基于提升算法的3 阶Daubechies 离散小波变换的FPGA 实现

为提高小波变换的计算效率,研究基于提升算法的3阶Daubechies离散小波变换及其逆变换的FPGA实现。简要介绍提升算法的基本原理,给出3阶Daubechies小波变换及其逆变换的提升算法过程,对正变换与逆变换的硬件实现结构进行设计,该结构无需附加内存,且采用流水线技术实现小波系数的快速并行输出,大大节省了传统变换所需的存储空间并提高了计算速度。在Quartus设计软件中对提升算法结构进行仿真,验证了提升结构的正确性。分别使用传统的基于卷积的DB3小波滤波器和设计的DB3提升结构对包含噪声的模拟信号进行小波阈值滤波处理。结果表明:提升结构算法计算复杂度小,在可承受的信噪比范围内,能够快速实现信号的小波变换处理。     

一种基于多分辨率图像融合的边缘检测算法

边缘检测是图像处理中的一个重要环节。文章提出了一种基于小波变换的图像融合边缘检测方案。该方案具体考察了Log算子、Canny算子和小波变换边缘检测算法,通过提取图像边缘对其特点进行了讨论和比较,再将三种算法边缘检测的结果进行图像融合,得到一幅新的边缘检测图像。仿真实验结果表明,此种方法效果要优于单独采用某种算子获得的边缘图像,是一种有效的图像边缘提取方法。     

基于FPGA的JPEG-LS无损压缩算法的实现

介绍了JPEG-LS无损压缩算法的基本原理与流程,针对该算法提出了使用VHDL语言编程的基于FPGA的系统结构,并在QuartusII平台上实现了编码器.该硬件实现的编码器具有快速处理高分辨率图像的能力.通过对多种图像的仿真实验,证明了其在不同应用中的可靠性和有效性.     

基于小波变换和同态滤波的内窥图像增强算法

由于受照明条件的限制,工业内窥镜图像存在比较严重的由光照不均引起的图像降质.在分析工业内窥镜图像特点的基础上,研究了使用基于照明反射模型的同态滤波方法增强内窥镜图像的方法.从空频分析的角度出发,提出一种基于小波变换的同态滤波方法,采用快速小波变换代替传统傅立叶变换,在变换域中对不同尺度上小波系数进行非线性增强,实现图像的对比度增强.实验结果表明,该方法可以有效消除由光照不均匀引起的图像亮度不均匀,增强图像对比度的同时不改变图像的原始面貌,其效果优于传统的同态滤波方法.     

快速小波变换在非平稳振动信号分析及实现

为解决大型工业设备振动控制问题,将快速小波变换分析方法引入到非平稳振动信号分析,设计了一套基于ETX＋FPGA的非平稳振动信号分析系统。通过FPGA实现高速流水计算对采集的输入信号进行小渡分析,并由嵌入式计算机ETX完成数据采集、处理、控制量形成以及人机交互操作等功能,在试验室环境下实现了对振动台典型非平稳振动信号的检测处理。试验验证了快速小波变换算法在非平稳振动信号的信号处理方面是可行的,在硬件系统中具有很好的快速处理性能。     

基于图像平稳小波非线性增强的边缘检测方法

分析了基于平稳小波变换的图像对比度非线性增强算法和传统的Canny边缘检测算法,将两者相结合,提出了一种适用于低对比度图像的边缘检测方法,首先用平稳小波变换对图像进行非线性增强处理,提高它的对比度,然后利用Canny算子进行边缘提取。实验结果表明,该方法能准确地检测出图像的边缘,而且边缘清晰,连通性较好。     

小波变换在目标图像多尺度边缘检测中的应用

介绍了小波变换及其应用于图像边缘多尺度检测的原理，并给出了构造小波函数的方法和相对应的滤波器系数。用一幅图像进行的仿真实验表明，基于小波变换进行图像的多尺度边缘检测相对于传统的Ｒｏｂｅｒｔｓ算子、Ｓｏｂｅｌ算子和Ｌａｐｌａｃｉａｎ算子检测图像边缘是一种较好的方法，而且对随机噪声也有较强的鲁棒性。为此进一步提出从多个目标中快速跟踪和识别指定目标的思想。     

一种基于局部能量的自适应图像融合方法

文中提出了一种基于局部能量的自适应图像融合方法.首先对原始图像进行小波分解,得到低频和高频子图像.然后分别计算高频子图像的局部能量,再根据不同图像的相应局部能量,计算局部能量熵,根据值局部能量熵赋予其不同的加权系数,从而实现自适应的信息融合.最后通过小波反变换,得到完整的融合.实验结果表明该方法有较好的融合效果.     

一种基于小波变换的电视图像分割方法

研究了一种基于B样条小波变换的自动阈值分割算法.提出基于灰度统计特性的直方图移动平均法,从而有效地消除噪声对图像的影响,使图像直方图更加光滑.运用B样条小波变换快速算法,大大减少了计算量.基于小波变换多分辨分析的策略,提出一种多尺度小波变换分割方法,进一步提高了分割精度.通过对算法仿真研究,验证了本算法的可行性及有效性.     

一种基于小波变换的遥感SAR图像与TM图像融合新算法

以高空间分辨率的SAR图像和高光谱分辨率的TM图像为例，提出了一种基于小波变换的多源遥感图像融合方法。该方法首先对TM图像作IHS变换，得到亮度I、色度H与饱和度S三个分量；其次，依据特征量积和匹配度为融合准则，将TM图像的亮度分量和SAR图像进行融合处理．并用融合结果替代TM图像的亮度分量；最后，作IHS反变换得到融合图像。实验结果表明，文中方法在增强空间细节信息的同时更好地保持了光谱信息，与IHS法和小波变换法相比，证明了文中方法的有效性。     

基于小波变换的弹载星敏感器昼间星点识别方法

图像降噪与星点识别是弹载星敏感器进行星点质心提取的前提,针对其昼间星点识别困难的问题,提出了一种基于小波变换的去噪声方案。该方案选择双正交小波函数对图像进行分解和软阈值化处理。在此基础上,进行图像信号重建,得到降噪后的图像。对复原后的图像采用改进的最大类间方差法进行了星点识别。星点识别的准确率达到了86.7%。实验结果证明了此方案在北极星昼间测量与识别上的可行性。     

双树复小波和独立分量分析的红外小目标检测

针对存在背景干扰和噪声情况下的红外弱小目标检测问题,提出一种基于双树复小波变换和独立分量分析(ICA)的检测方法。对图像作预处理:利用双树复小波对原始图像进行去噪,再利用Top-hat算子抑制背景;从原始图像减去通过快速独立分量分析(FastICA)分离出的背景图像,用双树复小波去噪;上述2方面得到的图像求和即为预处理图像。采用模糊Tsallis-Havrda-Charvat熵选取阈值来分割预处理图像。针对红外小目标图像进行了大量实验,并和基于快速独立分量分析的目标检测方法、基于形态滤波的目标检测方法进行了比较。结果表明,本文方法抗噪性强,具有更为优越的检测性能。     

基于小波变换与模糊理论的图像增强算法研究

针对传统图像增强方法增强图像同时放大噪声的问题,提出了一种基于小波变换和改进模糊集理论进行图像增强的方法.该算法先对原始图像进行小波变换获得低频和高频系数,对低频系数进行了分段函数增强,高频系数进行小波去噪,并且定义新的隶属度函数对各个尺度上不同方向的高频系数进行模糊增强,最后通过小波重构得到增强的图像.实验结果表明,该算法可以有效去除噪声和增强图像,并使图像具有良好的视觉效果.     

多聚焦图像融合中小波基函数选取的研究

在基于小波变换的多聚焦图像融合算法中,小波基的选取是一个问题.分别从基于像素的融合算法和基于区域的融合算法两个方面,选取不同的小波基,做了大量的实验.考虑到评价参量的典型性和算法的复杂度,选取熵、均值、标准差、可见度,平均交叉熵5个参量对实验结果进行评价分析.     

基于DWT的数字图像盲水印算法

一种基于DWT的数字图像水印算法：先将1幅作为宿主图像的灰度图像进行分块,再利用Haar小波函数对分块分别进行二维离散小波变换,将水印信息嵌入到小波低频系数中,最后对嵌入水印信息的分块进行逆小波变换重构图像获得含水印图像。提取水印时不需要原始图像。通过Matlab进行仿真,实验结果表明该算法有很好的不可见性,并且对JPEG压缩、高斯噪声、高斯低通滤波等操作有较好的鲁棒性。     

基于小波理论的铁谱图像压缩法

基于小波变换的铁谱图像压缩法,根据小波函数对铁谱图像进行一层或多层的小波分解.用阈值处理细节系数对1到N层选定阈值,并进行硬阈值处理,把绝对值小于阈值的系数置为0.通过逆小波变换,由阈值处理后的小波系数重构原图像.实验证明该方法压缩比高、速度快,压缩后能保持信号与图像的特征不变.     

基于小波变换的炮弹射线图像增强技术研究

利用小波变换对含有噪声的图像进行变换,针对其小波系数进行阈值操作,得出降噪后的增强图像.首先对原始射线图像进行对数变换,其次对变换后的图像进行小波阈值降噪处理,最后对阈值降噪处理后的图像进行指数拉伸变换,求得消除噪声以后的增强射线图像.实验证明提出的方法对炮弹射线图像处理是有效的.     

基于小波变换的弹载图像压缩编码算法

针对弹载视频图像在战场中的应用背景，通过对SPIHT算法和LZC算法的研究，在LZC算法的基础上，改变小波系数扫描方式，提出基于小波变换的弹载图像压缩编码算法NLZC。实验结果表明：在相同的压缩比下，新算法性能更优，并且降低了内存的需求，有利于硬件实现。     

基于小波变换方法的海上舰船目标边缘提取

一种基于小波变换的边缘提取方法,应用其对舰船图像进行边缘提取,以二次光滑小波作为小波函数,对海上舰船图像进行了二维小波变换,计算小泼变换结果的局部模极大值点,从而得到舰船目标图像的形状边缘特征。经过和运用Sobel算子、Roberts算子、Prewitt算子、基于图谱理论的阈值分割等方法所获得的舰船目标结果进行比较,图像处理的结果表明运用小波变换方法所提取的目标边缘对海上舰船目标的识别有良好的效果。     

基于最优小波包的改进型SPIHT图像压缩算法

提出了一种基于最优小波包的SPIHT图像压缩新算法。分析了SPIHT算法和小波系数的特点。根据图像经过小波变换后．最高分解层的小波系数要比其它分解层的小波系数大得多这一数据特性，对多级树集合划分(SPIHT)算法进行了改进。并且．将所有的正交滤波器都分解成一系列的阶梯，从而实现了快速算法。实验结果表明：基于文中提出的SPIHT快速图像压缩算法是一种有效的压缩算法，其压缩速度、图像复原质量等关键技术指标均优于标准的SPIHT编码算法。