用多小波对图像分解和重构

与单小波相比较,多小波同时具备诸如紧支性,正交性,对称性等诸多在信号处理中非常重要的良好性质．这决定了多小波是一种优于单小波的信号处理技术．在应用中,对于单小波可以直接利用分解与重构公式对信号进行滤波．但是多小波是用矢量滤波器组对信号进行分毹、重构．滤波对象必须是满足一定要求的矢量信号．因此,在进行多小波分解前必须通过前置滤波器对原始离散信号进行预处理得到初始矢量,然后才能进行多小波变换．同样,对重构后的数据也要进行后处理才能得到需要的结果．本文以GHM多小波为例,实现了对图像的预处理、分解和变换后的重构、后处理过程,并将解压缩后的结果与单小波相比较,获得较好的结果．     

多小波处理图像压缩时前滤波器的设计

在应用中,对于单小波可以直接利用分解与重构公式对信号进行滤波。但是多小波是用矢量滤波器组对信号进行分解、重构。滤波对象必须是满足一定要求的矢量信号。因此,在进行多小波分解前必须通过前置滤波器对原始离散信号进行预处理得到初始矢量,然后才能进行多小波变换。同样,对重构后的数据也要进行后处理才能得到需要的结果。不同的多小波有不同的预处理和后处理方法。以GHM多小波为例,设计了多小波新的前滤波器,并将多小波通过前滤波后用于图像压缩,将其结果与单小波相比较,获得较好的结果。     

基于小波近似的分形矢量量化图像编码方法

本文把小波分解、分形、矢量量化有机地结合起来,提出基于小波近似的分形矢量量化图像编码方法(WA-FVQ-IC)。对原图进行小波分解及四叉树分割,形成小波近似的粗糙图像和分割块的统计平均值,小波近似的粗糙图像经变换构成变换的图像,并据此提取误差信号的码书,而后对误差信号进行分形矢量量化。本方法充分利用小波的多分辨率特性,构成差值信号分形矢量量化的码书,不需要外部训练,解码时不需要迭代,充分发挥了分形和矢量量化的优点。     

基于遗传算法的CL多小波预滤波器

提出了一种基于遗传算法的CL多小波预滤波器构造方法。该方法根据图像分解和重构的不同目的及不同的约束条件，定义相应的适应度函数；采用遗传算法对不同的图像，进行滤波器的自适应优化’得到相对应的前置滤波器，实现了图像多小波变换的自适应预滤波。对图像压缩和图像放大两种情况进行了实验仿真，证实了该方法的可行性和有效性。计算机仿真结果表明，利用此方法得到的前置滤波器进行图像压缩，可提高图像压缩比；若利用对应的前置滤波器进行图像放大，则图像质量较其他方法有明显提高：放大后图像的均方误差，较线性插值法降低了48％，较加权抛物线法降低了31％。     

一种基于多小波变换的图像压缩编码

认为多小波变换是小波应用研究的新热点。利用多小波变换系数所具有相关性、同向性等特点，使用一种新的矢量构造方法，并将其用于Lena光滑图像和Barbara多纹理图像的编码压缩，获得了较好的计算机模拟实验结果。     

二维图像小波分析的滤波器设计

滤波器的设计是实现二维图像小波分析的关键。在研究图像信号特征和一维小波变换理论的基础上，根据图像信号邻近像素的相关性提出了一种准对称边界延拓方法，用一维小波变换实现了二维离散小波变换，同时，在理论上证明了行的反向数据流的离散小波变换也是反向的，离散细节信号除反向外并改变符号的性质，并利用双正交滤波器的对称性建立了一种实现二维离散小波变换的滤波器结构，实现证明此方法有较好的图像重构性和信噪比。     

多小波变换及统计特性分析

分析和讨论了多小波滤波器变换方法及其变换域的统计分布.变换分析表明,预滤波及平衡矩阵滤波器组在进行水平及垂直方向分解时,能够将低频与高频信号变换到对应的低、高频子带内,而普通矩阵滤波器组却不能,不适合用于信号压缩的场合;统计结果显示,对光滑性较好的Lenna图像,无论是对高频子带还是次高频子带,Bi9/7小波具有最佳的分布,但对纹理较多的复杂图像Barbara,多小波变换则有较优的统计分布.     

基于小波变换和混合神经网络的图像压缩算法

提出了一种将空间方向小波零树编码与混合神经网络相结合，新的多尺度系数矢量量化策略．该算法在对图像进行多级小波变换后，利用3个方向上各自小波系数之间的相关性，构造符合图像特征的跨频带矢量，依据矢量能量和零树矢量的思想进行矢量分类，分别利用主元分析和自组织特征映射神经网络对3个方向的多尺度系数矢量进行基于视觉的加权矢量量化压缩编码．仿真实验结果表明该算法是合理可行的．     

基于自适应小波变换的红外图像去噪算法

针对红外图像存在的加性、乘性及混合噪声,提出了一种自适应小波变换的图像去噪算法.该方法首先用小波变换对含噪图像信号进行小波分解,这样可以保证对图像中的不相关噪声的有效抑制,保持图像的细节信息.然后将经小波变换所分离出来的噪声成分作为自适应滤波器的输入,通过选用自适应滤波算法从而实现信噪分离的最佳滤波.仿真结果表明,本文提出的去噪算法优于已有的各种算法,提高了图像的对比度,突出了图像细节.     

消除彩色图像脉冲噪声的复合型中值滤波器

提出一种新的消除彩色图像中脉冲噪声的滤波法．该滤波法依据简单的局部纹理分析而自动选择使用标量中值滤波或使用矢量中值滤波：当局部区域不存在明显的纹理时，使用标量滤波，否则使用矢量滤波．由于大多数自然图像都有低通特性，因而该滤波器大多数时间运作于标量模式．实验表明，中提出的方法其计算量比标准的矢量中值滤波器少得多，但性能却同样优良．     

提升小波变换二叉树图像编码算法

为进一步提高图像压缩质量,在研究二维离散信号采样的基础上,基于全相位列率滤波理论设计了全相位内插滤波器组,并将其用作小波变换提升格式中的预测和更新滤波器,对图像进行不可分离的二维小波变换.结合各分解子带小波系数金字塔排列的特点,借鉴经典的SPIHT小波编码算法的思想,提出了二叉树小波编码算法.对经典测试图像的实验结果表明,与SPIHT算法在相同编码比特率下做比较,在低比特率下,二叉树小波编码算法重建图像的峰值信噪比平均提高约0.5 dB,并且重建图像的主观质量也较好.     

一种新的自适应加权矢量方向距离滤波器

针对已有的的矢量滤波器不能自适应地确定滤波器窗口内像素之间的空间距离对滤波效果的影响等问题,提出一种新的自适应加权矢量方向距离滤波器。该滤波器将彩色像素当作1个三维矢量,结合有序统计方法,利用彩色矢量问的距离信息和方向信息,并通过捕食者一食饵微粒群算法优化获得滤波器窗口的最优权值,体现滤波器窗口内像素之间的空间距离对滤波效果的影响,实现彩色图像的自适应滤波。与其他滤波算法的性能相比以及仿真结果表明,采用所提出的算法得到的平均绝对误差、均方误差和归一化的色度误差等明显比现有的彩色图像滤波方法的低,能在去噪与图像的细节及边缘保护方面达到平衡。     

基于小波变换的图像矢量量化方法

从人眼视觉特性的角度研究基于小波变换的图像压缩算法。分析了图像经小波变换后得到的子带图像的视觉特性和统计特性，对传统的矢量量化算法给予改进，提出了一种基于小波变换，符合人眼视觉特性的矢量量化－Ｗａｌｓｈ－Ｈａｄａｍａｒｄ变换域下的矢量量化算法。     

多尺度分解下的自适应滤波器组的构建方法

通过分析自适应滤波和小波变换的多尺度分解滤波的原理与方法,建立了非平稳信号的多尺度分解下自适应滤波器组的构建模型和滤波方法.将小波变换分离出来的噪声成分作为自适应滤波器的输入,通过自适应滤波器组,能实现多种噪声成分的自适应滤波.通过模型验证和工程实例的应用,该方法能实现非平稳信号在同频段对噪声成分和有用信号的最佳估计.通过自适应滤波器组,能同时实现对多种噪声成分的最佳滤波,具有优良的滤波性能.     

一种基于小波变换的去噪新算法

提出一种去除观测信号中白噪声的新方法．分析了白噪声和一般信号的小波变换系数的不同特点，对Hampel滤波器进行了改进．利用白噪声和一般信号小波变换系数的不同特点，用改进后的滤波器对信号小波变换系数序列进行滤波处理，从而达到降噪的目的．仿真结果表明，滤波算法对不同种类、不同信噪比的信号有很好的降噪效果，尤其适用于强噪声背景下弱信号的检测。     

多小波变换零树图像编码方法研究

研究多小波变换零树图像编码的性能。在标量零树方面,通过对图象多小波系数的重新排列,提出了新的多小波系数树的定义,并由实验证明它比直接采用单小波零树的组织更为有效;在矢量零树方面,根据多小波变换处理的矢量信号这一特点,提出了矢量四叉树的数据结果,并从最优率失真意义上设计了矢量量化的多小波零树编码方案,结果表明,在该方案下,多小波比优选的9－7单小波具有更好的压缩性能。     

一种新型高斯噪声滤波算法

为了更有效滤除数字图像中的高斯噪声,提出了一种新型滤波算法.该算法首先将含有高斯噪声的图像进行二维小波分解,得到高频和低频小波分解系数;然后保留低频小波系数不变,对高频小波系数通过维纳滤波器进行滤波,并进行小波系数重构;最后将重构图像进行多尺度小波分解,通过设定新的阈值和判别函数,弱化不重要的小波分解系数,并进行小波分...     

基于神经网络的小波变换矢量量化图像压缩

根据神经网络的特性，提出了一种基于小波变换的矢量量化图像数据压缩方法，基本思路是利用小 变换实现图像的多分辨率分解，用矢量量化（VQ）对分解后的图像进行编码，利用神经网络做矢量量化编码器，从而实现通过神经网络的鲁棒性来加强对某些非典型矢量的容错能力，结果表明，该方法提高了整个系统的性能，最终提高了重构图像的质量。     

一种基于小波变换的图像压缩方法

提出了一种基于小波变换的灰度图像数据压缩方法,采用双正交小波对像进行分解,作分解后系数的矢量量化。使用频率敏感自组织特征映射算法生成码书。这可避免直接矢量量化时的块效应,且相对于正交小波,恢复图像的质量也有所提高。     

基于小波变换的弹射加速度滤波分析

根据小波分解与重构理论，对弹射加速度信号进行多尺度的小波变换，即用不同中心频率的带通滤波器对信号滤波，把主要反映噪声频率的那些尺度的小波变换去掉，再把剩余各尺度的小波变换结合起来，作小波重构变换，从而得到较好地抑制了噪声的信号。