基于移不变抗混叠轮廓波变换的混合统计模型图像降噪

针对抗混叠轮廓波变换缺乏平移不变性的缺陷,构造出具有近似移不变性的抗混叠轮廓波变换。在此基础上,在变换域提出一种混合统计模型图像降噪方法。该方法充分利用变换域信号系数层间层内相关性强、噪声系数无层内相关性且在小尺度下存在较强的假层间相关性的特点,采用混合统计模型对小尺度信号系数进行估计,从而避免了非高斯双变量模型放大噪声系数的风险。实验结果表明,提出的去噪法能克服轮廓波变换中的频谱混叠,避免重构图像出现"划痕"和边缘模糊现象,得到的峰值信噪比(PSNR)值分别比轮廓波硬阈值去噪、轮廓波变换域HMT去噪和抗混叠轮廓波变换域硬阈值去噪平均高2.87,1.32和1.36 dB,在有效去噪的同时,具有较好的图像边缘和细节保护能力。     

基于双密度双树复小波变换的局域自适应图像去噪

提出一种基于双密度双树复小波变换的局域自适应图像去噪算法。首先，分析了双密度双树复小波变换的原理及特点，给出了双变量收缩函数(BSF)的推导。然后，对噪声图像并行使用四个二维双密度离散小波变换，且行和列采用不同的滤波器组，实现对噪声图像的双密度双树复小波分解。根据小波系数的统计特性以及层内和层间系数的相关性，采用结合局域方差估计的双变量收缩函数对小波系数进行处理。用收缩后的小波系数重构去噪图像。最后，将该算法用于灰度图像和彩色图像去噪。实验结果表明：在噪声方差为30时，经该算法去噪后图像与噪声图像相比，获得最高的峰值信噪比增益达11.72dB，平均结构相似度最高增加2.7倍，复合峰值信噪比增益达11.68dB。且对不同噪声方差下的不同噪声图像，该算法在滤除噪声的同时保留更多的细节，去噪图像的视觉质量得到很大的改善。     

基于抗混叠轮廓波变换系数分布模型的去噪算法研究

针对轮廓波变换存在频谱混叠致使其难以获得理想的去噪效果这一问题,本文提出一种基于抗混叠轮廓波变换系数分类的混合模型图像降噪算法.该算法通过计算变换系数的尺度间相关性,将系数分为重要系数和非重要系数两类,并对二者分别采用广义非高斯二元变量分布与零均值高斯分布建模,在Bayes框架下对原始图像进行估计.实验研究结果表明,以Barbara图像为例,当噪声方差σ=30时,本文算法不仅峰值信噪比(PSNR)超过Contourlet-HMT模型去噪2.72 dB,且主观视觉效果上亦均优后者,同时还具有较高的计算效率.     

基于MAP估计的复小波域局部自适应绝缘子红外热像去噪方法

为了从强白噪声干扰的红外热像中提取真实的绝缘子盘面温度场信息,提出一种基于MAP估计的复小波域局部自适应去噪方法.首次证实了绝缘子红外热像双树复小波变换(DT-CWT)系数服从拉普拉斯分布,并对不同滤波器组采用各自最精细分解层子带系数估计噪声方差,利用待估计点圆形邻域系数估计信号方差,且随分辨率变化调整圆形邻域半径,使得MAP估计的无噪声系数更为准确,提高了去噪图像质量.实验结果表明,该方法比传统的Wiener滤波法、基于离散小波变换和DT-CWT的贝叶斯阈值去噪方法具有更高的信噪比,在有效去除图像噪声的同时,图像细节信息保留更完好.     

复小波包域局部邻域窗口阈值SAR图像去噪

提出一种基于四树复小波包变换的局部窗口阈值SAR图像去噪新方法.该方法利用四树复小波包变换具有的移不变性、良好的方向选择性和对高频信号的细致分析能力等特点,把含噪SAR图像分解成低频逼近子图和若干高频方向子图.通过对方向子图设置合理的阈值来确定最优复小波包基.在保留低频逼近子图复系数不变的同时,利用高频信号系数的邻域相关性和噪声方差随分解尺度增大而迅速衰减的特点,对最优基复小波包系数进行局部邻域窗口阈值收缩处理,从而实现降噪功能.实验结果表明,该方法计算效率高,在等视指数(ENL)、优点图(FOM)等指标上均优于传统的复小波变换、复小波包变换和Curvelet域HMT等去噪方法,能有效地抑制SAR图像斑点噪声的同时,对图像边缘和细节具有较好的保护能力.     

Curvelet域贝叶斯估计侧扫声呐图像降斑方法

针对侧扫声呐图像的斑点噪声,提出了一种贝叶斯估计的Curvelet域降斑方法.依据海底散射模型,得到侧扫声呐图像斑点噪声的瑞利分布乘性噪声模型.将取对数后的含斑图像进行Curvelet变换,依据噪声系数的瑞利分布、信号系数的高斯分布,结合贝叶斯理论的最大后验概率估计方法,在近似条件下,得到Curvelet变换域系数估计的理论解析式.采用局部自适应的邻域窗口确定方法,对Curvelet变换域处理后的系数进行逆变换,再经过指数变换后得到降斑的侧扫声呐图像.实验结果表明,在客观评价指标和主观视觉效果方面,新方法均取得了优于传统的空间滤波及基于小波的降斑方法的效果.     

结合复方向滤波器组高斯尺度混合模型及非局部均值滤波的图像去噪

提出了一种结合金字塔对偶树方向滤波器组(PDTDFB)变换域高斯尺度混合模型及非局部均值滤波的图像去噪方法。首先,建立了含噪图像的PDTDFB系数的局部高斯尺度混合模型,应用贝叶斯最小二乘法估计出去噪图像的PDTDFB系数;然后,通过PDTDFB逆变换重构得到初步去噪的图像;最后,采用非局部均值滤波平滑人工效应,从而获取最终的去噪图像。该方法充分利用了PDTDFB变换具有近似平移不变性、多尺度多方向选择性和对图像纹理边缘等细节信息的高效表示能力,以及高斯尺度混合模型对PDTDFB系数的邻域相关性的概括能力。实验结果表明:与目前几个典型的去噪方法相比较,该方法使信噪比提高了0.3~3dB,视觉效果也有明显的改善。另外,该方法不仅能有效地去除含噪图像中的噪声,同时也有效地保留了原始图像中的边缘和纹理等细节信息。     

小波降噪对汽车发动机噪声信号的处理方法研究

将以小波变换为理论基础的小波降噪技术应用于汽车发动机降噪,对含噪信号进行分解得到各层的小波系数并用阈值降噪法对其进行处理,去除噪声信号并对原信号进行重构。通过计算机仿真和结果分析对该方法进行验证,表明小波降噪技术在汽车发动机降噪中的可行性。     

由双树复数小波变换的父系数及邻域系数实现图像去噪

考虑二维双树复数小波变换(DTCWT) 有良好的平移不变性和方向选择性,基于当前系数与父系数及邻域系数间的关系,构造了DTCWT图像去噪阈值计算公式,提出了一种去噪方法,PNDTCWT.该方法在对图像进行二维DTCWT变换后,利用阈值公式,根据当前系数和父系数及相邻系数计算收缩阈值,对当前系数进行去噪处理.最后,经过二维DTCWT反变换,得到去噪结果.实验结果表明,PNDTCWT的噪声抑制效果明显优于各种基于DWT的去噪方法和其他DTCWT去噪方法.与基于父系数的DTCWT去噪方法相比,PNDTCW的峰值信噪比(PSNR)平均提高了0.5 dB左右.从视觉效果来看,PNDTCW能在去噪的同时较好地保留图像细节,物体轮廓显得比较平滑,不存在传统DWT算法中的混淆现象.     

齿轮视觉检测中的尺度与方向相关性联合降噪

建立了小模数齿轮视觉检测系统用于小模数齿轮的工业测量。针对该系统在标定过程对图像降噪的需求,提出了基于Curvelet变换的域尺度与方向相关性联合降噪算法。首先,介绍了Curvelet变换的原理和过程;根据齿轮自身的对称性特点提出了利用尺度和方向间相关性的联合降噪算法,并计算了对应的参数。然后,比较了不同噪声情况下该算法的处理效果。最后,同3种常见的降噪算法（高斯滤波,小波降噪,普通的Curvelet阈值降噪）进行了比较。结果显示：经相关性联合降噪算法处理后的峰值信噪比（PSNR）优于高斯滤波6 db以上;优于小波变换降噪3 db以上;优于阈值降噪8 db以上。处理结果表明：提出的算法可较好地保持齿轮边缘效果,可满足小模数齿轮视觉检测系统后期摄像机自标定图像质量的需求。     

基于Curvelet变换的遥感图像融合研究

Curvelet变换是继小波变换之后,更适合图像处理的一种新的多尺度变换分析方法,相比小波而言,它更加适合分析二维图像中的曲线或直线状边缘特征,而且具有更高的逼近精度和更好的稀疏表达能力,同时也具有很强的方向性.本文论述了Curvelet变换的理论和实现算法,基于考虑图像中的那些弱的边缘,提出了一种利用Curvelet变换进行遥感图像融合的方法.实验结果分析表明:将Curvelet变换引入图像融合,能够更好地提取原始图像特征,为融合图像提供更多信息,使融合图像在较好地保留光谱信息的同时,空间细节信息得到增强,优于典型的IHS变换、主分量变换及小波变换图像合方法.     

A Fast and Efficient Approach for Image Compression Using Curvelet Transform

In this paper a novel image compression technique using features of wavelet and curvelet transforms is proposed to improve efficiency and compression performance. Indeed, the curvelet transform is one of the recently developed multiscale transforms which is especially designed to represent efficiently curves and edges in an image. In the proposed method, the compression algorithm involves the Haar wavelet transform to decompose the image into four frequency sub-bands. The lowest frequency sub-band coefficients are processed using Set Partitioning In Hierarchical Trees (SPIHT) encoding. Meanwhile, Fast Discrete Curvelet Transform (FDCT) is applied to the remaining frequency sub-bands. The FDCT output coefficients are then quantized according to the sub-band they belong to. The lowest frequency FDCT output coefficients are quantized using Differential Pulse Code Modulation, the medium frequency coefficients are processed using SPIHT, whereas the high frequency coefficients are removed. Experimental results demonstrate that our method provides high performance for edge detection compared to existing techniques particularly for images with abrupt changes. In addition, this new image coding and decoding approach is powerful in terms of computation time. Moreover, the proposed method reveals significant improvement in compression ratio and decoded peak-signal-to-noise-ratio.     

基于DTCW-ERE的小电流接地系统故障选线

小电流接地系统发生单相接地故障时,各馈线的小波能量分布各不相同。本文提出了一种基于故障线路小波综合能量相对熵的选线新方法。双树复小波变换(DTCWT)具有很好的近似平移不变性和抗混叠性;能量相对熵(ERE)具有对信号间细微差别进行识别的超强能力。结合双树复小波变换与能量相对熵的优点,根据故障线路综合小波能量相对熵最大的原则进行选线,能够使故障选线更直观、快速有效。仿真结果表明,该方法可以准确有效的进行配电网故障选线。     

应用第二代Curvelet变换的遥感图像融合

提出了一种基于第二代Curvelet变换遥感图像融合算法。将具有高空间分辨力的Pan图像与Ms图像的待融合波段图像进行直方图匹配,并对直方图匹配后的Pan图像与待融合波段Ms图像分别进行Curvelet变换分解,得到各自的低频子带系数和各带通方向子带系数;采用一定的融合规则对Curvelet变换系数进行组合得到融合图像的Curvelet系数;最后对组合后的系数进行Curvelet重构得到该波段具有高空间分辨力的Ms图像。对IKONOS卫星遥感图像的仿真实验结果表明:与传统的基于亮度-色调-饱和度彩色空间变换融合算法相比,该算法使融合后的Ms图像整体光谱保持度提高了10.54％,而与传统的基于小波变换的图像融算法相比,其空间质量提高了0.81%~1.12%, 有效解决了基于亮度-色调-饱和度彩色空间变换融合算法中光谱失真严重和基于小波变换图像融合算法中空间质量较低的缺点,使得融合后的Ms图像在最大可能地保持原始Ms图像光谱特性的同时,显著提高了融合图像的空间质量。     

A palmprint based biometric authentication system using dual tree complex wavelet transform

Palmprint identification has emerged as one of the most popular and promising biometric modalities for personal identity verification due to its ease of acquisition, non-invasive procedure, high user acceptance and reliability. This paper proposes the development of a new method for palmprint based biometric authentication which utilizes the textural information available on the palmprint by employing the Dual Tree Complex Wavelet Transform (DTCWT). The method proposes to construct a region of interest (ROI) for the scanned color images of the palm, and then determine a histogram of the two dimensional image. This enables to utilize a feature extraction module, implemented using the one-dimensional (1D) Dual Tree Complex Wavelet Transform (DTCWT) on the histogram signal. The DTCWT is an improvement over the discrete wavelet transform (DWT) as it provides nearly shift invariant performance, reduced aliasing and directional wavelets in higher dimensions. Backpropagation neural-network (BPNN) based binary classifiers are developed for authentication utilizing the features extracted. The system is developed on the basis of several scanned color images of palms of individuals in real-life, in our laboratory. The experimental results obtained from the data have demonstrated the utility of the proposed system, by exhibiting an overall mean accuracy as high as 98.35%.     

FPGA与DSP在小波变换应用中的对比研究

离散小波变换是一种典型的实时图像处理算法,近年来,已获得越来越多地关注。文章利用基于提升方案的二维离散小波变换思想,编写VHDL代码,在FPGA上实现;并基于这种思想编写C代码,在DSP上运行。最后对两种平台作出对比,以了解实时图像处理在两种不同平台上的效率。实验结果表明,FPGA在执行时间、功耗和硬件占用率方面优于传统的DSP,但DSP的开发难度低于FPGA。     

基于非下采样双树复轮廓波变换和稀疏表示的红外和可见光图像融合

提出了一种基于非下采样双树复轮廓波变换(NSDTCT)和稀疏表示的红外和可见光图像融合方法,以改善传统的基于小波变换的图像融合方法的不足。该方法首先利用形态学变换处理源图像,利用NSDTCT变换进行图像分解得到低频子带系数和高频子带系数。根据高低频系数的不同特点,提出改进的稀疏表示(ISR)的融合规则用于低频子带;然后将改进的空间频率作为脉冲耦合神经网络的外部输入,提出基于自适应双通道脉冲耦合神经网络(2APCNN)的融合策略用于高频子带。最后通过NSDTCT逆变换获得融合后的图像。实验结果表明:本文方法在客观指标和视觉效果方面均优于传统图像融合的方法。与传统的NSCT-SR方法相比,实验的两组图像中4个客观指标:互信息(MI)、边缘信息保留量QAB/F,平均梯度(AG)和标准差(SD)分别提高了9.89%、6.39%、104.64%、55.09%和9.53%、17.77%、95.66%、52.89%。     

车辆-乘员非线性动力学系统响应信号特征的小波分析

建立了 6自由度车辆 -乘员非线性动力学系统的理论模型 ,利用小波变换及小波多分辨分析理论研究了该模型在随机性路面下的响应信号 ,并与传统的信号处理方法—短时 Fourier变换方法进行了对比 ,说明了小波理论在车辆悬架系统动力学特性研究中的作用及其优点     

A new technique based on traditional wavelet transform used in NVH application of internal combustion engine

The sound and vibration signal of internal combustion engine (ICE) is typically unsteady and very complex. Recently the wavelet transform, we see, is being widely used as a time–frequency representation. A new technique that is based on traditional wavelet transform and has many advantages over traditional spectrograms is proposed in this study. The performance of the new technique is validated by applying it to a numerical simulation and test signals. It is shown that the new technique is suited for complicated signals that contain multiple impacts and/or dynamic changes in time and frequency domain.