基于小波变换的正则化盲图像复原算法

提出了一种将小波变换和自适应正则化方法相结合的盲图像复原算法。该算法先对退化后的图像进行小波分解,得到图像在不同子频段的信息;然后针对各个子频段内图像的频率和方向特性,使用不同的自适应正则化复原方法,在图像的低频子频段进行去模糊;高频子频段则进行抑制噪声和保边缘特征;最后通过小波逆变换得到复原后的图像。实验结果表明, MSE减少了1.60,信噪比增量为1.76,算法性能和复原效果相对空间自适应正则化方法,都有一定的提高。     

基于小波与双三次插值的高温锻件红外图像增强方法

提出了一种基于小波变换和双三次插值的图像处理方法,该方法利用离散小波将原图像分解成低频子带与高频子带,然后对原图像及这些子带分别进行双三次插值,同时提出增加一个中间步骤来估算高频子带,即扣除原低分辨率图像和插值后的LL子带中的相同成分而得到不同成分的图像（高频成分）,然后利用不同成分的图像对高频子带LH、HL及HH分别进行校正融合,并通过小波逆变换对这些图像进行融合重构。该方法不仅能够有效地消除图像噪声,改善细节信息,而且能够最大限度地保留边缘信息和增加图像的清晰度。最后运用该方法和传统算法分别对核电主管道高温锻件和小型高温锻件的红外图像进行增强处理,实验结果验证了该方法的可行性及优越性。     

基于补偿机制的NSCT域红外与可见光图像融合

针对传统基于非下采样Contourlet变换和脉冲耦合神经网络的图像融合方法易出现图像失真的缺点,本文提出一种基于小波变换与PCNN补偿的NSCT域内红外与可见光图像融合方法。首先将红外和可见光图像分别进行NSCT分解,得到低频分量和高频分量;然后对低频分量进行二维小波分解,得到1个低频子带和3个方向子带,对其低频子带采用局部能量加权的方法进行融合,其余3个子带采用绝对值取大的方法进行融合;NSCT分解的高频子带融合规则分为对最高层的融合和其他层的融合,最高层采用绝对值取大的方法进行融合,而其余层采用的是基于改进型的PCNN的方法进行融合;最后将得到的低频子带和高频子带进行NSCT重构获得融合图像。合成及真实图像集实验结果表明,本文算法相对于传统的融合方法增加了图像的纹理和细节信息,有效地抑制了图像失真问题,具有较高的融合精度与较快的融合效率。     

一种新的边缘保持局部自适应图像插值算法

为了尽可能降低噪声的影响和保持图像的边缘信息,提出了一种新的边缘保持局部自适应图像插值算法。算法首先对分割成部分重叠的各子图像进行整数小波变换,然后对于高频子带进行逐点BayesShrink阈值去噪和中值滤波去除高斯和椒盐噪声,同时对于低频子带进行亮度保持的直方图均衡增强图像的对比度,最后根据自适应阈值Canny边缘检测将子图像划分为平坦和边缘区域,分别进行施用双线性插值和非线性插值。实验结果表明,MBW图像插值算法得到的插值图像有较好的主观图像质量,其峰值信噪比(PSNR)比传统方法平均提高了2.23～2.96dB。     

图像对比度增强的小波变换法

对图像进行离散小波变换,对分辨率较好的高频子带直接用所提出的去噪算法去噪;对分辨率较差的高频子带用非线性增益法结合去噪法增强;给出一种评价图象质量的准则.实验表明,新算法在有效增强图像对比度的同时,又能很好的抑制图像中白噪声.     

小波分析在模拟电路故障特征提取中的应用

针对模拟电路故障特征提取,提出了在小波变换Mallat算法的基础上,结合快速傅里叶变换的方法.该方法选用dbN小波,利用Mallat算法将信号分解,得到一系列高频和低频子带,分别对各子带进行快速傅里叶变换,从而得到各子带上信号的频谱.文章给出了采用该方法的基本步骤和应用实例,应用表明该方法可以有效辨别模拟电路参数型故障,准确得到故障特征.     

基于小波变换纹理一致性测度的遥感图像融合算法

本文提出了一种基于小波变换的遥感图像融合算法，利用多分辨小波变换的系数，采用低频图像的小波系数最小值作为融合后的低频系数，高频图像根据纹理一致性测度的纹理检测确定融合规则，调整高频小波系数大小。利用小波变换对图像相对应的低频分量及各方向细节分量进行针对性融合处理，很好地将来自不同图像的特征与细节融合在一起，并对融合图像质量进行了对比评价。实验结果表明，这种方法能够在保留图像微小细节方面获得满意的结果，这种算法有效且优于传统的图像融合方法。     

红外图像对比度增强的小波域广义交叉确认法

对红外图像进行平稳小波变换,分辨率较好的各高频子带直接去噪;分辨率较差的各高频子带用非完全贝塔变换法结合去噪进行增强.实验表明,本文提出的方法在有效地增强红外图像对比度的同时,又能很好地抑制红外图像中白噪声.     

利用Contourlet变换和方向Teager能量的图像融合

提出一种基于Contourlet变换和方向Teager能量的图像融合算法。首先采用Contourlet变换对图像进行分解,然后高频子带图像分别按行和列进行Teager能量计算,选取最大Teager能量作为融合算子,对于低频系数和方向高频系数采用最优加权系数算法来实现图像的融合处理。实验结果表明,提出的算法与小波分解算法相比不仅可以保留原始图像边缘和纹理信息,而且可取得良好的融合视觉效果。     

基于多小波收缩与子带增强的图像去噪方法

边缘特征是图像最为有用的高频信息,因此在图像去噪的同时,应尽量保留图像的边缘特征,基于这一思想,提出了多小波阈值收缩与子带增强相结合的图像去噪方法.该方法以多小波变换为基础,将变换后的多小波系数分为噪声相关系数和边缘相关系数,对变换系数进行软阈值多小波收缩消去噪声相关系数;阈值收缩是非线性变换,对图像边缘有平滑作用,因此该方法提出在阈值收缩后进行线性的子带增强,增强边缘相关系数.实验表明与单一的阈值收缩方法相比,该方法不但保留了图像的边缘特征,而且提高去噪图像的峰值信噪比,实验结果优于普通的阈值收缩方法.