基于小波变换的图像分割技术研究

图像分割是一种重要的图像分析技术.近年来,对图像分割的研究一直是图像技术研究中的热点和焦点.介绍一种基于小波变换的图像分割方法,该方法先对图像的灰度直方图进行小波多尺度变换,然后从较大的尺度系数到较小的尺度系数逐步定位出灰度阈值.实验结果表明,该方法具有较好的抗噪声性能.     

基于小波包变换和形态学的图像分割算法

数字图像分割技术是一种重要的提高计算机图文识别的手段.文章利用小波包变换去噪结合形态学方法提出一种数字图像阈值分割算法.依据该算法,首先施行小波包变换,去除图像中的噪声,然后利用形态学方法集合最佳阈值判别对图像进行分割.实验证明,本算法的分割效果较佳.     

小波变换在纹理图像分割中的运用

在纹理图像分割的研究领域中j基于人类视觉感知特性的图像分割方法是一个重要的新研究方向,在许多领域都有广泛的应用.基于小波分析理论,实现了图像的纹理分割.该算法首先对原始图像实施二维多分辨率小波分解,得到特征图像;然后对其直方图进行一维小波变换和多阈值选择,生成区域图像.实验表明,通过调整参数:一维小波分解级数S和模糊阈值,能得到图像的最佳纹理分割.     

基于熵空间理论和小波变换的红外图像纹理分割

背景对目标的干扰是影响红外装备作用距离的重要因素,研究以雾为背景的红外图像中目标的识别方法对红外装备的应用有着重要的意义。突破了传统的红外图像的目标识别方法,通过对雾这种自然纹理的研究,采用小波变换的方法对红外图像提取各个频道上的纹理能量,基于熵空间理论的不同粒度空间分解与合成思想有效实现了以雾为背景的红外图像的纹理分割。     

基于小波变换和尺度共生矩阵的超声图像分割

超声图像所固有的特性使得图像分割比较困难,尤其是应用计算机实现超声图像的自动分割技术远不能达到实际需要,因此,超声图像的分割是亟待解决的一个难题.文中将图像树型框架小波变换、尺度共生矩阵和自组织神经网络聚类相结合应用于超声图像提出一种分割方法.实验表明,应用所提出的方法可得到比较清晰的分割结果,显著提高分割图像的对比度.     

基于冗余小波变换的相对模糊连通图像交互式分割算法

为了提高图像分割算法的抗噪声性能,该文提出一种基于冗余小波变换的相对模糊连通图像交互式分割算法。与文献中基于尺度的相对模糊连通交互式分割算法相比,新算法在几乎不改变分割效果的前提下,速度提高了十几倍,且对不同的噪声模型均具有较好的鲁棒性。此外,文中还对小波变换的不同尺度对图像分割效果的影响进行了较为系统地研究。用人造图像和实际的医学图像所做的测试实验结果表明,该文提出的新算法可实现对非噪声和噪声图像中感兴趣目标的快速而准确的分割。     

基于二进小波变换的医学图像分割方法研究

文章分两个部分,第一部分是预处理部分：医学图像增强部分,第二部分是文章的主要研究部分：基于二进小波的医学图像分割部分,该部分中先对脑白质图像直接进行分割,并把实验结果作为参考图a1,然后对脑白质图像先进行参考文献[7]所研究的图像增强,对于增强得到的图像进行基于二进小波的图像分割,把实验结果看作参考图a2,并对参考图a1和图a2进行比较。由分割结果和白质差异图可以发现,先对图像进行增强,然后对结果图进行基于二进小波变换的脑白质分割,其结果比前者更佳且更准确。     

基于小波变换的因特网图像传输

基于因特网的图像传输,使用的协议通常是无损协议TCP/IP。无损协议对待丢失的数据包要求重传,这大大增加了传输时间。因此,提出了一种基于小波变换的因特网图像传输方案,能大大缩短通过因特网的图像传输时间。     

基于小波与阈值的图像分割

图像分割是图像处理和计算机视觉中的重要技术,并且已在工业、军事、医学图像以及机器人视觉领域有着广泛的应用。在此采用了基于小波变换边缘检测算法和阈值分割算法。小波变换边缘检测,即设置分解级数进行多次分解,并依次输出结果图像。阈值分割采用全局与局部阈值分割图像,但是局部阈值更能突出图像的信息点。     

基于Gabor小波变换的彩色图像分割

本文提出了一种基于Gabor小波变换的彩色图像分割方法，首先对彩色图像进行Gabor小波变换，然后进行特征提取，并采用动态聚类K-均值算法进行分类，最后得到图像分割的结果。实验和分析表明，该方法对于彩色自然图像的分割具有较好的效果。     

基于小波变换的图像边缘检测

图像边缘检测是图像分割、图像识别的基础 ,传统的边缘检测方法对噪声非常敏感。讨论一种基于小波变换的图像边缘检测方法 ,仿真结果表明 ,该方法明显优于传统的边缘检测算法 ,对噪声的抑制能力强     

基于聚类和小波变换的彩色图像分割方法

提出一种将聚类和小波变换相结合的彩色图像分割方法。首先将图像划分成16×16子块,然后在块中按照视觉一致性准则进行颜色聚类,对于聚类后的子块,提取其颜色特征。利用小波变换得到每个分块的纹理特征,将颜色特征和纹理特征的组合作为对图像进行分割的依据。该方法将聚类算法和小波算法结合,并符合人类视觉特征的分割策略。利用提出的算法对多幅自然图像进行分割实验,实验结果证明该算法的有效性。     

基于Gabor小波和主元分析的纹理图像分割

提出了基于Gabor小波和主元分析相结合的纹理图像分割算法.首先对纹理图像进行多通道滤波,获得了一系列滤波后的纹理图像.其次,借助于“能量测度”的概念,求解出各象素有效的纹理特征.为了进一步减少特征之间的信息冗余,降低聚类分析的计算负荷,采用主元分析（PCA）对所得的纹理特征进行降维.然后利用K-Mean算法实现纹理图像的分类.最后针对所提算法,进行了仿真试验.     

基于提升小波变换的快速分形图像编码

介绍了分形理论和提升小波变换理论,提出提升小波变换结合快速分形编码的混合编码方法。实验结果表明,提出的新算法在解码图像质量略有损失的情况下,图像编码时间和压缩比方面均有良好的效果。     

基于中值滤波和小波变换的红外图像去噪方法

针对红外图像对比度差、信噪比低、红外目标易被噪声干扰的缺点,提出一种自适应中值滤波和小波变换相结合的去噪方法.首先对图像进行小波变换,得到各频带子图像,对不同子图像采用不同的滤波模版进行自适应中值滤波,最后对图像进行小波重构,实现图像的去噪.将该方法与目前常用的去噪方法进行对比实验,结果表明,该算法简单有效,突出目标图像细节,可获得更好的图像视觉效果.     

基于小波变换的音素分段算法

在语音信号处理中,作为预处理前端的语音分段技术对于语音增强、编码和识别都有极其重要的作用。本文分析比较了几种传统的语音分段算法的性能,重点研究基于小波变换的语音音素分段算法,针对平滑渐变的低频能量不能对音素进行有效分割的缺点,提出了基于小波变换累积能量包络的语音分段算法。但由于小波的敏感性,会出现一定数目的伪点,本文提出2种去除伪点的方法,从而提高了音素分段的精确度。     

基于提升小波变换的超混沌图像加密方案

研究了一种基于提升小波变换与二维超混沌系统的图像加密方案.首先将图像进行整数提升小波变换,根据自适应排列置乱算法对提升小波变换后的低频子带系数进行调整置乱.然后由两个二维超混沌系统生成混沌序列并进行预处理,同时构造双混合反馈系统.最后利用双混合反馈系统对小波重构后的图像进行像素灰度值替代加密.仿真结果表明,该加密方案弥补了图像经传统小波变换后不能无失真重构的缺陷,并克服了单一的低维混沌系统保密性不高的缺点,在密钥空间和抵抗各种攻击方法上均有较好的改进,具有较高的安全性和实用性.     

应用流域变换分割医学图像

医学图像分割是图像处理研究的难点。图像分割的方法很多,但是对医学图像却无法得到有效的分割结果。文中首先介绍了流域变换的基本思想、基本原理以及流域变换的计算步骤,然后应用流域变换分割复杂的医学图像,最后讨论流域变换的优缺点。实验结果表明,流域变换为医学图像提供了一种崭新的分割方法。     

一种基于小波的图像模糊熵阈值分割算法

提出了一种新的有效的图像阈值分割算法.本算法将小波理论,模糊集理论和信息论三者有机的结合起来.算法采用目标类与背景类最大模糊熵准则,并针对现有的模糊熵分割算法中存在的阈值选取计算效率低的缺陷,重新定义了新的模糊隶属度函数与模糊熵,并且根据小波理论的多尺度分辨的思想,对该算法进行了优化,提高了阈值选取的寻优速度.通过与各种经典算法比较,证实该文算法的可行性,具有很好的鲁棒性.