基于Ridgelet变换的图像融合

文章介绍了小波变换和脊波变换在表达信号特征上的区别、脊波变换的实现方式,讨论了基于脊波变换的图像融合思想。通过一系列图像融合实验,研究了脊波变换中图像子块的大小对融合图像的质量的影响,重点说明了脊波变换在保持融合图像的空间细节信息上的能力。     

基于脊波神经网络的短期风电功率预测

对风电功率进行较为准确的预测是提高电力系统运行安全性与经济性的有效手段.在分析脊波神经网络原理的基础上,将其应用于风速、风向及风电功率预测.首先建立预测模型分别预测风速及风向,再采用非线性神经网络实现对实际功率曲线的逼近,最后根据风速预测值和实际功率拟合曲线计算功率预测值.仿真结果表明,采用脊波神经网络预测方法相对于小...     

动态心脏超声波序列图像压缩的脊波方法

在介绍脊波理论的基础上,采用平行束投影(Radon变换)加整数小波变换的方法来实现脊波变换,以此为基础设计出一种压缩方案,并将其应用到动态心脏超声波序列图像的压缩中。由于平行束投影对噪声具有抑制作用,整数小波变换可以节约系数的存储空间,因此在相同的压缩环境下,与直接用2-D整数小波变换进行压缩相比,文中的方法能得到更大的压缩比。编码脊波系数时,提出按投影分度方向来组织和预测脊波系数的思想,使得该方法在实现嵌入式编码的同时还具有了较强的鲁棒性。文中的方法可用于远程医疗、CT、MRI和视频压缩等领域。     

基于脊波变换的金融汉字不变性特征提取方法

为了满足对多方向选择性的要求,提出一种基于脊波变换的手写体金融汉字的不变性特征提取方法。该方法首先利用Radon变换将原始图像的旋转转换成Radon域的环形移位,再利用傅里叶变换振幅具有平移不变性的特点,在Radon域应用一维傅里叶变换,得到的振幅矩阵具有旋转不变性,它对旋转不变特征提取是非常理想的;然后沿振幅矩阵行的方向执行一维多分辨小波变换,使得从频域适当的子带提取特征成为可能;从Ridgelet子带中提取均值、标准差和能量组成特征向量。通过实验的验证,该方法可以满足表单自动处理系统应用对手写体金融汉字识别的要求。     

基于脊波变换的车牌边缘检测

通过分析现有的一些边缘检测方法,针对在复杂环境下对车牌图象进行分割提取这一问题,提出了一种基于脊波变换的边缘检测方法。这种方法以脊波变换为理论基础,具有多方向和多尺度性,能对车牌中的不同方向的边缘特征进行有效的检测。实验表明,该检测方法抗噪声更强,定位更准确。     

基于数字脊波和样条权神经网络的高光谱图像融合分类

提出了一种基于数字脊波和样条权神经网络的高光谱图像融合分类新算法。在特征级融合中,针对数字脊波的特点,对不同分辨率的脊波系数采用局部信息熵进行融合,并运用样条权神经网络实现了分类。在决策级融合中,提出了先用样条权神经网络进行预分类,然后用主体投票法进行决策融合的算法,为避免作为局部分类器的神经网络结构过于复杂,对输入数据先进行了像素层的融合实现数据降维,这实质上体现了一种多层次融合的思想。实验结果表明,这两种方法都能有效的实现高光谱图像的融合及分类,在较少的训练样本下分类精度能达到92%以上,其中特征级融合可达到95.87%。     

一种基于视觉特性的图像哈希认证方案*

为了使图像哈希具有更好的鲁棒性和安全性,在脊波域中提出了一种新的基于视觉特性的图像哈希方法。该方法首先将原始图像预处理,然后利用人类视觉特性提取脊波变换域上的系数,最后量化并压缩生成最终哈希值。实验结果表明,该方法能够抵抗JPEG压缩、滤波、加噪声、裁剪和旋转等攻击,且能够区分恶意窜改。生成的哈希值具有很好的鲁棒性和安全性。     

基于贝叶斯估计自适应软硬折衷阈值Curvelet图像去噪技术

针对传统阈值图像去噪方法存在的不足,提出了基于贝叶斯估计和Curvelet变换的软硬折衷阈值图像去噪方法,自适应地对不同的Curvelet子带进行阈值化处理.实验结果表明,该方法对图像中的边缘曲线特征有更好的复原.去噪后图像的峰值信噪比值（PSNR）更高,视觉效果更好.     

基于分块FRIT-SVD的鲁棒零水印算法

针对水印图像轮廓特征的提取,使用小波变换并不是最佳方式,脊波变换较小波变换有着更好的逼近精度和稀疏性能。结合二维混沌系统、SVD和位平面技术共同构造零水印信息,提出了一种基于脊波变换域的鲁棒零水印算法。该算法首先对载体图像进行二维一级小波变换提取低频域,利用分块策略对其分块并进行有限脊波变换(FRIT),经SVD提取最大奇异值构造特征矩阵后,使用二维混沌系统对特征矩阵进行置乱加密,提取特征矩阵中的重要位平面与加密水印信号结合生成注册零水印信息,不仅提高了水印鲁棒性,双重加密后的水印安全性能也得到提升。实验表明,该算法具有较好的鲁棒性、安全性和易操作性,能够有效抵抗各类图像攻击。     

多尺度脊波字典的构造及其在图像编码中的应用

在变换域图像编码技术中,图像的稀疏表示是编码的关键。该文在分析了脊波函数的缺陷的基础上,首先提出了一种多尺度脊波字典的构造方法,并通过树形结构对原子进行组织,加快了图像稀疏分解中最匹配原子的搜索速度;然后提出了一种基于树形多尺度脊波字典的匹配追踪静态图像编码方法;最后通过对量化失真与编码速率的分析,结合稀疏分解系数的分布,提出了系数的自适应量化和编码方案。实验结果表明,多尺度脊波字典能够对图像进行有效的稀疏表示;与JPEG2000相比,新的编码算法具有更好的编码性能,尤其在低比特率条件下。