基于反对称双正交小波分解系数的模极大值的信号快速重构

因为反对称双正交小波具有近似微分算子性质,该文用它对信号作无下采样(Un-decimated)的小波变换,以此获得信号在各尺度下与信号的边缘点相对应的局部模极大值。在只保留这些局部模极大值(即边缘)点信息的条件下,利用高斯函数直接拟合各级小波系数,然后再作小波逆变换就可恢复原信号。实验表明,与现有的采用二进小波变换的方法比较,该方法更加简便快捷。     

基于小波变换的目标边缘搜索分割方法

为满足目标识别实时性、抗噪声的要求,提出了利用小波变换的图像边缘搜索分割方法.用反对称双正交小波算子对图像进行小波变换,对小波变换模极大值进行启发式搜索检测边缘,得到目标边缘的链码表示.该搜索方法能较好地克服噪声干扰,边缘丢失时能通过在模值分布图中搜索找回边缘,增强算法的鲁棒性.实验结果表明,在同样平台下,使用该方法检测边缘能减少一般小波多尺度分析的计算量,计算速度与使用Sobel算子的梯度方法相当,且具有更好的抗噪声能力.该方法边缘连接良好率高,特征提取方便,综合提高了图像处理算法效率.     

基于小波多尺度相关的特征边缘提取方法

根据采用小波变换提取图像边缘的多尺度特性,对小波多尺度间的相关性进行了分析,提出多尺度小波变换相关算子,分析了相关算子的滤波特性,利用相关算子对图像的多尺度边缘信息进行了优化.既保留了图像中重要的细节边缘信息,又剔除大量的冗余边缘和虚假边缘,有效地提取出了图像的特征边缘.     

基于小波变换的多尺度图像边缘处理

对小波变换后的图像边缘信号关于多尺度边缘检测、提取和重建方面进行了讨论,以利于进一步对图像进行有效的编码、识别和增强等处理;同时也讨论了将小波变换与多尺度边缘检测方法有机结合起来的一些实用技巧。     

基于多尺度Wiener滤波器的分形噪声滤波

针对淹没在1/f噪声中的有用信号恢复问题,本文提出了一套基于双正交小波变换与Wiener滤波的多尺度滤波算法,并设计出多尺度Wiener滤波器.首先,利用双正交小波变换将带有1/f噪声的信号分解成多尺度的子带信号,通过小波变换对1/f噪声的白化作用,消除了1/f噪声的非平稳性、自相似性和长程相关性.其次,在小波域内,利用Wiener滤波,实现了噪声和有用信号的分离,估计出了各子带中的有用信号.最后,利用双正交小波的精确重构性,较好地恢复出淹没在1/f噪声中的有用信号.仿真实验表明,该滤波器能有效的抑制分形噪声,显著地提高信噪比.     

使用小波变换的图象边缘检测算法

将小波变换理论应用于图象边缘提取，提出了一种新的图象边缘检测算法。一种相对于（ｃ０，ｃ３）＝（０．０５，０．０５）的对称尺度函数被用于二进小波变换，得到原图象的一个多分辨率表达式，再提取图象的边缘特征。     

基于小波变换的红外图象多尺度边缘检测

本文讨论了小波变换及其应用于多尺度图象边缘检测的原理，对一幅红外图象给出其多尺度边缘检测的计算机仿真结果，而且与传统的边缘检测方法进行比较，从而得出基于小波变换的多尺度边缘检测是一种较好的方法     

多尺度对称变换及其应用于定位人脸特征点

提出了一种在图像的反对称双正交小波分解数据域中,实现多尺度对称变换的方法,并将它应用于脸部图像中主要特征点的定位.这种方法与直接在原始图像数据域中的同类方法相比,能大幅度减少计算量、加快定位速度,并明显提高定位准确度.除此之外,由于它是在小波分解数据域上实现的,这就为在图像数据压缩域中提取人脸图像特征奠定了基础.     

基于小波边缘提取的目标光学相关识别

为提高联合变换相关器对复杂背景图像的识别能力,提出了基于小波变换边缘提取的联合变换相关器。利用具有多尺度分析功能的小波变换工具对联合图像进行边缘检测,所提取的边缘图像能保留更多的细节信息,改善复杂背景下的目标识别能力。计算机模拟和光学实验结果均表明,用小波变换边缘提取的联合图像进行相关识别,能明显增强相关峰的强度,提高目标识别能力。     

小波变换在埋弧焊V型坡口信息检测中的应用

提出了一种V型坡口光纹提取以及计算焊接纠偏量的方法。选取3次样条小波函数对图像中的每列灰度信号进行多尺度小波变换得到边缘突变点信息,再利用尺度1与尺度2上的小波变换相乘,以突出边缘、削弱噪声,可靠地提取出V型坡口光纹,最后建立数学模型,计算出纠偏量。本方法图像信号处理简洁、运算量小,可应用于自动焊接的实时信号处理。     

结合方向边缘检测的红外与可见光图像融合算法

针对现有红外与可见光融合算法中存在边缘模糊与目标不清晰等问题,通过对红外图像与可见光图像的研究,提出一种基于方向边缘检测的红外与可见光的图像融合算法。通过在传统的边缘检测算法基础上,引入一个方向因子,提出了一种新的方向边缘检测算法;并根据高频子带与低频子带中小波系数的不同特性,分别对其采用了不同的融合规则。实验结果表明,该算法能够有效的提取图像中的边缘信息与目标信号,具有可靠性高、清晰度高的市场优势。     

一种改进的医学图像边缘检测算法

医学图像边缘检测是医学图像处理领域的核心技术之一,寻求既能精确定位图像边缘,又能有效抑制图像噪声的算法一直都是医学图像处理领域的热点和难点。结合小波分析理论,在经典边缘检测算法的基础上提出了一种改进的基于小波分解的医学图像边缘检测算法。算法的实质就是在图像边缘检测前利用小波分析理论对图像进行特定的预处理。实验结果证明,此算法的性能要优于经典边缘检测算法的性能。     

基于M带小波变换与模糊聚类的图像去噪算法

M带小波变换是标准二带小波变换的自然推广,能够分析具有相对窄带的高频信号,而且能更好的集中信号能量,因此在信号处理中应用广泛。本文结合模糊聚类算法,提出了一种新的基于M带小波变换的图像去噪算法,利用模糊聚类算法把小波系数划分成两类：包含信号的小波系数与只包含噪声的小波系数,对只包含噪声的小波系数置为零,将包含信号的小波系数进行利用软阈值法进行收缩,最后对处理后的系数进行M带小波逆变换,得到去噪后的图像。对SAR图像的实验结果表明,该算法有效,而且能较好地保留边缘信息。     

基于小波域改进HMT模型的图像恢复算法

针对图像恢复中的边缘模糊问题,提出了一种基于小波域改进隐马尔可夫树( IHMT) 模型的图像恢复算法。IHMT模型更多描述了相邻尺度小波系数的互相关性,能准确刻画自然图像小波系数的统计特性。本文从图像恢复的贝叶斯框架出发,将简化的IHMT模型作为图像小波域的先验模型,构造正则化约束进行图像恢复。采用近似等价的方法,将含有混合密度的恢复方程简化为单一密度求解。实验结果表明,该算法能有效再现图像的边缘信息,提高峰值信噪比。     

基于提升小波的自适应阈值边缘检测新算法

针对传统的单一边缘检测算法抗噪能力差、边缘不连续等缺点,本文提出采用两种算法相结合的方式来进行边缘检测。首先,对原始图像进行多层小波分解;对分解后的图像低频部分用提出的改进提升算法进行边缘检测,对高频部分用小波变换的局部模极大值算法检测边缘;通过将各层边缘信息按一定的融合规则融合起来得到一个组合边缘,最后细化图像边缘。实验证明,这种方法相对于传统小波分析有着计算量小,计算速度快和要求存储空间小等诸多优势,同时,也能做到不丢失图像信息,保证了边缘的连续性和封闭性,检测效果较好。     

基于图像融合的双波段目标跟踪算法研究

针对红外和可见光图像各自的特点以及单一传感器在目标跟踪中的缺陷,提出了基于双波段融合图像的目标跟踪算法。该方法对原始图像进行小波分解后,为了满足目标跟踪的稳定性及实时性,重点考虑目标跟踪时需要的边缘等细节信息,采用对低频系数取零,高频系数基于小波系数绝对值取大的融合方法,然后对融合后的图像采用基于Mean shift算法进行目标跟踪。实验结果表明,此算法可以稳定并且实时跟踪目标,通过对单波段采用相同的跟踪算法进行比较,算法在性能上优于单波段的目标跟踪。     

使用改进的POCS算法的超分辨率图像复原

超分辨率复原技术的基本思想就是采用信号处理的方法,在改善图像质量的同时,重建成像系统截至频率外的信息。POCS（凸集投影）算法是一种广泛应用于图像超分辨率复原的方法。针对传统的POCS算法的边缘振荡效应,在分析其产生的原因．造成的影响的基础上,采用改进的POCS算法,以减少边缘振荡。采用基于小波变换模极大值的改进POCS算法进行图像超分辨率复原。实验结果表明,该方法有效的较少了复原图像的边缘振荡效应,是一种有效的图像超分辨率复原方法。     

一种改进的小波阈值裂纹图像去噪法

文中采用一种新的小波阈值法进行数字图像去噪。该方法是在原有小波算法之上进行改进,一方面改进闽值公式,寻求最优的阈值,获取更好的边缘保护,从而达到图像原始信息完整性;另一方面通过优化阁值函数获得改进的阚值方法,提高小波系数阈值判断的准确性,获得更好的去噪效果。实验结果表明,与通常的方法相比较,能更好的去除数字图像噪声、保护图像边缘,获得更好的峰值信噪比、边缘保持指数和更好的视觉效果,达到去噪要求。     

基于方向小波变换的边缘检测算法

提出了一种基于方向小波变换的边缘检测算法.本文详细介绍了方向小波变换的原理、基于此的图像边缘检测算法,比较了方向小波变换和传统小波变换、Canny算子在图像边缘检测的效果.实验结果表明,方向小波变换更符合图像的方向、纹理特征,因此更能反映图像的边缘信息,对传统的小波变换、Canny边缘检测算法有一定程度的改进.