一种新的基于提升多小波变换的图像融合方法

多小波是一种新的小波,它在理论上所表现出来的优势以及它在应用领域所具有的潜力,使其受到高度重视。在短短的几年时间内,它在图像处理方面的应用已取得了一定的成效。提升方法不仅是现存小波变换的一种快速算法,而且是构造新的小波变换的一种工具。本文根据提升方法和多小波变换的特点,对多小波实现了提升变换,并把这种基于提升方法的多小波变换应用于图像融合,结果表明有更好的效果。     

二维小波去噪在太阳射电数据处理中的应用

针对太阳射电数据的处理问题，对数据所含噪声，可以通过小波分解高频系数可以估计出其噪声强度。本文主要探讨二维小波方法在有关射电天文观测的数据消除噪声研究中的应用。     

解电磁场问题的图论——有限元法

本文根据有限单元法求解电磁场问题的基本思想,并应用图论的基本概念和方法,导出了求解电磁场问题的图论——有限元法。本方法比有限元法更为规范,简单,可以减少存贮、节省计算时间,提高效益。号一方面,本文导出的数学模型不但形式简单,而且具有明显、直观的几何意义与物理意义,从而在工程科学中为进一步的优化设计提供了有利条件。     

一种新的变分去噪模型定参方法

以全变分去噪模型为例,从梯度下降法解相应的欧拉方程着手,提出一种新的定参方法对图像进行去噪,根据新方法选取的参数,同时保证均值和方差估计式。且求解偏微分方程选取的初值不是噪声图像而是对噪声图像进行小波分解后,保留低频系数,只对高频系数设置阈值,再重构后的图像。根据新选取的初值对相应的偏微分方程进行差分迭代求解,数值仿真结果表明,该方法选取的初值具有更好的去噪效果。     

小波框架的研究

讨论了框架的一般特性,并着重研究框架的冗余性．结果表明,采用冗余的小波框架进行离散小波重构,其重构误差比采用正交基实现的重构误差要小．     

基于形态学的自适应扩散滤波方法

基于图像在切线方向和法线方向上的不同扩散要求,分别设定了不同的扩散系数．在切线方向上,图像中各个位置都要求大的扩散作用以有效去除噪声,故设定扩散系数恒为1．在法线方向上,内部和边缘具有不同的扩散要求,可利用数学形态学的方法估计每步迭代扩散后即时图像的梯度模阈值,用自适应阈值取代Perona-Malik扩散系数中的固定阈值,从而得到适合即时图像的法向扩散系数,目的是有效区分内部区域和边缘以确保尽可能多地保留边缘信息．实验表明,该方法在细小边缘信息的保留方面具有较明显的效果．     

基于曲线曲面演化的图像放大方法

用Snake内部能量作为图像水平线的先验模型,其梯度下降流是一个关于图像水平线的演化方程。由这个演化方程,利用曲面演化和其水平线演化之间的关系,得到关于图像曲面的演化方程。用这个曲线曲面演化方程进行图像放大,其几何意义是在空间Wv,s中选择使图像的Snake内部能量最小的放大方法。实验表明,该方法在相当的时间内可以得到更清晰的放大结果。     

提升多小波变换及其在图像编码中的应用

多小波是一种新的小波．他在理论上所表现出来的优势以及他在应用领域所具有的潜力．使其受到高度重视。在短短的几年时间内，他在图像处理方面的应用已取得了一定的成效。提升方法不仅是现存小波变换的一种快速算法．而且是构造新的小波变换的一种工具。根据提升方法和多小波变换的特点，介绍了一种实现多小波变换的提升方法．并把这种提升多小波变换应用于图像处理，结果表明有很好的效果。     

小波神经网络预测在住宅市场中应用

利用小波神经网络在非线性建模中的收敛迅速等优越性,提出了利用小波神经网络预测住宅市场需求的方法.通过实例分析说明,他比传统的BP神经网络的收敛速度快、预测精度高,具有较强的函数学习能力和推广能力及广阔的应用前景.     

基于图像小波变换低频系数的数字水印算法

提出一种基于小波变换且具有图像自适应性的数字水印算法.通过小波变换将图像分解成不同空间与频率的系数,这些系数之间存在一种树结构关系,利用树结构关系对最低频系数进行分类,对不同类采用不同的嵌入对策,将水印信号嵌入在最低层逼近系数中,而现有基于小波变换的算法将水印嵌入在各个方向的中频或高频系数中.实验结果表明,该算法具有不可见性,对于通常的图像失真具有较好的鲁棒性,说明最低频成分并不是水印的禁区.