基于Context模型的小波变换阈值自适应图像去噪

根据噪声和信号的小波系数在不同分解尺度、不同方向上高频系数的分布不同,结合Context模型,提出基于Context模型的小波变换阈值自适应图像去噪算法。该算法通过对不同尺度和方向的小波分解系数应用不同的阈值方法进行去噪。实验表明,方法能较好地去除图像噪声和保留图像边缘细节信息,在提高去噪图像信噪比值和改善视觉效果方面都表现出了良好的性能。     

基于多尺度积视觉特性的多聚焦图像融合算法

针对传统多尺度图像融合算法不能有效抑制噪声的缺陷,提出一种基于提升静态小波变换（LSWT）多尺度积的多聚焦图像融合算法,并在LSWT域中引入了局部可见度以及局部视觉特性对比度的概念.在融合低频子带系数和各高频子带系数时,分别提出了基于局部可见度和基于多尺度积的局部视觉特性对比度的系数选择方案.实验表明,该算法不仅能有效抑制噪声对融合算法的影响,而且能够得到比传统方法视觉效果更好和更优量化指标的融合图像.     

自适应多尺度分块压缩感知算法

目的 基于小波域的多尺度分块压缩感知重构算法忽略了高频信号在重构过程中的作用,丢失了大量的边缘与细节信息。针对上述问题,提出一种自适应多尺度分块压缩感知算法,不仅合理利用低频信息还充分利用图像的高频信息,在图像细节复杂度提高的情况下保证图像重构质量的提高。方法 首先进行3层小波变换,得到一个低频信号和9个高频信号,分别进行小波逆变换后分成大小相同互不重叠的块,对低频部分采用2维邻块边缘自适应加权滤波的方法进行处理,对高频部分采用纹理自适应分块采样,最后利用平滑投影Landweber（SPL）算法对其进行重构。结果 与已有的分块压缩感知算法、基于边缘和方向的分块压缩感知算法和基于纹理和方向的分块压缩感知算法相比,本文算法在不同的采样率下,性能均有所提升,代表细节信息的高频信号得到充分重建,改进的算法所得到的重建图像具有较高的分辨率,尤其对细节较为丰富的图像进行重建后具有较高的峰值信噪比;2维邻块边缘自适应加权滤波有效的去除了重建图像的块效应,且重建时间平均减少了0.3 s。结论 将三层小波变换后的高频分量作为纹理部分,利用自适应多尺度分块重建出图像的轮廓与边缘;将低频分量直接视为平坦部分,邻块边缘自适应加权滤波重建出图像细节,不仅充分利用了图像的高低频信息,还减少了平坦块检测过程,使得重建时间有效缩短。经实验验证,本文算法重建图像质量较好,尤其是对复杂图像明显消除了块效应,边缘和纹理细节较清晰。因此主要适用于纹理细节较复杂的人脸图像、建筑图像和遥感图像等。     

数字图像多小波逆变换及后置滤波算法

为了使数字图像多小波变换域的数据能够快速和有效地还原到空间域,并使还原后的图像具有很好的视觉效果,提出包括多小波逆变换和后置滤波的多小波还原算法。该方法通过前置滤波和多小波正变换将空域图像变换到多小波域,并对多小波域的低频分量和高频分量按一定规律重新组合,在没有额外内插零的情况下进行逆变换和后置滤波还原出空域图像。实验结果表明,所提算法得到的还原图像与原始图像相比90%以上像素点的误差值小于0.0001。     

一种基于小波变换边缘保护的图像融合算法

提出一种基于小波变换的像素级图像融合算法。采用小波系数局部模极大和加权局部能量分析相结合的方法融合高频成分;用加权局部能量分析融合尺度系数。算法获得的融合图像具有很强的视觉表现能力。此算法不需要设置阈值,具有较强的泛化能力。对多聚焦图像进行的融合实验结果表明,基于小波系数局部模极大和局部能量分析相结合的高频融合策略较好地再现了图像中各种边缘信息;基于加权局部能量估计的低频融合策略有效地去除了原图像的模糊。融合后的图像在客观评价和主观视觉效果上均有显著提高。     

基于双边滤波和Retinex算法的矿井图像增强方法

针对常用的双边滤波算法易造成图像细节丢失及Retinex算法在光照变化剧烈时易出现光晕伪影现象等缺点,提出了一种基于双边滤波和多尺度Retinex算法的图像增强方法。该方法首先对图像进行小波分解,获得图像高频和低频系数;然后采用多尺度Retinex算法和双边滤波结合的方案对图像低频系数进行处理,采用软阈值滤波算法对图像高频系数进行处理;最后通过离散小波反变换得到增强后的空域图像,并对其局部对比度进行自适应增强处理。实验结果表明,该方法可以有效改善图像颜色失真情况,细节丰富,对比度强,为图像后续的特征提取奠定了基础。     

一种基于小波变换的低对比度图像增强方法

提出一种基于小波变换的低对比度图像增强方法.利用小波变换多尺度特性,对图像的能量、细节和噪声部分分别采取不同的滤波策略,对图像进行整体增强.在VC 环境下编程实现该方法.实验结果表明用该增强算法能得到整体视觉效果好的图像.     

基于Contourlet变换的图像DCT去噪新方法

为了改进滤波效果,以提高图像去噪质量,提出了一种通过离散余弦变换对Contourlet域中噪声能量进行估计来实现去噪的新方法.该算法不依赖于对噪声方差进行估计,而是直接利用离散余弦变换来对高频各子带进行局部特征提取,以便估计噪声能量的估计阈值.实验结果表明,与传统的小波软、硬阈值去噪方法和基于小波变换的图像离散余弦变换去噪方法比较,该方法有效地克服了采用硬阈值法引起的伪吉布斯现象和软阈值法因导致过度光滑而使信号失真等缺点.实验表明,该算法不仅可提高处理图像的信噪比,而且图像的视觉效果也明显改善,因此更具有实用价值.     

可避免彩色失真的图像对比度增强

为了将灰度变换技术推广到RGB彩色图像增强,并克服其容易引起彩色失真的缺陷,提出了一种通用的自适应彩色图像对比度增强算法.首先采用小波变换,直接在RGB空间分离出原始彩色图像和灰度变换图像的低频部分和高频部分,然后提取原始图像的彩色信息和灰度变换图像的对比度信息,最后进行归一化处理再重构输出彩色图像.实验结果表明.算法能在不引起明显彩色失真的前提下改善图像视觉效果,与基于Betinex理论的多尺度彩色复原(MSRCR)算法相比,逼真度和运算复杂度等指标都更加优异.     

基于小波变换和模糊理论的裂纹图像增强算法

针对传统图像增强算法的缺陷, 提出了一种基于小波分析和模糊理论的图像增强算法, 该算法先对原始图像进行小波变换得到图像的高频和低频小波系数, 再定义新的模糊隶属度函数对低频系数进行模糊增强, 对不同方向上的高频系数进行小波阈值去噪, 通过小波重构得到增强后的图像, 所有算法通过Matlab编程验证, 能有效的增强图像, 改善图像的视觉效果. 实验结果表明, 算法是可行有效的.     

贝叶斯小波图像压缩感知方法

现有小波图像压缩感知方法大多利用父子小波系数的相关性来提高重构精度, 很少考虑同一尺度兄弟小波系数间的相关性关系. 鉴于此, 提出一种基于贝叶斯模型的高频系数联合重构小波图像压缩感知方法. 该算法将同一尺度水平、垂直和对角三个方向高频系数分别压缩感知采样, 然后设计分层贝叶斯模型, 充分利用此三个方向兄弟小波系数的相关性来重构图像. 实验结果表明本文提出的方法比传统的多尺度压缩感知有更高的图像重构质量.     

小波子带最优方向性选择和压缩感知的图像编解码

传统贝叶斯压缩感知方法所存在的局部优化问题导致了重构图像存在着较大的误差。本文提出一种基于小波自适应最优方向选择和压缩感知的图像编码方法,该方法依据图像小波变换的低频子带与高频子带所存在的相关性差异,对低频系数进行基于小波最优方向选择的编解码,以保证图像主要信息的重构质量;而针对高频子带的稀疏特性进行基于压缩感知的随机测量,以保证图像的编码效率。实验结果表明,与传统的压缩感知算法相比,本文所提出算法的解码图像具有更好的主观质量,同时在相同码率下解码图像的PSNR平均提高1~2dB。     

基于区域特性的压缩感知多聚焦融合算法

传统的基于压缩感知的图像融合算法是对整个系数进行稀疏处理,而小波分解后的低频系数不稀疏,导致压缩重构质量降低,并且传统的融合规则不易简单、全面地提取高频系数的特征值。针对这一问题,分别对小波分解得到的高、低频系数采取不同的融合规则进行处理,提出了一种改进的区域特性高频压缩感知的融合算法。其中,低频系数采用区域方差加权绝对值最大融合;高频系数首先通过具有较好RIP性质的随机观测矩阵进行压缩采样,得到的观测值基于能量匹配度的不同进行相加或加权融合,以融合不同方向的高频子带特征信息,再用正交匹配追踪重构算法对高频部分进行信号重构。最后,低频、高频信息在小波逆变换下重构出融合图像。实验结果表明,与以往的基于压缩感知的融合方法相比,此算法的融合图像更清晰,新算法无论是在主观评价还是客观评价指标上都有利于图像信号重构,并具有较好的使用性。     

小波域中双稀疏的单幅图像超分辨

目的 过去几年,基于稀疏表示的单幅图像超分辨获得了广泛的研究,提出了一种小波域中双稀疏的图像超分辨方法。方法 由小波域中高频图像的稀疏性及高频图像块在空间冗余字典下表示系数的稀疏性,建立了双稀疏的超分辨模型,恢复出高分辨率图像的细节系数;然后利用小波的多尺度性及低分辨率图像可作为高分辨率图像低频系数的逼近的假设,超分辨图像由低分辨率图像的小波分解和估计的高分辨率图像的高频系数经过二层逆小波变换来重构。结果 通过大量的实验发现,双稀疏的方法不仅较好地恢复了图像的局部纹理与边缘,且在噪声图像的超分辨上也获得了不错的效果。结论 与现在流行的使用稀疏表示的超分辨方法相比,双稀疏的方法对噪声图像的超分辨效果更好,且计算复杂度减小。     

基于小波变换和稀疏表示的图像去噪

传统小波阈值去噪在对图像进行去噪时,并不能很好地保留图像的细节纹理等边缘信息部分.针对这一不足,结合了稀疏表示相关的理论,提出了一种基于小波变换和正交匹配算法相结合的图像去噪算法.首先选取小波函数对含噪图像进行处理,分离出图像的高频和低频小波系数,然后对高频系数结合正交匹配追踪算法,通过多次反复迭代求得高频稀疏分量,再结合低频分量,用逆小波变换得到恢复图像.实验结果表明,在相同的噪声条件下,该算法能取得较好的峰值信噪比(PSNR),获得更好的视觉效果.     

A high payload frequency-based reversible image hiding method

To provide both a high payload capacity and a good stego-image quality, a high payload frequency-based reversible image hiding (HPFRIH) method was presented in this paper. These performances can be achieved by transforming a cover image from the spatial domain into the frequency domain through Haar digital wavelet transform (HDWT) method followed by an adaptive arithmetic coding method to encode the HDWT coefficients in a high-frequency band. The HPFRIH method was used to conceal both the compressed data and the secret data in the high-frequency band. This simple method can completely reconstruct the cover image only from the stego-image. Moreover, experimental results showed that the HPFRIH method offers both impressive hiding capacity and satisfied stego-image quality.     

基于谱图小波变换的图像压缩编码方法

针对小波变换图像压缩编码方法在高压缩比下得到的重构图像质量往往较差的问题,提出了一种基于谱图小波变换的编码方法.该方法首先将图像转化成图,利用谱图小波变换分解图得到谱图小波系数,这些系数的能量随着尺度的增加而衰减,然后根据谱图小波系数的特性对SPECK算法进行改进,最后对谱图小波系数进行量化,利用改进的SPECK算法对量化后的系数进行压缩编码,并在图像数据量压缩的同时从稀疏系数中恢复原始图像.实验结果表明,该编码方法对自然图像的压缩具有高效性,相比小波变换的压缩方法,重建图像的PSNR有所提高且变化平稳,与此同时还得到更大的压缩比.     

基于Sobel算子和局部能量的图像融合新算法

文中提出一种新的基于小波变换的图像融合算法,以提高图像融合质量。首先应用小波变换将图像分为高频和低频部分,再对小波的高频和低频系数采用融合算法进行处理,最终将处理后的高频和低频小波系数进行融合。文中对低频系数采用基于Sobel算子的方法,有效保留边缘特征。对高频系数采用基于局部能量取大准则,有效保留高频的细节和区域特征。为了抑制噪声和控制图像的不稳定性,最后再对低频和高频系数的选择结果进行邻域窗口的一致性检验与调整。与传统金字塔方法和经典小波变换相比较,实验结果表明此方法融合效果较好。     

一种区域特性的小波图像融合新算法

提出了一种基于区域特性的小波图像融合新算法。对原始图像进行小波多尺度分解,得到在不同尺度和方向下的低频系数和高频系数;对低频系数,采用图像区域之间的相关系数和区域方差的融合规则确定低频融合系数,而对不同尺度和方向下的高频系数,采用基于局部区域能量的融合规则确定高频融合系数;最后,通过小波逆变换得到融合图像。对多组图像进行了融合仿真实验,并用平均梯度、信息熵和空间频率对融合结果进行了客观评价。实验结果表明,该算法优于传统的融合算法,取得了更好的融合效果。