一种新的二维自适应提升小波变换方法

基于图像的局部特性和统计信息,该文提出一种新的二维自适应提升小波变换方法。该方法通过构造基于图像局部特性的自适应更新算子和基于图像统计信息的非线性预测算子,对图像进行自适应的提升小波变换,与文献中的自适应小波变换方法和非自适应小波变换方法进行对比实验,该文方法所得到的高频子带的熵更低,含零高频系数更多,更有利于图像的压缩编码。     

基于小波变换数据融合的图像边缘检测算法

本文提出了一种基于小波变换数据融合的图像边缘检测算法。该方法对原始图像分别采用小波变换、“Sobel”算子和“Log”算子三种方法提取边缘,再将三种算法结果通过数据融合的手段获得一幅新的边缘图像。仿真实验结果表明,该方案所得到的边缘优于单独采用“Sobel”或“Log”算子所获得的边缘图像,是一种有效的图像边缘提取算法。     

联合提升小波和形态学的医学图像边缘检测

医学图像现已成为临床诊断、病理分析及治疗的重要依据和手段,医学图像边缘检测的好坏,会直接影响到后续的治疗过程.分析了基于小波变换和数学形态学的边缘检测算法的不足,提出了一种联合提升小波和形态学的医学图像边缘检测算法.首先对原始图像做提升小波变换,然后采用多方位形态学算子检测边缘,最后进行提升小波反变换.实验结果表明该方法能在有效地去除噪声的同时准确地检测出肺部病灶图像的边缘,是一种有效的医学图像边缘检测方法.     

一种新的基于提升多小波变换的图像融合方法

多小波是一种新的小波,它在理论上所表现出来的优势以及它在应用领域所具有的潜力,使其受到高度重视。在短短的几年时间内,它在图像处理方面的应用已取得了一定的成效。提升方法不仅是现存小波变换的一种快速算法,而且是构造新的小波变换的一种工具。本文根据提升方法和多小波变换的特点,对多小波实现了提升变换,并把这种基于提升方法的多小波变换应用于图像融合,结果表明有更好的效果。     

基于小波非线性外推的图像增强方法

针对图像增强的问题,提出了一种新的图像增强方法．该方法将小波变换与频域非线性外推算法相结合,首先利用小波变换提升图像的高频成分,再利用频域非线性外推算法增加图像的高频分量,最终实现图像的增强．实验表明,该新方法有效地提高了图像的视觉效果．     

基于非线性多通道小波变换的边缘增强

作为一种新的工具,小波变换在信号处理中得到了广泛应用.本文首先介绍了一种双Haar小波基,它是Haar小波在三通道滤波器中的推广.然后基于双Haar小波和NFIR滤波器,提出了一种非线性多通道小波变换.该方法可以用于信号边缘的增强,其效果是其它方法所难以达到的.     

数据融合技术在图像边缘检测中的应用

提出了一种基于数据融合的图像边缘检测算法。此种方法对初始图像分别采用“Rob-erts”算子和“sobel”算子及小波变换三种方法进行边缘提取,再将三种算法结果通过数据融合的手段获得一幅新的边缘图像。实验结果表明,该方案所得到的边缘图像的效果优于单独采用“Sobel”或“Roberts”算子所获得的边缘图像,是一种行之有效的图像边缘提取算法。     

多小波变换在夜视图像融合算法中的应用

从微光图像和红外图像的特点出发,提出了一种基于多小波变换的夜视图像融合算法.该方法先对夜视图像进行多小波变换得到各子带的多小波系数,其低频系数采用自适应加权融合算子进行融合,高频系数先进行阈值去噪和子带增强,再采用基于频带方向的融合算子进行融合,经多小波逆变换后得到融合图像.实验结果表明,本文算法与单小波融合算法、传统融合算法相比,得到的图像能更好地突出图像的边缘特征,增强图像的可视性和清晰度,并在信息熵、峰值信噪比等客观性能指标上取得了显著的改善.     

基于提升小波和形态学融合的图像边缘检测

针对传统边缘检测方法边缘定位不精确的缺点,结合提升小波变换和数学形态学的优势,提出了一种融合提升小波和多尺度形态学的边缘检测方法.首先,对原始图像进行提升小波变换;再用小波变换和多尺度形态学算子分别对低频图像进行边缘检测,根据异或原则融合成低频边缘;然后,用小波变换检测高频图像边缘;最后,通过提升小波反变换得到边缘图像.实验结果表明,与传统或其他的形态学边缘检测方法相比,该算法在保持图像边缘清晰的同时,具有很强的边缘定位能力.     

小波变换与神经网络复合的图像清晰度识别研究

基于小波变换与神经网络复合模型的图像清晰度识别方法具有较强的图像边缘特征提取、非线性处理、自适应学习和模式识别能力.提出一种通过神经网络模拟人眼的调焦机制,基于小波变换与神经网络复合模型,实现对图像清晰度评价的方法.利用二维离散小波变换对图像信号的特征进行提取,并对7个小波分量及原始图像做统计处理得到16个统计值,作为图像的特征量供后续的识别分析.构建了5层BP神经网络模型对图像清晰度进行识别,采用可变步长附加动量项的最速下降法调整网络权值.所设计的神经网络首先对由75幅图像组成的训练集合进行训练,再对102幅图像组成的测试集合进行实验验证.结果表明,这是一种相当有效的判别方法,取得了较高的识别率.     

一种适于计算声场景分析的混叠语音基音检测方法

本文提出了一种在混叠语音信号中检测各自语音分量基音信息的方法.该方法采用小波变换作为基音检测模型中的滤波处理,并用广义自相关运算突出基音信息,用增强自相关累和消除冗余信息,并提出了用基音概率函数来预测并跟踪不同基音的变化以提高基音检测的准确性.本文提出的方法可应用于计算声场景分析中.实验结果表明,该方法对于混叠语音的基音检测是非常有效的.     

基于小波变换和改进SVD的红外图像去噪

针对小波变换红外图像去噪需要已知噪声先验知识的缺点,提出了一种基于分块奇异值分解的正交小波变换红外图像去噪新算法。首先对红外图像进行离散正交小波变换,并对高频图像采用改进的分块奇异值分解估计小波系数,其中对奇异向量采用傅里叶变换进行了修正;最后将低频图像与估计的高频图像通过小波反变换得到去噪图像。仿真结果表明,该图像去噪算法能在无噪声先验知识条件下有效去除图像噪声,信噪比有了明显提高,并获得了良好的主观视觉效果。     

基于KL距离和双密度小波变换的纹理图像检索

为了进一步提纹理图像的检索性能，提出了一种基于双密度小波的算法。该算法根据双密度小波分解的特点。从系数角度出发首先进行子带组合，然后提取子带小波系数直方图分布特性作为纹理特征。利用最大似然估计规则将特征提取和相似计算结合起来．采用KL距离进行度量．与单小波和双密度小波方法比较．该算法具有时移不变性、特证数少等特点。理论分析和纹理图像检索的对比实验数据说明了组合双密度小波在纹理特征提取方面的性能优于单小波和双密度小波。检索率分别提高了。     

一种基于小波变换的雷达图像边缘提取方法

图像最基本的特征是边缘,边缘特征提取是多传感器信息融合与景象匹配中的重要内容.合成孔径雷达图像通常带有较强的相干斑噪声,用传统的边缘检测算法效果很不理想.本文针对合成孔径雷达自身的特点,利用小波变换的特性,提出一种将小波变换的多尺度分析与模糊加权中值滤波相结合的边缘特征提取方法.实验证明方法有效,边缘定位准确,并对噪声有抑制作用,将提取结果用于匹配,定位精度达到1个象素.     

基于平稳小波变换的图像去噪方法

针对传统正交小波变换在图像去噪时存在的边缘失真,提出了一种基于平稳小波变换的图像去噪方法。使用系数关联法将图像小波分解后的高频分量像素标记为噪声和边缘,如果小波系数被标记为边缘,则保持其系数不变,否则采用基于邻域的方法进行系数收缩。当噪声方差较大时,收缩后最小尺度的高频分量中会存在一些孤立的亮点或暗点,借助次大尺度高频分量将其去除,对处理后的小波系数进行平稳小波反变换得到去噪图像。实验结果表明,本文方法能够在去除噪声的同时较好地保持图像的边缘,是一种有效的图像去噪方法。     

基于离散平稳小波变换的红外图像对比度增强

提出一种基于离散平稳小波变换的红外图像增强方法,对红外图像进行离散平稳小波 变换后,分别对各个分解层的高频子带利用所提出的非线性增强方法进行对比度增强。实验结果表明,本文提出的方法在有效的提高红外图像中目标对比度的同时,又能突出红外图像的细节部分信息。算法在性能上优于传统的直方图均衡法、反锐化掩膜法和基于离散正交小波变换的对比度增强方法。     

基于尺度间和尺度内相关性的平稳小波红外图像去噪

提出了一种基于尺度间和尺度内相关性的平稳小波变换红外图像去噪方法.首先对红外图像进行离散平稳小波变换,分别对各个分解层的高频子带,利用不同尺度小波系数形成的系数向量,通过线性最小均方误差估计小波系数,获得各个高频子带的估计系数,再利用小波系数尺度内的邻域相关性对小波系数进行修正,然后通过小波反变换得到去噪图像.仿真结果表明,考虑尺度间和尺度内相关性的平稳小波红外图像去噪算法能有效地去除红外图像噪声,在信噪比和视觉质量上要优于单纯考虑尺度间相关性的去噪方法.     

基于快速整数提升小波变换的多幅图像融合

在分析已有多分辨率图像融合方法的基础上,针对多幅图像融合模型的选择问题,提出了一种基于快速整数提升小波变换的多幅图像融合新算法。首先采用整数提升小波变换将多幅源图像分解到不同尺度、方向频带范围内,然后根据图像提升小波变换后不同子带的特点分别采用了2种新的高、低频融合策略,最后通过整数提升小波逆变换得到融合图像。对多幅源图像进行了融合实验,并对融合结果进行了主观和客观的评价。实验结果表明,该算法不仅适合多幅图像的实时快速融合,而且可以获得视觉效果较佳、细节更为丰富的融合图像。