几何信息分割算法在居民地提取中的应用

针对从全色航空影像中进行居民地区域提取的随机性和复杂性，阐述了一种基于几何结构信息进行居民地提取的新算法。此算法的特点是在影像上提取居民地的几何信息。形成居民地影像的特征。与传统的居民地提取方法比，此算法用到了居民地纹理的矢量信息。从而更准确的刻画了居民地的纹理特性，试验结果表明；基于几何信息的分割算法对居民地有较好的提取效果。     

多尺度图象分割方法及其应用研究

图象分割技术在图象处理中占据重要地位，是计算机视觉和图象理解的最基本问题。多尺度图象分割作为一种新的研究方法，将图象分割与小波变换理论相结合，能够更好地分割、重构图象。本文综述了多尺度分割方法的思想；并分析了多尺度分割方法在SAR图象分割和无损图象压缩中的应用，将其结果与以往提出的分割算法进行了比较，实验表明，效果较好。     

基于几何多尺度方向窗的小波图像去噪

针对小波变换处理1-D信号十分有效，但处理2-D信号由于具有方向的缺失，不能做到最优逼近的问题，提出了基于几何多尺度方向窗的小波图像去噪方法．该方：去利用图像的几何特征，在小波域中按照最小逼近误差的原则，在初始化方向窗内寻找图像几何方向信患，并在峰值信噪比规则下合并不同大小方向窗内的几何方向．最终选择出图像的去噪方向．在获得每个方向窗内去噪方向的基础上，沿去噪方向作2-D向1-D系数投影，进而对产生的1-D信号作小波去噪，重构后即实现了对图像的去噪处理。     

B样条小波在图像多尺度边缘检测中的应用研究

本文介绍了使用小波变换检测图像边缘的原理,利用B样条小波构造出一个边缘检测算子,使用多孔算法进行边缘提取,并提出了一种更简化的实现方法,通过实验验证了这种方法的有效性。     

基于多尺度的小波变换在图像编码中的应用

介绍了小波的多尺度特性及其在图像编码中的应用，通过尺度因子对小波作伸缩处理，小波变换具有突出信号在时域、频域局部特征的能力．通过具体实例给出图像数据的小波多尺度变换及图像重构的实现过程，通过合理阈值的选取去除图像数据中的一些细节参数，图像的改变对人的视觉影响不大，处理后图像的可压缩性增强。     

利用形态学多尺度算法分割粗集料粘连图像

为准确地对X-ray CT沥青混合料切片图像材质分类过程中存在的颗粒粘连图像进行分割,提出一种利用半径r分别为1、2、3、4的圆形结构元素分别对沥青混合料粗集料粘连图像进行极限腐蚀的改进形态学多尺度算法,通过判断各个分割图像分割线的数目,以分割线数目出现频率最大的分割数作为最终分割,并以最小的结构元素所对应的分割图像作为实际的分割图像,最后通过叠加独立颗粒图像和经粘连分割后的图像生成目标分割图像.最后着重开展了此算法的分割效果和分割精度研究.结果表明:与形态学多尺度算法相比,改进形态学多尺度算法既能有效地分割沥青混合料粗集料粘连图像,又能较好地抑制颗粒的欠分割与过分割现象,并获得较高的分割效果和分割精度,减少数值建模中的难度.     

基于多尺度的区域生长的图像分割算法

针对医学图像的特点,提出了一种多尺度区域生长分割算法。该算法首先利用高斯滤波器对原图像进行滤波处理,之后利用区域生长算法分别对原图像与平滑图像进行分割操作,最后将两个分割图谱进行比对,获得最终的分割结果。进行区域生长算法时,从背景区域选择一个像素作为初始种子点进行区域生长。该方法的优势为噪音具有较好鲁棒性,初始种子点选取规则简单。该方法同样适合于其他背景简单、目标区域复杂的图像分割情形。为了选取合适分割阈值,提出了最大梯度概念。利用图像的最大梯度矩阵的统计特性,将阈值选取问题转化为求最小值问题。实验表明,该方法能够准确地获得医学图像的分割结果。     

基于区间双正交小波的多尺度边缘提取

对区间双正交小波所具有的多尺度边缘提取能力进行了理论分析，用消失矩N=N^-=3的[0，1]区间上的双正交滤波器对图像进行了小波变换，提出了沿幅角方向确定局部极大值的小波边缘检测算法．仿真结果表明，区间双正交小波比Daubechies正交小波和双正交小波更适宜图像的边缘检测．     

形态学分水岭算法在粘连大米图像分割中的应用

在获取大米图像的过程中,经常会有大米颗粒接触粘连的情况,这给图像的后续处理带来很大困难.针对该情况,引入了一种形态学分水岭算法.首先运用顶帽变换对粘连图像进行局部阈值处理,然后用形态腐蚀运算来减弱接触大米的粘连程度,最后结合距离变换和分水岭算法对粘连大米进行分割,使相互接触的粘连大米图像得到分离.实验验证了该算法的有效性.     

融合多尺度Transformer的皮肤病变分割算法

针对现有皮肤病变图像分割时缺乏多尺度特征提取,从而导致细节信息缺失和病变区域误分割的问题,本文提出一种融合多尺度Transformer的编解码网络皮肤病变分割算法。首先运用Transformer模块构建分层编码器,分层编码器从全局特征变化角度出发,多尺度分析皮肤病变区域;然后利用多尺度融合模块、通道注意力模块和联合层构建融合解码器,多尺度融合模块互补分层编码器中浅层网络信息与深层网络信息,增强空间信息和语义信息间的依赖关系,通道注意力模块能够有效识别特征丰富的通道,提高算法分割精度;最后引入扩展模块恢复图像大小以匹配实际需求。将该算法在ISBI2016、ISBI2017和ISIC2018三个公共数据集上进行实验测试,其像素精度分别为96.70%、94.50%和95.39%,平均交并比分别为91.69%、85.74%和89.29%,算法测试整体性能优于现有算法。仿真实验证明,多尺度Transformer编解码网络能够有效地分割皮肤病变图像。     

基于FTMP特征的小波域非监督纹理分割新算法

为了能够在非监督环境下利用有限纹理混合模式(finite texture mixture pattern,FTMP)特征进行图像分割,提出了一种基于两步聚类的小波域非监督纹理分割算法。该算法通过两步Kmeans聚类来实现多尺度纹理分割。第一步Kmeans聚类计算每一子带的PLVP及对应的FTMP特征;第二步Kmeans则对每一尺度的FTMP特征进行聚类,从而计算各尺度的分割结果。为了获取更为可靠的分割结果,算法考虑了不同尺度之间的交互。合成纹理影像和遥感影像的分割实验验证了该算法的有效性。     

基于小波分析和投影特征的多目标定位技术

针对提高产品在线检测的效率,提出了一种对多目标图像的快速定位技术.该技术利用小波分析能够很好地分析信号局部特征的优点,利用小波分析与提取图像投影特征相结合的方法,快速检测出图像中目标的边缘突变点,从而实现一幅图像中多个产品的定位及分割.     

一种基于小波包变换的SAR图像与TM图像融合方法

为了增强来自不同传感器的图像信息，改善图像的可分析和提取能力，近年来，常采用小波变换融合方法。但小波变换只对低频信息进行多分辨分析，并不考虑高频信息的多级分解。小波包变换不仅能对图像的低频部分，而且对小波变换没有细分的高频部分也能进一步地分解。因此，小波包分析能够为图像融合提供一种比小波多分辨分析更加精细的分析方法。在研究了小波包分析法后，提出了一种小波包图像融合方法。利用此融合算法对同一场景的不同传感器荻得的合成孔径雷达（SAR）图像和专题绘图仪（TM）图像进行融合，通过客观分析与目视评价，证明该融合方法的融合结果更好。     

基于Haar小波变换的数字图像水印算法

算法基于Haar小波变换,把小波系数分块,并计算每个块的平均值.在一系列信号处理之后,这些块(尤其是大的块)的平均值不会有很大改变,否则,重构的图像就与原始图像有很大差别.通过对这些块的平均值进行量化来嵌入水印;提取时也依赖于相应块的平均值,所以不需要原始图像参与.算法对有损压缩、小波压缩、噪声、中值滤波和剪裁等操作有较好的鲁棒性.     

一种软阈值滤波算法的改进

由于各尺度上小波系数的微小的偏移对相关系数有影响,为了得到更精确的噪声方差,文中利用区域相关系数对王博等人提出的相关算法进行改进,得到新的软阈值。最后通过仿真,将此阈值与软阈值manimaxi和heursure进行比较,结果表明利用改进后的软阈值去噪效果较佳。     

基于提升格式小波变换和Snake模型的红外目标边缘增强与分割算法

针对红外图像对比度差、信噪比低的特点,将提升格式小波变换和Snake模型相结合,提出了一种红外图像边缘增强与分割算法。该算法先采用提升格式小波变换对原图像进行增强,以提升图像中目标与背景的对比度;而后再利用Snake模型对目标的边缘进行提取,最终实现目标的边缘分割。实验结果验证了这种算法可有效地对红外图像的对比度进行提升,从而提取出更为精确的目标边缘。     

基于小波变换和矢量变换的数字水印技术

数字水印技术是数字产品产权保护的有效手段之一。根据小波变换和矢量变换的特点，利用人眼视觉特性，对原始静态图像的水印嵌入进行了研究，提出了一种水印嵌入算法，实现了在原始静态图像上嵌入二值图像水印，水印检测为恢复性检测。实验结果表明，该方法能很好地保持图像质量，并且在抗常规的信号处理如加噪、滤波及有损压缩方面表现出良好的稳健性。     

基于混沌和小波变换的彩色图像数字水印算法

彩色图像在实际生活中有重要的地位,且基于小波变换的水印算法引起越来越多研究者的关注,本文提出了一种基于混沌和离散小波变换的彩色图像数字水印算法,即把经过混沌置乱处理的彩色水印嵌入到原始彩色图像中.简要介绍了图像小波分解的相关理论,分析了水印嵌入位置,给出了二维Logistic混沌的定义及彩色水印置乱的具体步骤.重点阐述了水印嵌入和提取的算法、实验结果及攻击测试结果.     

小波神经网络分类算法在教育信息管理系统中的应用

小波神经网络在预测及分类应用中较之前馈神经网络RBF及单隐层BP神经网络有着无法比拟的优势.本文将小波神经网络的强大分类功能用于教育信息管理系统的数据分析中,完成了200多所中小学各项指标的综合分析、数据统计和学校分类划分.系统实际运行表明,该算法预测和分类功能强,分析结果准确率高达96%,有很好的应用价值和工业推广意义.     

基于多尺度小波变换的边缘检测算法

提出一种用多尺度小波变换进行边缘检测的算法,并将该算法与经典的Sobel算子进行比较,结果表明用该算法进行边缘检测是可行的.在多尺度信号边缘检测中,考虑到信号的边缘不仅仅定义为信号奇异性的表现,而且也是视觉的一种反映,它与人的视觉特点,先验知识紧密相关.而信号的孤立奇异指数可以由小波变换在该点随尺度参数变小时的衰减速度确定.由于小波变换的上述特征,采用小波变换对图像进行边缘检测非常有效.实验结果表明,本方法和传统的边缘检测算法相比具有定位精度高,去噪效果好等优点.