多小波图象编码

首先,与许多有关多小波的文献不同,该文从Ｍａｌｌａｔ多分辨率分析的角度叙述多小波理论,并由此推导出多小波变换的快速算法;其次,结合二种常用的多小波图象变换预处理方法,提出了一种新的预处理方法,最后,揭示了经多小波分解后,同一幅矢量子带图象不同分量图之间的相关性,并利用这种相关性进行图象编码,理论分析和实验数据都表明,多小波图象编码是一种很有潜力的图象编码方法。     

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。     

基于小波包变换的遥感图象融合

为了能够更好地把来自多传感器的图象信息综合起来，以提高对图象信息的分析和提取能力，在研究了小波包图象分析法之后，提出了一种基于小波包变换的图象融合方法，由于小波包变换能对图象进行多层次分解，包括对小波变换没有细分的高频部分也能进行进一步的分解，因此小波包分析能够为图象提供一种比小波多分辨分析更加精细的分析方法，利用此融合算法将由多传感器获得的同一目标不同波段的遥感图象和不同分辨率的遥感图象进行融合后得到的融合图象，能够很好地将源图象的细节融合在一起，通过与该融合图象进行主观与客观的评价比较，证明该融合方法可以获得更好的融合效果。     

基于二维小波分解的图象编码

本文给出一个基于二维小波分解来进行图象压缩编码的方法。这里是使用正交小波变换来由行图象分解，得到一个图象的多分辨率表示，各频道分量对图象结构的把握是整体的，从更大程度上解除了图象象素之间的相关性，克服了由ＪＰＥＧ方法进行图象压缩编码而产生的块效应。对图象进行二维正交小波分解后，我们使用ＣＶＱ对小波系数进行编码，得到了较高的编码效率和重建图象质量。     

一种基于M序列扩频的小波域数字水印

该文基于小波变换多分辨率的优良特性,结合M序列扩频技术的保密性强、抗干扰的特点,提出了一种盲数字水印方法。对原始图象先进行小波分解,然后用M序列扩频的方法把水印图象嵌入到变换后图象的第三层细节子图中,而后进行小波重构得到嵌入水印信息的图象。进行相关检测时不需要原始图像。实验证明该水印有很强的不可见性和鲁棒性。     

基于小波分析的脑电智能诊断应用与研究

根据小波分析的多分辨率特性,重点分析了多分辨率特性在脑电诊断中的应用.首先确定小波函数和分解层数,进行小波变换,对脑电高频低频进行小波变换重构信号,接着基于在不同尺度下伪迹和异常波不会完全相同的原理,将脑电信号分解到各个尺度上.把分解后的脑电信号输入神经网络进行识别,最终输出异常波的识别结果.     

基于多分辨率级小波变换的图象压缩方法

随着国际互联网的出现,使得越来越多的图象信息传输交流越来越便捷,但传输速度始终是制约网络发展的重要因素,这也使得对图象进行压缩的要求更加迫切。小波变换的良好空间一频率局部化特性,使得原始图象的能量大部分聚集到了低频子带.为了提高图象压缩的效率和重建图象的质量,利用原始图象在小波分解中不同分辨率级能量分布不均匀的特点,提出了一种对各分辨率级进行分级处理的设计方法,即通过对各分解级量化因子的评价,为该级获取一个最佳的量化因子来进行压缩.实验证明,该方法在提高图象的压缩效率和重构质量方面取得了良好的效果.     

图象小波变换编码的双金字塔数据结构

利用小波变换将图象分解成一组多分辨率子图象，提出了一种改进的编码方案－利用子图象的灰度统计分布特性和人眼视觉特性的分配比特数；采用双金字塔数据结构对图象数据进行编码，充分利用子图象的相似性，进一步减少了数据量。     

CL多小波图象编码

CL多小波具有与多其他多小波（如GHM多小波）不同的特点,一幅图象经过小波变换后,原图象的绝大部分能量都集中在中于最低分辨率子图象,而对于CL多小波而言,其最低分辨率子图象的绝大部分能量又进一步集中于它的第一个分量,这意味着CL多小波图象编码需要考虑的重要系数比其他多小波图象编码减少了四分之三,本文将CL多小波这一特点应用于图象编码,实验结果表明,就压缩比和信噪比而言,这种充分利用CL多小波特点的图象编码方法,其编码结果要优于目前公开发表的GHM多小波图象编码的结果。     

基于CL多小波的数字水印技术

数字水印是一种嵌入到图象、视频或者音频数据中的不可见标志 ,通过对水印信息的检测可达到保护多媒体数据版权的目的 .为了提高数字水印系统的鲁棒性 ,提出了一种基于 CL 多小波变换的图象数字水印嵌入和检测模型 .该 CL 多小波变换可将图象的能量集中在其最低分辨率子图象上 ,同时 ,能使最低分辨率子图象的能量进一步汇聚于其第 1个分量之上 .由于最低分辨率子图象受压缩、滤波等变换的影响较小 ,因此在 CL 小波变换域嵌入数字水印可以改善水印系统的鲁棒性 .为了提高水印的透明性和不可统计性 ,在嵌入水印之前需要对水印图象进行相应的预处理 .实验表明 ,该水印系统具有良好的鲁棒性和透明性 .     

Low bit-rate multi stage vector quantization based on energy clustered training set

In this paper, a new multi stage vector quantization with energy clustered training set is proposed for color image coding. The input image is applied with orthogonal polynomials based transformation and the energy clustered transformed training vectors are obtained with reduced dimension. The stage-by-stage codebook for vector quantization is constructed from the proposed transformed training vectors so as to reduce computational complexity. This method also generates a single codebook for all the three color components, utilizing the inter-correlation property of individual color planes and interactions among the color planes due to the proposed transformation. As a result, the color image encoding time is only slightly higher than that of gray scale image coding time and in contrast to the existing color image coding techniques, whose time is thrice greater than that of gray scale image coding. The experimental results reveal that only 35 % and 10 % of transform coefficients are sufficient for smaller and larger blocks respectively, for the reconstruction of images with good quality. The proposed multi stage vector quantization technique is faster when compared to existing techniques and yields better trade-off between image quality and block size for encoding.     

DCT域自适应彩色图像二维数字水印算法研究

以离散余弦变换(DCT)、静态图像压缩编码、人眼视觉特性(HVS)为基础,提出一种将灰度图像(即二维数字水印)嵌入到原始彩色图像中的新数字水印算法．该算法具有以下特点：(1)应用静态图像压缩编码技术实现了以二维数字水印作为水印信号的数字水印算法;(2)充分利用HVS实现了二维数字水印的自适应嵌入,增强了算法的透明性和鲁棒性;(3)能够依据原始彩色载体图像内容实现数字水印嵌入深度的智能调节．实验结果表明：文中算法不仅具有较好的透明性,而且对如叠加噪声、JPEG压缩、平滑滤波、几何剪切、图像增强、马赛克效果等攻击均具有较好的鲁棒性。     

单极化合成孔径雷达图像颜色特征编码与分类

针对目前单极化合成孔径雷达（SAR）伪彩色编码方法存在的细节信息和可视性不强的问题,提出一种颜色特征编码方法。该颜色特征编码方法首先对单极化SAR图像提取纹理特征;然后将每一个特征量化到0到255;其次对每一个灰度级赋予一个RGB颜色,编码成颜色特征图;最后对随机森林计算得到的特征重要性进行排序,每3维特征对应为R、G、B通道生成伪彩图。基于该颜色特征编码方法,提出一种新的分类方法。该分类方法首先根据目视效果选择可分性最好的伪彩图;然后采用统计区域合并（SRM）分割算法对其分割;其次将所有RGB伪彩图作为分类的特征,以随机森林为分类器进行分类,得到初步的结果;最后对初步的结果进行相对多数投票,得到最终的分类结果。方法验证采用两组TerraSAR-X单极化SAR数据,与基于HIS的颜色编码方法对比,该颜色特征编码方法生成的伪彩图信息熵得到了很大提升,且两组数据每类地物的分类精度都大幅度提高,因此证明了所提算法保留了更多的细节信息,获取更多的颜色信息,更利于可视化和地物分类,从而表明提出的颜色特征编码方法是可行的。     

基于卷积网络的灰度图像自动上色方法

随着深度学习的出现,灰度图像自动上色得到了快速的发展,出现了上色效果优秀的基于one-hot编码(独热编码)的方法,避免基于L2损失函数上色效果平淡的问题.沿用one-hot编码方法的基础思路,提出了一种卷积网络的灰度图像自动上色方法.该方法对编码器与解码器进行了改进和重新设计,重新设计了神经网络结构.通过使用高斯函数...     

一种自动分割图像颜色的算法

图像颜色分割是图像处理的一项技术。本文提出一种基于直方图采用磨光技术的自动分割图像颜色的算法。通过给定图像的颜色数，经过磨光算法处理，自动确定图像的中心色及分割限，准确地归并图像颜色。此算法可适用于黑白或彩色图像的处理。     

一种色彩渐进的矿井监测数据三维可视化方法

针对矿井监测数据直观性不强、信息表达不完全的问题,提出一种基于色彩渐进插值的矿井监测数据三维可视化方法.将监测数据划分为若干层片,并转化成灰度值,利用色彩编码将灰度值映射到彩色空间,设计色彩渐进插值方法,对伪色彩图像中的相邻层片间进行平滑过渡处理.实验结果表明,该方法处理的矿井监测数据伪图像色彩渲染层次感强,色彩过渡平滑,有利于矿井监测数据的信息表达.     

彩色图像的亮度-色度非线性重组

灰度变换技术直接用于彩色图像的RGB各分量可以提高其对比度,但却会引起彩色失真;而基于Retinex理论的多尺度彩色复原算法（MSRCR）可以改善彩色图像的视觉效果,也不会引起彩色失真,但存在控制参数的取值问题,自适应性不是很好,更大的缺陷在于卷积运算巨大的运算量导致处理时间偏长。提出了一种基于灰度变换的自适应彩色图像增强算法,将原始RGB图像和RGB三分量灰度变换后的图像转换到非线性亮度/色度彩色空间,重组两者的色度分量和亮度分量,从而保持了原始图像的色彩。在继承灰度变换算法优点的基础上,扩展了原始图像的有效灰度范围,提高了整体对比度,增强了细节。此外,算法的计算量极小,不需要设定任何参数,可用于自适应实时彩色图像处理。     

基于神经网络的灰度级数字水印嵌入技术

提出一种将灰度级数字水印嵌入到彩色图像中的方法。利用DCT变换,先将灰度水印编码成二值位流信息：用神经网络建立彩色图像中所选择的像素之间关系模型。最后,通过调整被选择像素点与模型输出值之间大小关系来嵌入水印的二值位流信息。采用信息放大技术,加强水印的嵌入强度。利用神经网络、DCT反变换,提取灰度水印。实验结果表明,该算法对目前JPEG图像压缩变换和某些图像处理操作具有极强的鲁棒性。     

计算机彩色模型在图像显示与分割中的应用

本文提出了基于彩色模型的灰度图像彩色显示与分割的方法,该方法将ＲＧＢ,ＨＳＶ和ＧＬＨＳ这几个彩色模型用于图像彩色合成显示并首次用于灰度图像分割中,彩色合成利用图产强方法并考虑到人眼对彩色的分辨率以及视觉特性,不仅增强了图像的内容,而且给予图像合理的彩色显示,使图像易于分析并且具有好的视觉效果。     

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.