一种基于小波多尺度边缘表示的图像滤波方法

该文首先介绍了信号小波变换的模极大值点和过零点的特性以及信号的多尺度边缘表示方法,然后介绍了一种在尺度空间基于小波多尺度边缘表示的图像非线性滤波方法。实验结果表明,这种滤波方法能取得令人满意的结果。     

基于多尺度稀疏表示的图像融合方法

针对目前基于稀疏表示的常用图像融合算法计算复杂度高以及忽略图像局部特征的问题,提出多尺度稀疏表示(multi-scale sparse representation,MSR)的图像融合方法.充分利用小波多尺度分析较好突出图像局部特征的特点,将其和过完备稀疏表示有效结合;待融合图像在小波解析域中进行小波多层分解,对每个尺度的特征运用K-SVD (kernel singular value decomposition)多尺度字典进行OMP (orthogonal matching pursuit)稀疏编码,并在小波域中各个尺度中进行融合.实验结果表明,与传统的小波变换、轮廓波变换、稀疏表示融合算法相比,该算法更能保证图像局部特征的完整性,实现更好的性能.     

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.     

一种新的多分辨率图像融合方法研究

基于小波的轮廓渡变换是一种新的图像变换方法,提出了一种采用基于小波的轮廓波变换的图像融合方法,先采用基于小波的轮廓波变换对图像进行多尺度多方向分解,再对分解所得的低频和高频部分分别采用不同的融合规则进行融合.实验结果表明,该方法融合图像的多项指标都优于采用小波变换、轮廓波变换等的方法.     

基于Contourlet变换尺度相关多阈值降噪算法

该文研究了多方向多尺度几何分析工具轮廓波Contourlet变换,在总结了Contourlet变换稀疏尺度关系的基础上,提出了一种基于Contourlet变换多阈值尺度相关降噪算法,利用Contourlet变换多分辨率以及优越的方向性进行阈值降噪,根据Contourlet变换后各个尺度间的相关特性及噪声强度设定不同的阈值,由于Contourlet变换比小波变换更稀疏的表示方式,更好地表示图像的细节,在图像降噪的过程中能更好地保护图像的纹理以及边缘,使得降噪后的图像在细节方面更突出。     

基于Contourlet变换尺度相关多阈值降噪算法

该文研究了多方向多尺度几何分析工具轮廓波Contourlet变换,在总结了Contourlet变换稀疏尺度关系的基础上,提出了一种基于Contourlet变换多阈值尺度相关降噪算法,利用Contourlet变换多分辨率以及优越的方向性进行阈值降噪,根据Contourlet变换后各个尺度间的相关特性及噪声强度设定不同的阈值,由于Contourlet变换比小波变换更稀疏的表示方式,更好地表示图像的细节,在图像降噪的过程中能更好地保护图像的纹理以及边缘,使得降噪后的图像在细节方面更突出。     

核协同表示下的多特征融合场景识别

针对复杂场景识别中单一特征提供信息不充分这一问题情况,提出一种多尺度远距离点差值统计变换特征。通过Gabor滤波获得图像的多尺度特征信息,在像素图和滤波图上分别提取改进的远距离点差值统计变换特征,从而生成多尺度描述子,最后将多尺度统计变换特征和视觉词袋模型特征通过核协同表示融合后进行场景分类。该方法充分考虑了尺度信息和远距离点信息,解决了单一特征区分度低的问题。算法在两个标准数据集上进行对比实验,结果表明所提算法取得了较好的识别效果。     

相似尺度图像融合算法

提出了一种新的融合思想,即图像应在相似尺度（similar scale,SS）上进行融合．当融合低分辨率多光谱图像与高分辨率全色图像时,一般的方法没有考虑到插值的多光谱图像和高分辨率的全色图像的尺度不一致性．基于相似尺度的思想,图像融合算法如下．首先,使用“atrous”离散小波变换分解高分辨率全色图像,使其低通分量与插值后的多光谱图像具有相似的尺度．然后,用加权多尺度基本形式（weighted mutlitscale fundamental form,WMFF）来融合它们得到合成的最低频带．最后,“atrous”逆小波变换用来重建高分辨率的多光谱图像．与其他的基于小波变换的图像融合算法相比,基于相似尺度的融合方法取得了更好的融合结果．     

基于多尺度分析的红外图像边缘特征融合算法

针对红外图像特点 采用基于正交小波变换的多尺度边缘检测方法,利用小波变换天生的多尺度特性,检测出不同尺度、不同精度下的边缘特征,融合形成图像边缘。     

基于非下采样Contourlet的多传感器图像自适应融合

提出了一种基于非下采样Contourlet变换的多传感器图像自适应融合方法,采用黄金分割法搜索最优的低频融合权值.自适应地对多传感器图像的低频子带系数进行融合.非下采样Contourlet变换是一种新的图像多尺度、多方向的表示方法,适合表达具有丰富细节信息及方向信息的图像,且该变换具有平移不变性,可以避免一般方法对融合图像引入的振铃效应,它的高频方向子带捕获了多传感器图像的显著特征,文中采用同一尺度下方向子带信息和取大的规则对高频系数进行融合.实验结果表明,与基于拉普拉斯塔、小波、平稳小波和Contourlet变换的方法比较,文中所提出的方法可以获得较好的融合效果.     

方向滤波抗混叠的低冗余图像多尺度变换

目的 为了兼顾图像变换的低冗余性和方向滤波时抗频谱混叠特性,设计一种新型基于抗混叠方向滤波的低冗余图像多尺度变换。方法 该变换由小波级联频域方向滤波器组组成。由于频域内构造的方向滤波器的频谱支撑满足紧支撑性,因此滤波后形成的图像方向子带之间不会存在频谱混叠现象,并且根据其特点采用一种新颖的降采样方式,使得各个方向子带在降采样操作后仍具有平移不变性。结果 该变换可有效降低冗余,同时能够消除因移变性导致的频谱混叠现象,提高了方向滤波器组的方向选择性。结论 仿真实验结果表明,新型图像多尺度变换在图像稀疏表示、压缩等领域均获得良好效果。     

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。     

多传感器单模型动态系统多尺度分布式融合估计

近几年来,小波理论和信号的多尺度表示方法都得到了迅速发展,并在包括信号处理和图像处理在内的众多领域中得到了成功的应用,而在这些领域中,目前一个较为活跃的分支是基于小波变换的多尺度表示的统计信号处理。运用多尺度分析的思想,将基于模型的动态系统分析方法与基于统计特性的多尺度信号变换方法相结合,建立起状态基于多源观测信息的多尺度分布式融合估计和单源观测信息的多尺度分布式估计两种新算法,用计算机仿真研究验证了算法效能。     

基于小波表征的遥感影像的目标检测

指出了基于像素灰度值的影像表征方法在表达检测目标信息上的不足,提出了运用小波变换的方法对遥感影像进行信息提取和表达。为了增强表达检测目标信息的能力,采用H aar母小波作为影像小波变换的小波基。实验表明:基于小波变换的表征方法在遥感影像目标检测的诸多性能指标上都优于基于影像像素灰度值的表征方法。     

基于期望值最大算法和离散小波框架的图像融合

The discrete wavelet transform has become an attractive tool for fusing multisensor images. This paper investigates the discrete wavelet frame transform. A major advantage of this method over discrete wavelet transform is aliasing free and translation invariant. The discrete wavelet frame (DWF) transform is used to decompose the registered images into multiscale representation with the low frequency and the high frequency bands. The low frequency band is normalized and fused by using the expectation maximization (EM) algorithm. The informative importance measure is applied to the high frequency band. The final fused image is obtained by taking the inverse transform on the composite coefficient representations. Experiments show that the proposed method is more effective than conventional image fusion methods.     

多尺度框架误差分散逆半调方法研究

摘 要：通过分析现有基于滤波的误差分散逆半调方法,提出了一种多尺度逆半调框架。基于该框架,引入平稳小波变换,提出了一种新的逆半调算法。首先,对半调图进行3尺度离散平稳小波变换,通过分析各尺度图像的频谱特性,构造了HIST滤波器,并结合尺度间小波系数的相关性,采用不同策略分别抑制各尺度图像中的噪声,最后利用小波反变换得到逆半调图像。实验验证了多尺度逆半调框架的正确性,并且该算法所得逆半调图像具有良好的视觉效果,能保持图像边缘,峰值信噪比也有所提高。     

基于二进小波变换的多尺度图切割方法

针对传统多尺度图切割方法进行图像边缘轮廓提取时仅采用高斯低通滤波和一阶微分求导,而忽略轮廓精度的缺陷,提出利用二进小波变换的方法进行多尺度边缘检测。在建立多尺度相似矩阵的过程中,根据每层小波的特性直接对各个尺度的相似矩阵进行构造,有效地减少了求解相似矩阵的运算复杂度,降低了内存消耗。实验结果表明,该方法与传统多尺度图切割方法相比具有更好的分割效果。     

一种新的线边界检测方法

提出了一种超声图像的多尺度非线性抑噪的自适应线边界检测方法，首先对超声斑点图像进行多尺度分解，然后对高频部分应用非线性软阈值方法来抑制斑点噪声，再利用逆小波变换重建图像，最后采用基于“窄条”的线边界检测方法对降噪图像进行处理，以不同方向与大小的“窄条”来近似组织边界，其中“窄条”的大小由基于区域增长的局部统计特性决定．仿真实验与组织超声图像验证了此方法在抑制斑点噪声与增强边界方面具有良好的性能．     

小波变换压缩图像的多尺度自适应2D滤波的后处理算法

在基于小波变换的低比特率的图像压缩中,由于小波系数的量化和在高频部分的截断使压缩后的图像呈现出严重的失真,尤其在图像的边缘部分将呈现明显的“振铃效应”．文中提出了一种多尺度、基于局部方向、自适应的2D滤波算法,可以明显改善压缩后图像的视觉效果．该方法首先判定子块内的局部方向,然后根据此方向选用相应的方向2D滤波器滤波．为了保证判断局部方向的鲁棒性,采用了循环移位的方法．为了滤除各个频段的高频噪声,在多个尺度上进行空域滤波．实验结果表明,该算法明显改善了压缩图像的视觉效果,提高了压缩图像的质量．