一种基于小波变换和人类视觉系统的图像压缩算法

为了解决大数据量的图像信息给存储器存储容量、通信信道带宽和计算机处理速度带来的压力,必须对图像进行压缩处理。提出了一种基于小波变换和人类视觉系统的图像压缩算法用以提高对高质量图像的压缩效果。该算法首先使用小波滤波器选择模型及最佳滤波器以得到最小数目的非零小波系数。其次,利用人类视觉系统特性对分解后的小波系数进行有效的量化处理,最终进行小波编码,实现对图像的压缩。实验结果表明,所提出的算法对高质量图像进行压缩所达到的效果要优于传统压缩算法。     

小波分析在图像处理中的应用

本文比较全面地探讨了小波分析在图像处理中的应用,涉及的范围主要包括图像压缩、图像去噪、图像边缘检测(图像特征提取和识别)、图像目标检测、图像增强、图像配准、图像镶嵌、图像细化、图像融合、图像分解等方面.同时还与其他传统分析方法比较,介绍了小波分析方法的独特优势.最后展望了小波分析的前景.     

基于小波变换的干涉条纹边缘检测

为了更好的对干涉条纹进行分析,就必须预先对条纹图像进行预处理.在对比传统边缘检测的基础上引入小波分析理论,对干涉条纹利用小波变换进行平滑处理,同时,利用小波变换的分解强化了图像的边缘信息.通过计算机模拟,可以得部门引入小波变换后对于条纹的边缘检测能够取得优丁传统边缘检测的结果.     

基于小波的图像压缩处理分析

介绍了基于小波的图像多分辨率分析方法及小波图像压缩的基本原理，论述了在图像小波处理过程中小波函数类型的选择同题，并通过实例对EZW、SPIHT和MRWD三种小波图像压缩方法进行了分析和比较。     

使用提升小波进行超分辨率图像重建

介绍了提升小波变换,研究了提升小波的优点,提出了使用提升小波进行超分辨率图像重建的方法。对原图进行旋转、平移、加噪并进行下采样,得到低分辨率图像序列。选取阈值,对低分辨率图像序列进行提升小波前向变换,然后通过提升小波逆变换得到重建以后的超分辨率图像。与传统的几种重建方法进行比较,实验结果表明,本文的方法能够使重建图像有更好的信噪比,而且在像素较大和低分辨率图像数目较多的情况下,有更快的重建速度。     

基于提升小波变换的指针式仪表图像边缘检测

为解决工业中对指针式仪表的自动检定,针对自动检定系统中所涉及的图像边缘检测技术难点,分析了现有传统算法的不足之处,提出一种有效的基于提升小波变换的边缘检测算法。该算法利用提升小波变换尺度的低通作用,避免受高频噪声影响,在传统边缘检测算法的基础上,提取低频轮廓。利用小波系数的方向性,结合方向性边缘检测算子,获得高频边缘信息,最后利用小波重构获得准确清晰的图像边缘,为后续Hough变换准确的提取指针提供了有利保障。实验结果表明,该算法得到的图像边缘较传统Canny算法更清晰准确,无虚假边缘,应用于仪表自动检测系统中是可行的。     

结合运动补偿的三维小波图像编码

随着小波变换在图像序列编码方面应用的不断深入，三维小波图像编码技术日益引起了人们的注意。本文针对目前三维小波图像编码方法的不足，将传统的运动补偿技术用于三维小波图像编码，模拟结果证实了该方法的有效性。     

基于逐层最优基小波和贝叶斯估计的电缆瓷套终端红外图像自适应去噪方法

抑制图像噪声是电气设备红外诊断技术的前提。为了有效抑制白噪声,提高诊断的准确性,提出一种用于电缆瓷套终端红外图像的基于逐层最优基小波和贝叶斯估计的自适应去噪方法。该方法首先将红外图像真彩图分解为R、G、B颜色分量图像。对每一颜色分量图像,定义小波分解尺度系数能量百分比,基于能量百分比最大的原则,自适应选取最优基小波对颜色分量图像逐层进行小波分解,并结合Bayes最优估计准则对细节小波系数进行处理,对尺度系数和处理后的小波系数进行逐层小波重构,得到去噪后的颜色分量图像。将去噪后的颜色分量图像进行合成,得到去噪后的图像。该方法能够有效地去除白噪声,并且使去噪后的图像尽可能保留细节信息。数值试验表明,与运用sym4小波进行单一小波分解去噪方法比较,运用该方法去噪后图像的信噪比(SNR)更高,最小均方误差(MSE)更小。     

小波变换在HSV颜色空间上的图像检索应用研究

在传统的基于小波变换的图像检索方法中,并没有对HSV颜色空间的不同颜色分量进行小波变换并考虑它们的重要性大小。针对这个问题,提出一种新的在HSV颜色空间中利用小波变换进行图像检索的方法。该方法首先将每张图像由RGB颜色空间转换到HSV颜色空间,然后分别对图像的每个颜色分量（H,S,V）进行小波变换,并用小波系数矩阵的二阶矩表示图像的纹理特征,从而得到图像的特征向量,最后根据三个颜色分量重要性大小合理分配权值,计算查询图像与图像数据库中图像的相似度,得到图像检索结果。实验结果表明,本方法在图像实验数据库中能获得较好的检索效果。     

双树复小波域图像非线性扩散滤波

提出了结合一种双树复小波变换的非线性扩散图像滤波模型。充分利用了双树复小波变换和非线性扩散两者的优点。通过对噪声图像经双树复小波变换后的不同尺度上的子带图像进行扩散,在双树复小波域计算子带图像的梯度.采用p-范数方法选择合适的梯度阈值,在扩散过程中可以根据图像属性自适应选择扩散强度。实现了建立在图像精细分析基础上的新非线性扩散模型。实验分析表明,提出的模型能有效抑制传统非线性扩散模型出现的阶梯效应,在对图像滤波的同时能保留更多的图像边缘,纹理等细节信息。     

基于小波变换和边缘模板相结合的序列B超图像边缘提取

由于B超图像的分辨率差、灰度级别少等特点,用传统的边缘检测难以得到满意的效果。本文采用了基于离散二进小波变换的门限选取法,通过检测图像直方图不上波变换的零交叉点来得到图像的边缘;进而又构造出一种边缘模板,利用小波变换和边缘模板相结合的方法提取出序列B超图像的边缘。     

基于小波核相似度量函数的谱分割算法

由于高斯核的参数敏感性,导致在传统谱分割中往往无法识别图像数据的部分特征信息,图像分割准确率下降。为提高图像分割准确率,构建了一种基于小波函数的核相似度量函数,利用小波函数的多分辨率特性,对图像进行相似度量;证明了该核函数是可容许核,分析了该函数作为相似度量函数的可行性及其多分辨率分析特性;最后,提出了基于该小波核相似度量函数的谱分割算法。在Berkeley数据库的实验结果显示,该算法能够提高图像分割结果的精度,识别图像中的细节信息。     

小波图像消噪中阈值与信噪比的单峰规律及阈值试探方法

本文研究了小波图像去噪过程中阈值与信噪比的关系,通过大量的仿真得出了小波图像消噪过程中,在不同的噪声强度下,信噪比与小波阈值之间存在单峰性的特征.基于该单峰规律,提出了一种小波图像消噪的阈值试探方法.该方法通过不断地调整小波去噪的阈值,以求得接近最大信噪比时的阈值,从而确定具有接近最大信噪比时的小波阈值,因此可以获得比常用小波阈值估计方法更清晰的图像.仿真结果表明该方法可以得到一个较高的信噪比,去噪效果较好.     

基于小波包分析的指纹图像初滤波

结合指纹图像高频丰富的特点,以及小波包分析高频分辨率高的特性,采用小波包分析对指纹图像进行初滤波。实验表明,该方法对含高斯白噪声的指纹图像取得了较好的滤波效果。     

基于小波包分析的指纹图像初滤波

结合指纹图像高频丰富的特点,以及小波包分析高频分辨率高的特性,采用小波包分析对指纹图像进行初滤波。实验表明,该方法对含高斯白噪声的指纹图像取得了较好的滤波效果。     

基于模拟退火的寻找给定压缩图像的最优小波算法

本文根据给定图像,提出了一种寻找其最优小波的方法,该法首先推导了长度为N的小波滤波器的参数化公式;然后用模拟退火来寻找给定图像的最优小波,并详细讨论了该算法的基本要素、实现以及优点;最后,在matlab上进行了实验,实验表明本文算法效果良好.     

基于WNN的电阻层析成像图像重建算法的研究

本文对于电阻层析成像系统的图像重建提出了一种基于小波神经网络的图像重建算法,介绍了电阻层析成像技术的原理、数学模型及问题描述,给出了小波神经网络的结构、特点及图像重建的过程.利用MATLAB编程进行了图像重建的仿真实验.仿真结果表明,与线性反投影算法相比,小波神经网络算法提高了重建图像的质量.用横截面图像误差作为重建图像质量的评判标准,线性反投影算法的误差超过了10%,而小波神经网络的算法低于5%.     

AOI检测系统光照不均的校正方法研究

针对电子组装业自动光学检测(automatic optical inspection,AOI)系统光照不均情况,分析了背景去除法、传统同态滤波法2种校正方法,并将一种改进的基于小波变换的同态滤波方法应用于该领域。该方法对目标图像进行多层小波分解,对各层高低频系数滤波处理,减弱低频系数,增强高频系数,然后进行小波重构,从而达到光照不均校正的目的。然后取PCBA(printed circuit board assembly)图像进行了3种方法的实验对比,结果证明了改进的基于小波变换的同态滤波方法在AOI系统中具有很强的实用性。     

一种新的基于小波变换的SAR图像相干斑噪声抑制方法

本文从SAR图像相干斑噪声的产生机理出发,分析了各种滤波方法的优缺点后,在传统小波去噪的基础上提出了一种新的基于小波变换的SAR图像相干斑噪声抑制方法。该方法通过对小波分解后的高频区域进行二阈值分割,结合高频区域的方向特性和中值滤波方法,引入方向滤波窗口对不同分区进行不同的噪声抑制处理。实验结果证明了该方法的有效性,即此方法不仅拥有良好的去噪能力,而且能够很好的保持原图像的边缘信息.     

基于小波变换的图像数据压缩

针对图像数据在二维小波变换后多辨率塔形结构的小波系数的特点,提出了适应数据特点的处理技术和压缩方法。大幅度地降低了图像数据间的冗余度,取得了较好的压缩效果。