基于四元数小波变换的纹理分类

提出了一种基于四元数小波变换的纹理图像分类方法.首先通过四元数小波变换提取纹理特征,再通过k最近邻算法进行分类.实验表明,四元数小波变换应用干纹理图像分类是一种有效的方法.     

基于小波变换和稀疏表示的人脸识别方法研究

在传统的基于小波变换的人脸识别方法的基础上,加入稀疏表示的方法对人脸识别进行研究,进一步提高人脸识别率。小波变换把人脸图像分解为一幅低频人脸图像和三幅高频人脸图像,低频人脸图像代表人脸图像的全局(整体)信息,高频人脸图像代表人脸图像的纹理和边缘等细节信息。低频人脸图像在人脸识别中起到关键性作用,用正交投影的方法对低频人脸图进行识别得到的低频人脸图像分类隶属度。高频人脸图像在人脸识别中同样存在不可忽略的作用,用基于领域能量的方法把三幅高频人脸图像融合为一幅高频融合人脸图像,然后用稀疏表示的方法对融合图像进行识别得到高频人脸图像分类隶属度。最后把高、低频分类隶属度融合确定人脸图像所属类别,与传统人脸识别方法相比,进一步提高了人脸识别率。     

基于灰度图像的边缘检测方法

介绍了基于微分、形态学和小波变换等多种图像边缘检测的方法。在微分算子中分析了传统算子的特点和缺陷并讨论了几种具有良好边缘检测的算子。此外,还对新的边缘检测的理论和方法进行了介绍。     

基于极结构小波包的纹理检索

小波包是基于纹理图像检索的重要工具,但标准小波包变换方法计算量与特征向量维数均随分解阶数的增加呈几何级数递增,使得该方法难以满足大规模纹理分析的需要。因此提出极结构小波包方法,在保留标准小波包良好的检索性能基础上简化计算和降低特征维数。实验证明,极结构小波包结构在图像检索中可以满足实时性较高的图像检索需要。     

基于小波变换的图像增强方法研究

本文采用X射线技术,对霉心病等原因造成的内部腐烂变质苹果进行了检测,采用小波变换的方法对图像进行增强处理,为了检测算法的有效性,和传统图像增强的方法进行了比较。实验结果表明,采用小波变换的方法增强图像后,可以得到比原始图像更清晰的图像。     

基于小波变换的二值模式检索

提出了一种基于小波变换后的二值模式图像检索。把图像库里的图像通过小波变换压缩预处理,方便图像快速入库提取图像特征。选取二值模式技术处理,以便有效提取图像的特征进行检索。实验数据库采用Brodatz纹理图像库,对比了边缘拟合算法,共生矩阵和灰度纹理矩检索图像的检索效率,得出小波变换后的二值模式检索效率较高。     

基于小波边缘检测和S-UNIWARD的图像空域隐写术

根据图像内容的最小化嵌入失真原则,在空域通用小波相对失真方法(Spatial-UNIversal WAvelet Relative Distortion,S-UNIWARD)的基础上,提出一种结合小波边缘检测和校验格编码(Syndrome Trellis Code,STC)的图像自适应空域隐写术。首先利用小波变换检测图像边缘区域,然后根据S-UNIWARD定义图像像素的嵌入失真,并通过设置失真阈值选择图像的纹理区域,最后使用STC在边缘区域和纹理区域对秘密信息进行嵌入。实验表明本算法提高了S-UNIWARD在图像边缘区域和纹理区域的嵌入精度,且能提高算法安全性。     

一种基于形态小波的图像边缘检测方法

边缘检测是图像处理和模式识别领域的基本课题。基于数学形态学的形态小波是一类综合了传统小波线性和形态学的非线性特征的小波,它具有良好的局部时一频性,而且能对图像的形状及形态特征加以描述。文章提出了一种基于形态小波的图像边缘检测方法,实验证明：与单独使用小波变换或形态学的边缘检测方法相比,这种方法具有边缘检测精度高、抗噪声性能好的特点。     

基于小波变换的低照度图像增强新算法

针对低照度图像暗、对比度低,同时存在大量黑暗连通区的特点,提出了一种基于小波系数融合的低照度图像增强算法,该算法对图像的低频和高频信息分别用空域法和频域法进行处理。实验表明,该方法在处理低照度图像的过程中,在调节图像动态范围和增强图像细节的同时,也达到了对高频信息降噪的目的。通过该算法处理,能有效减少拍摄图像所需的曝光时间。     

微损小波分解航空行星齿轮故障特征及诊断

提出基于dbN小波算子小波变换分解行星齿轮故障特征的故障检测算法,算法可以在轻微损坏时就较好地判断出齿轮故障。通过分析行星齿轮的故障成型,以及故障的冲击振动传播路径,建立其故障模型,在利用小波变换方法对其故障信号进行分析,检测方法可以较好地进行故障识别与检测,对比传统的傅里叶变换,新算法可以对微弱信号识别,能同时判断缺陷轮齿的频率和出现的时间,在排除故障时能准确分析故障位置,以及故障类型。仿真实验表明改进算法小波变换,具有弱信号检测能力强,准确判断故障出现时间,为尽早发现故障与解决故障问题提供了保障,故障检测概率提高了15%。具有较好的工程实用性。     

遥感影像房屋自动提取

遥感影像数据量大、地物种类多、噪声多,难以分割出代表现实世界中的实体,同时房屋形态复杂,纹理信息丰富,提取难度较大。探索了借助机器学习方法的房屋自动提取技术,具体分为训练和测试两个步骤。训练中利用机器学习主成分分析算法进行降维,自动计算参数,输出最优模型;测试中,利用所得分类模型处理测试图像,输入训练所得模型,得到提取后房屋图像。以高空间分辨率遥感影像为样本进行实验,利用机器学习对遥感影像进行房屋提取,对于纯净的房屋窗口子区提取率达到百分之九十,而对于非纯净的房屋窗口子区提取率为百分之六十,说明本方法适用于房屋密度高的遥感影像提取。     

基于小波变换的钞票识别

提出一种基于Gabor小波特征提取的钞票识别算法。基于钞票印刷图像的纹理特性,从钞票图像中选取采样点,利用Gabor小波提取采样点的领域特性作为特征。选用统计模型作为分类器,用提取到的特征作为输入。取第五套人民币作为实验集进行了实验,实验结果表明方法的有效性,能正确识别实验集的全部样本。     

基于小波变换的视频录播图像预处理及应用

针对传统图像预处理中图像信息损失的问题,提出基于小波变换的图像去噪和增强的算法。实验证明基于小波变换的图像预处理方法能在去噪和增强的同时,保留了图像在时间和空间域的信息,为视频录播后续的目标检测与跟踪提供了高质量图像,提高了录播系统的跟踪准确性。     

基于小波的图像边缘检测算法的研究

由于数字图像本身的复杂特性及各种噪声源的影响,使得图像边缘检测成为图像处理的一个难题。对比传统检测方法提出基于小波的边缘检测算法,运用小波的多尺度特性,实现对图像边缘的检测。     

Mallat和小波算法在车牌定位系统中的研究

为了解决含噪车牌图像的定位问题,文章对小波分析在图像的降噪和边缘检测的原理及算法方面进行了深入的研究,在此基础上提出了一种基于Mallat和小波分析的边缘检测和图像分割方法。根据该方法,开发了基于VC＋＋6.0的定位系统,实验结果表明,定位效果好,分割精度高,可以达到98.5%的准确率。     

基于小波神经网络的桩身缺陷类型检测的研究

文章提出并分析了两种基于小波神经网络的桩身缺陷类型的检测方法:利用多分辨率分析和神经网络检测桩身缺陷类型;利用小波包分析和神经网络检测桩身缺陷类型。工程试验的结果表明:文章提出的方法具有一定的精度,可提高桩基低应变动力检测结果的可靠度。     

基于小波包变换和奇异值分解的机加工表面纹理特征提取

机加工表面纹理特征在实际的研究和应用中具有重要意义,而当前基于小波变换的方法由于丢弃了隐藏丰富特征信息的高频部分,因此准确度不高。本文提出利用小波包变换和奇异值分解的方法来提取图像特征,实验证明,该方法具有较高的准确度和较强的适应性。     

基于融合技术的边缘检测方法

利用小波分解后的平均与细节的特性,提出了一种新的图像融合方法。结合各种边缘检测算子和小波变换边缘检测方法,提出了一种新的边缘检测方法。     

基于提升小波的SAR图像斑点噪声抑制方法

斑点噪声去除是对合成孔径雷达(synthetic aperture radar,SAR)图像自动分割、分类、目标检测和其它定量专题信息提取处理前必要的步骤。首先简要回顾了各种传统的SAR图像斑点噪声去除方法。在充分考虑SAR图像斑点噪声乘性特征的基础上,对SAR图像进行对数变换,将乘性噪声转变为加性噪声,然后再对图像进行提升小波分解,采用Bayes Shrink阈值对小波系数进行处理。最后根据4个指标来对比不同方法的去噪效果。结果表明,与传统的滤波方法相比,基于提升小波的去噪方法在图像均匀区域的辐射特性保持和斑点噪声抑制能力方面具有较大的优势。与传统小波相比,提升小波不但在运算速度上有优势,而且省内存。     

基于小波变换多尺度的图像边缘检测方法研究

边缘检测在图像处理中占有很重要的地位,其算法的优劣直接影响着计算机视觉系统对客观世界的理解。文中介绍小波变换应用于数字图像,利用检测小波系数模极大值的方法来检测图像的突变点位置(图像边缘位置),通过仿真实验说明,小波在图像(或噪声)边缘检测上是有效的。