（By，E）分解框架下的多尺度图像分解

在Meyer振荡模式分解理论基础上，讨论了一类（Bv，E）分解模型解的存在惟一性．针对平衡参数对振荡分量先验信息的依赖性，提出一种多尺度图像分解方法，并对其收敛性进行了理论分析．利用Lorenz的投影方法导出一种小波域上的快速求解算法．实验结果表明所提方法能够有效地从图像中分离出结构分量和振荡分量，同时提供了一种较好的分级图像表示形式．     

利用结构纹理分解的海洋舰船目标检测

针对卫星遥感海洋可见光图像,提出一种基于结构纹理分解的舰船目标检测算法．首先对图像进行结构纹理分解,将舰船目标分解到纹理分量中,而其他目标分解到结构分量中;为了进一步消除纹理分量中其他目标的细节对舰船检测的干扰,利用结构分量中陆地、云块以及海洋背景等的先验信息去除其在纹理分量中的干扰纹理; 然后在纹理分量中利用Gabor滤波增强舰船目标并进行检测．实验结果和数据分析表明,该算法能够有效地提高检测率,同时降低了虚警率．     

经验模态分解和稀疏表示的SAR图像去噪方法

相干斑噪声严重影响了SAR图像的应用,为降低这个影响,本文提出了一种经验模态分解和稀疏表示相结合的去噪方法。该方法利用经验模态分解是由数据驱动这一特点,把含噪SAR图像自适应的分解为若干固有模态分量,根据这些固有模态分量的时频特性,判断噪声在固有模态分量的分布情况。由于噪声的分布相对于图像目标分布具有孤立性、随机性的特点,采用稀疏表示方法对含噪的固有模态分量进行分解,通过估计固有模态分量的噪声强度,重构各固有模态分量,将处理后的以及未处理的各固有模态分量进行经验模态分解的重构,以此达到去噪的目的。为验证该算法的有效性,进行了对比实验,通过客观评价标准证明了该方法在细节信息保持等方面优于其他方法,是一种针对SAR图像的有效去噪方法。     

经验模式分解域自适应滤波方法

为了利用经验模式分解法提取信号边缘信息,提出一种基于经验模式分解的自适应滤波方法,并给出了噪声功率阈值的两种选取方法．该滤波方法首先对信号进行经验模式分解; 其次对相邻尺度上残差分量一阶导数信号进行空间相关性计算,并对归一化空间相关函数与残差分量一阶导数进行逐点比较,实现对残差分量一阶导数的滤波; 最后根据噪声功率阈值判断自适应滤波过程是否结束．仿真实验结果显示,本方法可以准确提取信号边缘信息,同时抑制噪声信号．     

结合经验模态分解和Gabor滤波的高光谱图像分类

针对传统实施于原始数据空间的纹理提取方法的不足,采用经验模态分解理论提取高光谱图像中空间结构明显的固有模态分量,并在提取出的分量上进行Gabor滤波操作,将传统纹理提取方式转移到变换域上进行,提出了一种基于二维经验模态分解融合空间信息的高精度纹理提取算法。对两个数据集进行仿真实验,实验结果表明改进算法有效地提高了高光谱图像分类精度且抗噪性能良好,提出算法性能明显优于传统Gabor-PCA算法,能够更大程度挖掘高光谱图像空间信息。     

运用TGV正则化分解模型实现天文图像去噪

通过对天文图像进行分解达到去噪的目的,针对图像分解模型中常用的总变差（Total Variation,TV）半范假设图像由分片常数区域构成这一局限性,提出了基于2阶总广义变差（Total Generalized Variation,TGV）半范正则化的图像分解方法．假设图像的主体部分在有界总变差（Bounded Generalized Variation,BGV）空间中,振荡部分在G空间中,建立图像分解极小化模型,使得分解后的各部分之和逼近原始图像的同时,主体部分满足一定的光滑性要求．运用快速迭代压缩一闽值算法（FastIterative Shrinkage—Thresholding Algorithm,FIS—TA）迭代算法及Chambolle投影算法对模型求解,收敛速度快,耗时小．数值实验表明,与TV正则化方法相比,利用本文方法能更好地去除太阳射电动态频谱图中的噪声,从而更准确地将纤维精细结构提取出来．     

一种新的基于奇异值分解的图像隐藏方法

以数字图像信息隐藏问题为研究的切入点,介绍了奇异值的数学理论基础,讨论了矩阵奇异值分解与重构的原理和方法;构造了一种新的基于奇异值分解的图像隐藏的算法,用实例说明了奇异值分解在图像隐藏中的原理和应用,并在奇异值分解的基础上重构了原图像,取得了较好的效果,表明了该方法的有效性．     

矩阵LU分解对数字图像细微差别的放大作用

通过对数字图像的矩阵进行LU分解,研究了LU分解后的矩阵与原图像的关系．并对一幅图像施加不同程度的盐椒噪声,进行LU分解,得出了运用矩阵的LU分解来判断图像细微差别的方法．     

一种消除重建图像边缘振荡的图像压缩方法

针对小波变换进行图像压缩过程中重建图像易引起边缘振荡的问题,提出了一种非延拓消除边缘振荡的方法。该方向将提升算法与传统的非线性ENO小波变换相结合,把高频分量边缘的能量集中到低频分量上,用小波分量模的极大值对跃变点进行奇异性检测,有效地消除了重建图像引起的边缘振荡。仿真实验表明该方法计算简单、存储空间小。     

基于改进变分模态分解和信息融合的故障选线

小电流接地系统发生单相接地故障时,传统信号分解方法难以准确提取故障特征,而且单一选线判据不能适应所有工况,容易造成误判,导致选线准确率不高.针对上述问题,文中提出一种基于参数寻优的改进变分模态分解和信息融合技术的故障选线方法.利用参数寻优变分模态分解的优良信号分解性能,将暂态零序电流准确分解为衰减直流、工频交流和高频振荡3个分量.通过融合工频分量综合相关系数和所有分量的相对能量系数两种判据,构造可靠性更高的综合选线判据.针对母线故障时,仅凭综合相关系数阈值来区分母线故障和线路故障存在主观性的问题,在综合相关系数基础上提出了工频分量极性比较法的辅助选线方法.该方法结合了三种选线判据,有效改善了单一判据选线准确率不高的问题.采用Simulink搭建10 kV配电网故障选线模型,仿真结果表明该方法不受中性点接地方式、接地电阻、故障初始角、故障位置的影响,具有较高选线准确率.     

基于小波变换的图像边缘检测算法

目的提出一种边缘检测改进算法，提高边缘检测精确性．方法从小波变换入手，将图像进行多尺度分解，在各个尺度下对图像各个高频的细节进行加权处理，然后对处理后的图像进行Laplacian边缘检测．结果噪声得到抑制，边缘定位精确度上升，识别率提高．结论理论和试验结果分析表明，在边缘精度、强弱边缘提取和噪声抑制方面，该算法是有效的．     

基于非下采样contourlet变换的图像去噪方法

根据非下采样contourlet变换(NSCT)具有多尺度、多方向和平移不变的性质,提出了一种基于NSCT变换的图像去噪方法。首先对图像进行NSCT变换,得到不同尺度、不同方向的信息,然后根据分解所得系数确定阈值,依此阈值进行去噪处理,最后对去噪处理后的系数进行反变换,得到去噪图像。实验表明:该方法比小波变换(WT)及contourle变换(CT)能更稀疏表示图像,可有效消除图像中的伪吉布斯效应及噪声,能达到更好效果及更高的峰值信噪比(PSNR),较好地保持图像细节及纹理。     

结构相似性灰关联在强噪声图像增强中的应用

为提高强噪声环境下的图像质量,提出一种图像增强新算法．该算法首先对含噪图像进行多尺度小波分解,得到不同尺度、不同方向下的频域信息,然后利用图像中噪声与边缘在不同频带上的分布规律和衰减特性,通过灰色理论中的灰色关联度来区分噪声与边缘,从而在噪声抑制和边缘增强两个方面提高图像的质量．实验结果初步显示,与传统的空域滤波方法和相对较新的小波自适应阈值去噪、Contourlet域自适应阈值去噪等方法相比较,新算法所得图像的视觉效果得到了改善,峰值信噪比最优,可用于强噪声环境下的图像增强预处理．     

基于非采样高斯差分金字塔的多尺度融合边缘检测

针对传统边缘检测算法抗噪性差、边缘连续度低、细节边缘冗余,对运动目标检测应用领域的适用性差等缺点,论文基于图像多尺度的思想,结合小尺度图像边缘信息准确,大尺度图像抗噪性强、边缘冗余度低的优点,提出一种基于非采样高斯差分金字塔的多尺度融合边缘检测算法。算法首先对图像进行非采样高斯金字塔分解得到多尺度图像,同时在分解过程实现基于高斯差分算子的边缘检测,得到多尺度边缘图像。最后采用多尺度图像边缘融合策略实现多尺度边缘融合。论文通过实验对算法的有效性进行验证：通过对边缘融合结果进行Abdou-Pratt品质因数分析,表明该算法抗噪性强,边缘定位准确;连续度分析结果表明该算法在降低边缘冗余度的同时保留了主要边缘,且边缘连续度较高;车辆检测实验结果表明基于该算法得到的车辆检测结果准确度较高。     

改进的二维经验模式分解方法

为了解决图像处理中应用到的传统二维经验模式分解算法存在边界效应和过度分解的问题,提出了一种改进的二维经验模式分解算法.该算法首先对原始图像的边界进行延拓处理,在图像信号的边界处增加一部分数据;然后对处理后的图像使用传统的二维经验模式分解方法进行图像筛分,筛分截止后对每个筛分过度的内在模式函数增加一个对应的补偿量.应用改进的二维经验模式分解算法对图像进行了处理,计算了处理后得到的重构图与原图的标准差.实验结果表明,改进的二维经验模式分解算法消除了边界效应,也解决了图像分解过度的问题.重构图与原图像的标准差很小,证明了重构图与原图的图像灰度波动很小即图像吻合得很好,并且由于处理边界问题时附加的图像信息并不多乃至计算量小,使处理简单易行,论证了改进的二维经验模式分解算法在图像处理中的可行性.     

基于提升小波分解的低速率波形内插语音编码算法

提出了一种基于双正交提升小波变换(bi-orthogonal lifting wavelet transform,BLWT)的低速率特征波形内插语音编码方法,其中的特征波形分解算法不需要复杂的特征波形对齐操作和滤波器的卷积运算,其固有的原位运算降低了传统特征波形小波分解算法所需的内存,当前帧边界点替代相邻帧样点的措施有效减少了传统特征波形小波分解算法的时延.同时,该分解方法对分解后的各成分单独重建,并根据人耳的感知特性选择量化参数.基于该分解,分别构建了1.84 kb/s和2.32 kb/s两种速率的BLWT-CWI(characteristic waveform interpo-lation)语音编码器.主观平均意见得分(mean opinin score,MOS)结果表明,2.32 kb/s的BLWT-CWI语音编码质量与2.4 kb/s的MELP声码器相当,1.84 kb/s的BLWT-CWI语音编码质量稍逊于2.4 kb/s的MELP声码器.主观A/B听力测试结果表明,1.84 kb/s的BLWT-CWI语音编码质量优于2 kb/s的LIWI(low-complex improvedwaveform interpolation)声码器.     

基于预处理的金字塔图像融合算法

针对经典金字塔融合算法在重构过程中由噪声叠加引起的黑斑问题,提出了一种新的基于分层预处理的红外与可见光图像融合算法。该算法对金字塔分解的各层图像进行预处理,优化各分解层图像质量后再将各自对应层融合。采用该算法融合的图像质量能降低直接对源图像进行融合时融合规则的复杂度及融合后改善图像质量处理的难度,仿真结果验证了该算法的有效性。与经典金字塔算法、同类金字塔改进算法相比,该算法包含的信息量更多。     

小波分解法在钨极氩弧焊熔池面形重建中的应用

为了解决傅里叶变换轮廓术重建熔池三维面形遇到的频谱混叠困难,研究了二维小波变换原理,采用图像二维小波分解的方法对熔池图像进行多尺度分解,重构熔池的背景图像,滤除频域中的零频成分,解决了零频与基频的混叠问题。利用小波分解法结合傅里叶变换轮廓术较好地实现了基频信息的提取与熔池的表面重构,提高了傅里叶变换轮廓术的测量范围。     

基于NSCT和PCA变换域的遥感图像融合算法

为使融合后的图像在尽可能保持原图像光谱信息的同时,有效提高空间细节信息,提出了一种新的基于非下采样Contourlet变换（NSCT）和主成分分析（PCA）的全色图像和多光谱图像融合算法.对多光谱图像进行PCA变换得到主元分量,将处理后的主元分量与全色图像进行NSCT分解,针对低频子带系数选择提出了一种基于窗口与局部方差相结合的融合策略;在高频子带系数选择上,提出了基于区域线性相关测定的融合策略.进行非下采样Contourlet逆变换和PCA逆变换,得到具有高空间质量的多光谱图像.实验结果表明,提出的算法在保留光谱信息和提高空间细节信息的综合性能上有所提高,能够取得较好的融合效果.     

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.