一种改进的基于小波变换的图像融合方法

提出并且详细分析了一种基于小波变换的图像融合技术的改进方法的优越性.对两幅需要融合的图像通过直方图均衡化的方法进行处理,且利用一种基于小波变换的图像融合技术的改进方法进行融合,对融合后所得的新图像的结果与质量进行分析与评价,证明了改进的融合方法能够取得更优越的效果.     

基于小波变换和自适应标矢量混合量化的图像压缩

提出了一种基于小波变换和自适应标矢量混合量化的图像压缩技术.该算法首先将图像分成不同层次不同频率的子带,对含能量大的低频子带采用无失真的DPCM编码;利用相同方向不同尺度子带之间的相关性,对其余的高频子带利用自组织特征映射神经网络进行矢量量化编码,实验证明此方法兼顾了图像的压缩比、编解码时间以及重构图像质量等因素.     

基于小波变换的图像处理

小波变换技术已广泛地应用于图形、图像处理,语音处理,视频处理以及数字信号处理等领域。由于小波变换的良好特性,使其在众多实际应用中都能得到很好的应用,并取得比原有技术更好的实际效果。在数字图像处理领域,基于小波变换的图像压缩、图像增强、图像消噪可以取得很好的实际效果,本文从二维小波理论出发,对其在图像处理的应用上进行了一些分析和处理,反映出小波分析在图像处理方面的特点。     

基于小波变换的图像融合

提出一种基于树状小波的图像融合,其基本思想是首先对源图像进行树状小波分解,之后采用基于像素、区域的选择或边缘检测的融合算法来构造融合图像的小波系数,最后通过树状小波逆变换重构得到融合图像.此外,利用熵、图像均值、均方根误差、峰值信噪比等参量对该融合方法的融合性能进行评价与分析.实验结果表明该融合方法是有效的.     

小波与Contourlet变换图像增强算法优越性的探讨

在实际应用中,多尺度几何分析的图像增强算法要比传统的图像增强算法效果更加明显更加优越。其中,小波变换、Contourlet变换等都是此种算法的应用。文章首先阐述了小波变换理论,并使用图像处理工具Matlab软件进行测试,对比数字图像处理前后的差异,提出了更为优越的Contourlet变换理论。其后,笔者将小波变换的增强算法与Contourlet变换的增强算法进行了比较,在其理论基础上根据医学图像的特点,对医学图像增强算法进行了深入的研究。     

连续小波变换的一种新形式

在文献给出了一种一维小波变换的新形式的基础上,给出了另外一种连续小波变换的形式,缩小了积分误差,并给出了此变换所对应的一些性质。     

S变换与小波变换检测信号突变性研究

时间局部谱分析方法的研究对信号突变性检测具有重要意义。S变换是加窗傅里叶变换和连续小波变换思想的延伸或推广,S变换保持了与傅里叶谱的直接联系,提供了依赖于频率的分辨率,具有连续小波变换所没有的一些特点。介绍了S变换和广义S变换的数学原理,分析了S变换与加窗傅里叶变换和小波变换之间的关系,对一个突变信号在S变换与小波变换下的表现特征进行研究,结果表明,S变换能比小波变换更直观更清楚地表现信号突变位置。     

基于离散小波变换的电力系统谐波分析与仿真

谐波对于电力系统的运行具有较大的危害,在现代电力系统中,非整次谐波(间谐波)和突变谐波大量存在,传统的谐波分析大都是使用快速傅立叶变换(FFT)和窗口傅立叶变换算法,傅立叶变换在时域分析中局部化处理能力有限,实时性不强,在比较了窗口傅立叶变换与离散小波变换后,提出了离散小波变换在电力谐波分析上有诸多优点,在此基础上提出了采用离散小波变换进行电力系统谐波的分析,取得了较好的效果。     

利用小波变换对图像进行像素级融合

文章提出一种基于小波变换的像素级图像融合方法,即首先对源图像利用Mallat算法做小波分解,然后由区域能量法实现小波系数的选择。实验选取曼谷西北部的多波段图像进行融合,统计特性评价结果表明了该算法的有效性。     

基于小波变换的PET图像分析(英文)

提出一种把小波变换和统计检验结合起来检测PET图像激活区的方法.首先,采用模拟的PET图像来评价算法的可靠性,结果显示,在小波域上进行统计检验比传统的直接在空间域上进行统计检验具有更高的灵敏度,更强的抗噪声干扰性能,更快的计算速度.最后,用该方法处理真实的PET图像,也得到了满意的结果.该方法为PET医学图像处理和脑功能研究提供了一种新的多尺度、高性能的分析手段,对于脑功能研究的功能区定位、临床诊断、药物疗效评估等有着重要意义     

小波双线性插值应用于光学遥感图像

针对遥感图像插值要求,尽可能保持原图像信息,提高图像分辨率,并适合人眼观察的特点,提出适合于遥感图像的小波双线性插值方法.实验表明,与双线性插值相比,该算法得到较高的信噪比和较好的图像效果.     

小波图像编码的可分级性分析

近年来，在图像和视频压缩编码中，可分级性已变得越来越重要。小波变换由于提供了时一致、局部化的多分辨表示，使得在图像和视频压缩中已经显示出其发展潜力。分析了在图像多分辨分解压缩编码中的空间和质量可分级性。     

基于边缘和梯度场的图像表示和压缩方法

提出一种基于边缘和梯度场的图像表示和压缩方法.将图像表示成边缘域的像素和非边缘域的梯度场,并分别进行编码.编码端,采用自适应四叉树分解和一维小波变换编码边缘域,采用二维小波变换编码梯度场.解码端,由对逆变换得到的边缘域和梯度场,通过梯度域变分重构进行解码恢复.方法能用于无损和有损图像压缩,具有较好的压缩性能,并能有效地克服边缘附近的振铃效应.     

基于形状特征小波分解的目标识别方法

形状特征是目标识别的重要参数,而小波变换的低频部分代表物体的总体形状特征.首先选取SYM小波,利用小波变换的低频系数重构图像提取物体总体形状,进而利用特征不变矩距离进行目标识别。将该方法应用在实测车标图像的识别中,结果表明该方法识别效果较好。     

基于哈希函数的小波域脆弱水印算法

针对基于分块独立的脆弱水印算法的安全性问题,提出一种利用查找表和哈希函数的小波域脆弱水印算法。该算法利用小波变换的空频特性,在LL子带用查找表的方法嵌入一个标识水印,用于检测和定位篡改;选取HL子带或LH子带的哈希值作为水印嵌入到HH子带中,用于抵抗各种伪认证攻击。实验仿真结果表明该算法既提高了基于分块的脆弱水印算法的安全性,又保持了良好的局部修改检测性能。     

基于小波理论的奇异信号分析

鉴于传统信号处理对非平稳信号的局限,小波分析作为一种具备时间-频率局部特性的信号处理方法,已成为众多领域的研究热点.笔者介绍了小波变换的部分性质,分析了小波变换与Fourier变换下的奇异信号特性,并以此进行奇异信号检测.