基于小波分解的纹理图像检索

本文利用多层小波分解后的小波子带的统计信息(均值和方差)组成特征向量进行纹理图像检索是一种有效的方法。本文提出了一种利用准则函数选择有效小波子带的新方法。该方法能够去除对图像检索效果产生干扰的或冗余的小波子带,因此有效降低了特征向量的维数。实验结果表明该方法快速,有效,具有很好的检索效果。     

基于小波和小波包图像去噪的比较研究

小波和小波包对图像消噪都是十分有用的工具,虽然小波包可以对图像的高频部分做更细致的刻画,对图像的分析能力更强,但其对图像去噪的结果并不一定优于小波。本文通过大量的实验仿真显示:因图像中噪声含量的多少不同,小波包消噪的结果可能优于小波,也可能劣于小波。     

基于小波和小波包图像去噪的比较研究

小波和小波包对图像消噪都是十分有用的工具，虽然小波包可以对图像的高频部分做更细致的刻画，对图像的分析能力更强，但其对图像去噪的结果并不一定优于小波。本文通过大量的实验仿真显示：因图像中噪声含量的多少不同，小波包消噪的结果可能优于小波，也可能劣于小波。     

基于小波和小波包图像去噪的比较研究

小波和小波包对图像消噪都是十分有用的工具,虽然小波包可以对图像的高频部分做更细致的刻画,对图像的分析能力更强,但其对图像去噪的结果并不一定优于小波.本文通过大量的实验仿真显示:因图像中噪声含量的多少不同,小波包消噪的结果可能优于小波,也可能劣于小波.     

基于结构纹理分解的图像去噪方法

针对图像去噪时,细小的边缘和纹理容易被磨光,及其线状结构容易被破坏,提出一种基于结构纹理分解的图像去噪方法。首先用Vese-Osher模型将噪声图像分解为结构部分和纹理部分,然后用改进的P-M扩散和相干增强扩散结合方法对纹理部分去噪,最后重新组合结构部分和去噪后的纹理部分,得到最终去噪的图像。数值试验结果表明,方法有效提高了图像去噪的质量,较好地保护了边缘、纹理信息,恢复其光滑的线状结构。     

基于小波的图像去噪技术

本文介绍了小波分析去噪的基本原理,研究了基于小波变换的图像去噪方法;考虑到小波相关去噪方法的优缺点,给出了基于尺度乘积与阈值相结合的去噪方法,并进行了试验验证。结果表明,与常用的图像去噪方法相比,基于尺度乘积与阈值相结合的去噪方法可以很好地保留图像的细节信息,性能优于其他方法。最后,基于对小波去噪问题的理解,提出了对小波去噪方法的一些展望。     

基于小波分析的图像去噪应用

小波分析是傅立叶分析思想方法的发展与延拓,它具有良好的时频局部化特征、尺度变化特征和方向性特征,这使其在图像处理中得到了广泛的应用。本文讨论了小波分析的基本理论,并将其应用于图像的去噪处理。从仿真和模拟实验可知,小波分析用于图像处理具有压缩比大、信息提取灵活方便、去噪效果好等优点。     

基于小波包分解的数字图像水印

利用Shannon熵准则选取最优小波包基,分别对原始图像和水印图像进行小波包分解,把水印数据嵌入选定的原始图像小波包基中.实验结果表明,该算法水印信息嵌入量大,不可感知性好,对JPEG压缩有较好的鲁棒性.     

基于小波变换的纹理特征提取

提出了一种利用小波分解图像来提取图像纹理特征的方法,指出该方法有效提高了检索准确性,且检索效果较好。     

基于小波包分析的颅颌面纹理特征提取方法

针对新型生物研究对象颅颌面的研究,提出小波包分析的方法对颅颌面的纹理特征进行提取.特征矢量为 颅颌面预处理后图经过小波包分解后各个子节点的节点能量占总能量的比例.利用该特征矢量,计算相似度,实验 证明,该方法计算简单,特征维数较低,可以有效提取颅颌面的纹理特征.     

基于小波包分析的能量阈值消噪

白噪声的方差和幅值随着小波尺度的增加而减小,而信号的方差和幅值与小波变换无关.按照信号能量的观点,提出一种基于小波包分析对图像的高频系数和低频系数同时进行能量阈值处理的消噪方法.同小波分析相比较,该方法可以有效地消除白噪声的干扰,计算简单且有较好的消噪效果.     

基于奇异值分解的连续小波消噪方法

针对小波软阈值消噪的缺点,提出了一种基于奇异值分解的连续小波消噪方法.通过对小波变换的系数矩阵进行奇异值分解,将其中的信号特征成分和噪声分解到不同的正交子空间中,在子空间中选取集成信号特征成分的奇异值矢量进行重构,从而提取出淹没在噪声中的信号成分.通过仿真数据的对比分析和工程测试信号的应用,表明该方法适用于冲击成分信号的提取,与软阈值消噪法相比,它提取出的信号特征成分更完整,信噪比更高.     

基于小波包分析的三维宽场显微图像复原方法

提出了基于小波包分析的三维宽场显微图像复原新方法.分析了小波包分析在信号去噪中所具有灵活精确的局部解析能力;简述了具有较强超分辨复原能力的最大似然法(PML法).采用小波包分析进行去噪预处理,再用PML算法对三维图像进行复原.实验结果表明,三维宽场显微图像散焦信息的干扰得到有效排除,噪声得到有效抑制,信噪比得到明显改善,图像复原获得了较好的效果.     

利用小波包分析对医学图像消噪的算法研究与应用

针对医学图像去噪，利用小波变换具有多分辨率分析和时频两域都具有表征信号局部特征的特点，提出了基于小波包分析的图像消噪算法，并在MATLAB平台上实验仿真，取得了较好的效果。     

基于小波变换的图像去噪技术

近年来,采用小波变换进行图像去噪已成为一个活跃的研究课题。本文全面介绍了小波变换在图像去噪中的应用现状和方法分类,并对当前存在的几类去噪方法进行了分析比较,以利于对该领域的进一步研究。     

基于小波包非对称分解的钢丝绳图像边缘检测

针对煤矿视频监控系统中钢丝绳图像边缘检测的问题,提出一种边缘检测改进算法。首先将图像进行小波包分解,以获得对图像不同结构特征的描述;进而对经小波包分解所得到的高频部分加以分析,保留部分空间,其他空间继续分解;然后采用模极大值理论进行边缘检测。研究结果表明,此算法能够较好地检测出钢丝绳图像中的细节特征,且检测速度较快。     

基于自适应Gabor小波包的超声心动图像纹理特征提取

在基于纹理的医学图像检索中，由于提取的图像特征向量过长，大大影响检索速度．为此，提出一种基于Gabor小波包的自适应纹理提取方法：以信号能量集中度作为自适应选取小波包的优化参数，建立反映图像内容的纹理特征向量以及空间信息结构码．这种方法有效降低了纹理特征向量的维数，显著提高了图像分析的效率．在基于内容的图像检索实验中，以两类典型的超声心动图像为研究对象，结果表明该方法能够达到95．1％的平均识别率．     

基于小波包分解的滚动轴承故障诊断

提出了一种基于小波包分析的滚动轴承故障诊断方法用于实现滚动轴承早期故障的检测.该方法的诊断过程如下:对轴承原始振动信号进行频谱分析,获取振动信号能量集中的频段.根据频段的范围和振动信号的采样频率确定小波包分解的层数.采用小波包分解的方法提取滚动轴承振动信号中能量集中的频段并生成相应的重构信号,对重构后的振动信号进行Hilbert变换和二次频谱分析.通过对比轴承故障的特征频率和二次频谱中的特征谱线判断轴承是否有故障及其发生位置.运用上述方法对具有外环故障的滚动轴承进行了实验研究并成功地实现了滚动轴承外环故障的检测.实验结果表明基于小波包分析的诊断方法可以有效诊断出滚动轴承的早期故障.