行滤波还可以避免对信号和噪声频率特性和统计特性进行估计 ,从而大大减小了滤波的复杂程度 .以指纹图象为例的实验结果表明 ,该方法效果较好 ,便于实现 ,尤其适用于噪声特性复杂的纹理图象的滤波 .     

基于小波变换的图象放大方法再探讨

图象放大 (又称图象变焦、图象重采样 )问题严格地说是一个病态问题 ,根据不同的模型 ,人们先后提出了多种图象放大方法 ,如线性插值、三次样条插值、分形插值以及基于小波变换的方法等 .图象放大问题的焦点是如何在图象放大过程中保持良好的视觉分辨率 ,表现在基于小波变换的图象放大方法中就是如何构造图象高频分量的问题 .针对目前常用的变换域内插方法 ,在一维信号上所作的模拟实验表明 ,该方法并不合理 .对常用的几种图象放大效果评价的方法进行了比较分析 ,结果认为 ,最理想方法还是多人主观评判法 .由于小波高频系数构建问题并未有理想方案 ,因此 ,对小波基函数的选择问题必须作进一步研究 .     

傅氏变换的自配准性质及其在纹理识别和图象分割中的应用

图象按纹理一致性进行辨识和分割是图象分析中的一个重要问题 ,有着广泛的实际应用 .讨论了傅氏变换应用于纹理识别的机理 ,并基于此提出了一种图象分割算法 .图象中的纹理线条呈现出很多方向 ,并随机地分布在图象的各个位置 ,然而对于它的傅氏变换幅度谱来说 ,相同方向的线条无论其位置如何 ,它们的贡献会被叠加在一起 ,集中地反映在通过频谱中心垂直于原线条方向的条带上 .这一现象被称为傅氏变换幅度谱的自配准性质 .首先对这一性质进行实验个例的研究和理论分析 ,然后设计算法将其应用于图象的纹理辨识和基于纹理的图象分割实验 ,取得了较为满意的效果 .实验证明 ,得益于自配准性质 ,傅氏变换方法不失为一种有潜力的纹理分析和图象分割方法 ,值得进一步扩展更多的图象应用领域     

面向图象压缩的图象分类及压缩结果预测

图象数据存在冗余使图象压缩成为可能 ,而不同图象的数据冗余度特别是空间冗余度相差很大 .对被压缩图象的空间冗余度这一图象的本质属性进行研究、减少图象压缩及方法选择时的盲目性是非常必要的 .为此提出了面向图象压缩的图象分类这一新概念以及具体分类算法 .该算法利用图象小波高频系数的分布特点 ,采用图象边缘度作为图象空间冗余度的度量 ,将不同内容的图象按边缘度大小分类 .分类的结果可对不同图象的压缩结果进行预测 .实验结果表明 ,图象分类结果和对压缩结果的预测是有意义的 ,并与人的视觉相吻合 .该分类思想对其他图象处理算法的选择和优化也有参考价值 .     

基于三维离散余弦变换的静止彩色图象压缩

为了既能获得较高的压缩比 ,又能保证较好的图象质量 ,提出了一种基于三维离散余弦变换 (3D DCT)的静止彩色图象编码方法 .在此算法中 ,首先将原始图象分割成互不覆盖的 8× 8子块 ;然后根据局部能量的大小将各子块分为 4类 ,再把属于同一类的子块组合到一起 ,形成三维立方体并对三维立方体进行三维离散余弦变换 ,从而提高压缩效率 .计算机模拟结果表明 ,此算法在压缩比高于 4 0时 ,其平均峰值信噪比约为 2 9d B,解压后的图象质量有较高的保真度 ,在同等情况下 ,其比 JPEG标准提高约 5 d B     

基于整数小波变换和子带比特平面编码的图象压缩算法

在分析图象整数小波变换的基础上 ,提出了基于子带比特平面编码的压缩算法 .该算法将整数小波系数按子带分为若干比特平面 ,称之为子带比特平面 ,并采用简单高效的率失真优化算法确定子带比特平面的编码顺序 ,且这一顺序与图象无关 .按此顺序对子带比特平面进行自适应 MQ算术编码 ,便得到嵌入式压缩码流 .该算法可以从无损到有损 ,以任意倍率或质量进行图象压缩 ,压缩效率达到了浮点 EZW算法和 JPEG2 0 0 0整数小波编码方案的水平 ,而速度远快于这两者的速度 .该算法还具有复杂度低 ,占用内存少的优点 .     

基于小波分解的快速分形图象压缩算法

为了解决传统分形压缩编码时间过长的问题 ,提出了一种基于小波分解的快速分形图象压缩算法 .该算法利用小波分解后各频带间能量分布不均衡的特性 ,将集中图象主要能量的低频域看作是一种图象 ,进行传统分形编码 ;然后利用小波分解后不同分辨率子带图象之间的相似性 ,用低频域的全搜索代替传统算法中整个区域的全搜索 ,将在低频域得到的分形参数进行适当的比例变换得到整幅图象的分形码 ,解码时 ,进行同传统算法相同的迭代过程 ,所得解码图象即为原图的逼近图象 .实验结果表明 ,该算法在压缩比不变 ,且基本不影响恢复图象质量的前提下 ,大大提高了编码速度 ,明显改善了分形图象压缩中编解码时间的不对称 .     

一种基于多尺度小波分解的图象镶嵌技术

为了获得一种具有艺术视觉效果的镶嵌图象,提出了一种基于多尺度小波分解的图象镶嵌技术,该技术首先对原始图象的各子块区域和图象库中的每一幅图象进行多尺度小波分解;然后逐层计算各图象小波分解系数的标准方差和它们之间的相似距离,并据此从图象库中选取与原始图象中的各子块区域最佳匹配的贴图,再将其镶嵌到原始图象中的对应区域;最后对贴图进行逐像素的颜色校正,使贴图的颜色与原始图象尽可能一致.同时,根据人眼观察某个区域时往往通过取整或将细节取平均来得到一个总体强度效果这一视觉特性,使最终的镶嵌图象具有在近处看到的是各个贴图的内容,而在远处观看则是原始图象的总体轮廓的视觉效果.利用计算机来自动地生成这种镶嵌图象的实验结果表明,该方法是有效的.     

基于视觉神经元ON—OFF模型的图象增强

探讨基于视觉神经网络 ON- OFF模型的图象增强 .通过计算仿真 ,找到了关于这种视觉模型应用于图象处理合适的实现形式 ;探讨了衰减常数和颜色恒定性的关系 ;以及空间常数变化和动态范围压缩与细节增强能力的联系 .使用合适的衰减常数 ,可以使该神经元模型在颜色恒定性计算上性能优良 ,同时 ,适当大小的空间常数 ,能够在颜色保真度和图像增强性能之间取得合适的平衡 .神经网络对复杂背景图象的增强效果良好 ,但是由于同样基于“灰度世界”假设 ,因此在处理违反这一假设的特殊图象时 ,此模型在颜色表征上仍然具有缺陷 ,这就部分限制了模型的应用 .最后探讨了可能的改进方向 .     

基于小波域边缘方向特征的SAR图象噪声抑制方法

给出了一种新的基于小波变换的合成孔径雷达 (SAR)图象斑点噪声抑制方法 .利用每一级小波分解得到的小波系数子带 HL和 L H,以及对原图进行水平方向旋转正负 4 5°扫描后得到的另外两个正交方向的小波系数子带 rc HL和 ra HL ,可以判断出对应点边缘方向性的强弱 ,通过设定方向性阈值 ,确定该点是否位于边缘上 ,进而对没有位于边缘的点进行平滑 ,达到保留图象边缘的同时 ,抑制斑点噪声的目的 .为解决对某些振荡型边缘的检测问题 ,还结合阈值法 ,对该方法做了改进 .实验表明 ,与小波域的硬阈值或软阈值去噪方法相比 ,此方法在有效地抑制斑点噪声的同时 ,更好地保留了 SAR图象中的边缘和纹理信息 .     

遥感图像融合的非采样Contourlet变换方法

有效地融合高分辨率全色遥感图像(PAN)和低分辨率多光谱图像(MS),均衡融合结果中的空间细节信息和光谱信息两项特征指标,是多源遥感图像融合技术的难点。为了提高融合后图像的质量,提出了一种基于非采样Contourlet变换(NSCT)的融合方法。由于"非采样Contourlet变换"采用非采样滤波器组实现,具有移不变、高方向性和各向异性的特点,能够较好地弥补"采样的Contourlet变换(CT)"的缺陷,并且解决了小波变换方向性差的问题。实验中,以Landsat TM5图像和SPOT图像进行了算法的验证,并针对传统的直接替换、绝对值选大和局部方差选大等多分辨率融合算法与离散小波变换(DWT)及"采样的Contourlet变换"进行了对比分析,结果表明,本文方法在提高空间信息的同时,可以较好地保持原始多光谱图像中的光谱信息,弥补了"采样的Contourlet变换"在遥感图像融合应用中会导致严重的色彩畸变的缺陷。从而证明了NSCT在遥感图像融合领域是一种有效的多分辨率分解策略,可以被成功的应用到遥感图像融合应用中。     

IHS和小波变换结合多源遥感影像融合质量对小波分解层数的响应

随着遥感技术的快速发展以及遥感数据的广泛应用,影像的融合处理已成为多源遥感影像信息聚合、获取高质量空间影像的有效途径。基于SPOT全色和多光谱、TM多光谱遥感数据,运用IHS和小波变换相结合的融合方法,进行了不同来源影像融合、融合图像质量对小波分解层数的响应以及这种响应对研究区域面积的敏感性分析。结果表明,多源影像之间的IHS和小波变换相结合的融合方法明显地改善了影像的质量;融合图像质量与原始影像空间分辨率相关,如经1层小波变换融合,TM,SPOT融合图像熵值的增幅分别为2095%,019%。小波融合图像质量对小波分解的层数的敏感性较强,在小波分解层数为2,3或4时,都能获得高质量的融合图像;小波分解层数等于或大于5时融合图像质量下降,7是大幅下降的临界层数。融合图像质量对小波分解层数的响应特性对面积大小变化是敏感的,特别是小面积图像,为此,实际应用中需特别注意最佳分解层数问题。     

小波变换在医学图像融合中的应用研究

对不同模态的医学图像进行融合处理,可为临床提供新的诊断信息.针对V. Petrovic提出的灰度图像融合方法,给出了一种改进的多尺度图像融合算法.首先对源图像按照V.Petrovic的方法对源图像的梯度细节图像进行融合/分解并得到源图像的多尺度金字塔表示,然后对金字塔中的两个低通分量加权平均后,再进行反变换,即得灰度融合图像.然后以此灰度融合图像作为两幅源图像的公共部分,利用Toet的伪彩色融合方法,得到最终的彩色融合图像.由于该算法兼容了灰度融合和彩色融合的优点,用不同彩色来显示灰度差,使得融合图像在色彩上更丰富,包含更多的细节.将其应用于CT和MRI图像融合,仿真结果得到了证明.     

正交小波变换在图像融合中的应用

阐述了多传感器图像融合技术的原理和融合方法。利用小波分解的多分辨率特性和方向性，建立了一种新的基于小波多尺度分解的分层图像融合方法，提出了新的融合规则和融合算子。实验表明基于小波变换的图像融合方法是有效的，该方法的融合效果优于其他的图像融合方法，融合后的图像质量得到了较大提高。     

基于小波低频分量微调的IHS变换融合法及其应用

针对IHS变换融合法和小波变换融合法存在的弊端,结合这两种方法,提出了一种基于小波低频分量微调的IHS变换融合法,并通过IKONOS和QuickBird影像数据,验证了新方法的可行性和优越性。新融合法首先利用IHS变换技术提取真彩色影像的亮度分量;接着,为了提高融合影像的光谱保真度,采用小波变换技术,联合亮度分量和全色影像数据,生成更为合理的新亮度分量;同时提出了小波低频分量微调环节,并利用该环节进一步改善了融合影像的高频信息融入效果;最后,执行IHS逆变换,获得真彩色融合影像。研究表明：新融合法兼具IHS变换融合法和小波变换融合法的优势,融合结果的质量得到较大程度提高。     

基于提升机制小波变换的SAR与多光谱图像融合算法

在对提升机制小波变换的原理和特点研究的基础上，结合SAR图像与多光谱图像不同成像特性，提出了一种基于提升小波变换区域融合的SAR与多光谱图像融合方法。对于小波变换后的高频子图像，选择区域标准差大的作为融合后的子图像；对于低频子图像，定义区域均值的平均相对偏差作为阈值，融合子图像区域均值偏差大干阈值时，采用逻辑滤波方法融合，反之采用基于像素值加权、平均的融合规则。实验证明，该算法能够有效融合SAR与多光谱图像之间的互补信息，与其它用于图像融合的小波变换方法相比，运筹速度较快，易于DSP实现。     

一种基于小波包变换的遥感影像融合方法

针对多光谱遥感影像和全色遥感影像,提出了一种基于小波包变换的遥感影像融合方法。新方法首先对多光谱遥感影像进行PCA变换;其次对多光谱遥感影像的第一主分量和全色遥感影像进行小波包变换;然后保留多光谱影像第一主分量的低频近似分量,融合它们的高频细节分量;最后,做小波包反变换,得到新的多光谱遥感影像第一主分量,再做PCA反变换,得到新的多光谱遥感影像。与PCA变换融合方法、IHS变换融合方法和小波变换融合方法等方法在主观视觉效果分析和客观统计参数两方面做了比较,新方法是有效的,不仅较大地增强了结果影像的空间细节表现能力,而且很好地保留了多光谱影像的光谱信息。     

一种自适应的基于局部小波系数特征的遥感图像融合方法

光谱保持和高分辨率保留是影像融合的两个重要问题。本文提出了一种自适应的基于局部小波系数特征的遥感影像融合方法。该方法在对多光谱影像进行IHS变换的基础上,对多光谱的I分量和高分辨率的全色影像分别进行小波多分辨率分析,而后对分解得到的近似分量以及各层各方向的细节分量利用移动模板逐一提取对应的小波系数矩阵的局部特征,采用本文提出的自适应融合准则在小波域进行影像融合,最后通过小波逆变换得到新的I′分量,与H,S分量一起还原到RGB空间,最终得到融合后的高分辨率多光谱彩色图像。本文采用一组TM多光谱图像和SPOT全色图像数据进行融合实验,利用标准差、熵,光谱扭曲度等5个重要评价指标对融合效果进行数理分析。其实验融合图像的目视效果和统计指标均优于IHS融和方法和小波融合方法。     

基于K-L变换的小波图像融合方法

在多源信息融合中,小波多分辨率分析是一种最常用的方法.这里提出在小波多分辨率分析下,利用K-L变换的融合方法.首先利用小波变换对序列图像进行多分辨率分解,对相应的小波系数矩阵进行K-L变换,计算出小波系数权重.按照所得的权重融合小波系数,最后将小波融合系数逆变换实现图像的融合处理.实验结果证实这种方法有效的利用了图像的相关性,主观视觉效果分析和客观统计参数评价分析都表明,新方法的性能优于直接对小波系数进行平均的融合方法.     

基于小波包变换的多光谱图像融合方法研究

小波包分析将频带进行多层次划分,对小波多分辨分析没有细分的高频部分也进行了进一步的分解。本文在研究了小波包图像分析法后,提出了基于小波包变换的象素级图像融合算法。通过把同一目标的多传感器获得的不同波段的图像数据利用小波包变换进行融合,得到融合图像。这种方法能够很好地将源图像的细节融合在一起,完好地显示了源图像各自的信息。