基于分形及正交小波变换的眼底图像快速压缩新方法

本文提出了一种基于小波变换（ＷＴ）及分形的图像快速编码、解码新方法。编码时对图像进行２Ｄ正交ＷＴ及去噪处理；对ＬＬ１子带图像进行基于质心分类的快速分形图像编码。解码时对ＬＬ１子带图像进行基于收敛准则及单缓存的快速分形图像解码；２Ｄ－ＩＷＴ，以重构原图像。实验结果表明：与传统方法相比，本文方法具有提高信噪比、处理时间大大下降及压缩比显著提高的优点。     

基于小波分析和非线性PCA的图像压缩算法

提出一个基于小波分析和非线性PCA(nonlinear principal component analysis,NLPCA)的图像压缩算法,该算法通过对小波分解系数的能量大小对各个小波子图进行分类,然后用具有高强压缩能力的NLPCA对各类子图进行不同程度的压缩。其主要特点是在高压缩比条件下能达到很高的图像重构信噪比。实验结果表明该算法性能良好,在压缩比为93.1时其图像重构信噪比都能达到30以上。     

结合小波零树的分形图像编码

图像经多级小波变换以后系数有两大特点:一是图像能量主要集中在低频带,即在小波系数的高频子带部分会出现大量的零树;二是同方向多级小波子带之间具有相似性。根据小波系数的这两大特点,再结合人眼的特性是对高频失真不敏感,特别是对对角线方向的高频失真最不敏感,而对低频失真特别敏感的特性,提出结合小波零树的分形图像编码方法。理论分析和实验结果表明,在保证图像质量的情况下,能够获得较高的压缩比。     

基于矩阵填充的小波图像压缩算法

根据图像小波系数的能量聚集特性,提出了一种基于矩阵填充的小波图像压缩算法。该算法在单层离散小波变换的基础上,分别对图像各高频子带的小波系数进行稀疏采样,然后对少量的采样系数进行熵编码以实现图像压缩。解压缩时,采用奇异值收缩迭代算法完成矩阵填充,从少量的采样系数中恢复出各高频子带,再进行小波反变换重构图像。实验结果表明,该算法实现简单,在编码比特率大于1比特/像素时,具有较好的压缩性能。     

基于双密度双树小波变换的超声图像降噪

针对去除斑点噪声提高超声图像质量的问题,提出双密度双树离散小波变换（DD-DT DWT）结合局部方差估计的双变量收缩阈值函数（BFS）的图像降噪改进算法实现超声图像降噪。首先将原始图像用DD-DT DWT进行多尺度分解,根据噪声模型和小波子父代系数确定的局部边缘方差估计阈值,利用子父代小波系数相关性构成的双变量阈值函数,对图像16个方向的小波系数进行非线性自适应的处理,最后重建降噪后的图像。用仿真和真实数据对此算法进行验证,并与其他小波降噪系统的性能比较,结果分析表明噪声图像经该算法降噪后,图像性能指标均有提高,不仅有效的实现图像降噪,而且较好的保留图像细节。     

基于整数小波变换的图像编码研究与仿真

对原始图像分块后，通过整数平方量化阈值编码与上下文相关的零树编码的有机结合，提出一种基于整数小波变换和整数平方量化阈值的上下文相关零树编码算法ISCZ（Integer Square threshold and Context-based Zerotree)。ISCZ算法不仅缩短了各量化阈值间的距离，增加了编码过程中零树的数量，而且充分挖掘了零树符号间的相关性，克服了基于提升框架的(5，3)等整数小波变换能量集中性差的缺点。实验结果说明，ISCZ算法对静态图像的压缩效果优于目前已有的小波压缩算法。     

四叉树分类的网格编码量化在SAR图像中的应用

综合了小波去相干斑噪声、四叉树分类、网格编码量化技术,提出了一种在小波域内对带噪SAR图像作网格编码量化的新方法。首先对小波域的SAR图像实施软阈值去噪声,然后根据小波图像中各子带系数的带间相关性对其进行四叉树分类,再对分类后的重要类小波系数应用网格编码量化形成有序的嵌入式比特流。该方法不仅利用了信号间的时间相关性,而且也较好地利用了信号变换域的相关性。并且在对SAR图像压缩的同时去除了噪声,取得了很好的效果。     

基于小波变换和SVM的图像压缩仿真研究

为了在较高的压缩比上获得很好的压缩性能,提出了一种基于小波变换和支持向量机(SVM)的图像压缩方法。压缩过程分三个步骤:首先对图像进行四级提升小波变换,这里采用提升格式是因为它比采用传统的Mallat算法的计算速度快;其次对变换后的小波系数用SPIHT的继承树进行重新排序;然后用回归支持向量机提取支持向量;最后对压缩后的数据进行算术编码。图像的解压缩过程是上面4个步骤的逆过程。实验结果表明,所提出的方法与常用的JPEG2000相比,当压缩比较高时有很好的性能。     

基于多小波的SAR图像去噪与压缩

SAR图像固有的乘性相干斑噪声降低了图像的相关性,增加了信息熵,影响了图像压缩的性能.多小波能够同时拥有正交性、紧支性和对称性,比单小波具有更多的自由度.因此提出了在多小波域进行去噪和压缩相结合的SAR图像编码算法.首先对图像进行多小波变换,采用改进的软阈值法抑制相干斑噪声同时对图像边缘进行保护,再对多小波系数重排建立空间方向树,然后采用多级树集合划分(SPIHT)算法进行编码.实验结果表明,该算法改进了重建SAR图像的PSNR,同时对相干斑噪声进行了有效的抑制.     

基于小波和脊波的图像联合去噪方法

为了在图像去噪时更好地保持细节特征,提出了联合小波和脊波的阈值去噪方法。在含噪图像小波分解后,对每一尺度下三个高频子带的细节分量进行单层逆变换,得到该尺度下的细节图像。对细节图像进行脊波阈值去噪处理,然后再进行单层小波分解。用所得的高频子带分别代替先前小波分解所得的高频子带。最后对处理后的图像小波系数进行小波逆变换,得到去噪图像。实验表明,在处理具有直线特征的图像时,该方法要优于单纯的小波或脊波阈值方法。     

基于三维小波变换及运动补偿的视频图像压缩技术

视频图像压缩技术是多媒体信息存储和传输的关键。提出了一种结合运动补偿的三维小波视频图像编码压缩技术。该算法首先对视频图像进行三维小波分解 ,然后对分解后的不同频率的子图像进行量化编码 ,并结合运动补偿技术消除图像帧之间的冗余相关信息 ,实现视频图像的编码压缩。实验仿真结果证明了这一算法的可行性和有效性     

基于不变矩的景象匹配辅助导航快速匹配算法

针对景象匹配过程中矩特征计算量大、耗费时间长的问题,在搜索匹配前,首先通过小波变换压缩图像以减少搜索空间。在此基础上,为了减少每个待匹配位置相似性测度的计算量,利用矩特征的求解特点及匹配过程中相邻子图间的关系,通过设置多个和表简化各子图矩特征的计算。综合这两种加速策略,提出了一种快速的不变矩匹配算法,该算法极大地降低了匹配过程的计算代价。实验结果表明,所提算法与仅使用小波变换的方法相比,在保证匹配精度的同时,进一步减少了匹配耗时。     

基于四通道不可分提升小波的多聚焦图像融合

张量积小波及其提升小波只强调图像的水平方向和垂直方向的边缘,造成其在应用于多聚焦图像融合时结果图像的空间分辨率不高;而二维四通道不可分小波对图像进行融合时虽有较高的空间分辨率,但由于对图像进行分解和重构时采用了卷积运算,使得融合方法的运算量增大。针对上述问题,把二维四通道不可分小波滤波器组进行提升分解,并提出了一种基于此提升分解方案的多聚焦图像融合方法。首先,对二维四通道不可分小波滤波器组的多相位矩阵进行提升分解,并利用所得提升方案对源图像进行分解;其次,对分解后的低频子图像和高频子图像分别进行融合,得到融合金字塔;最后,做二维提升小波逆变换,得到融合后图像。利用熵、平均梯度和清晰度等客观指标对融合结果进行评价。实验结果显示,所建议提升小波融合方法比张量积小波和张量积提升小波融合方法及轮廓波融合方法有较高的清晰度,比提升之前的二维四通道不可分小波融合方法速度有了较大提升。     

基于复数小波变换的景像匹配算法

讨论了一种基于复数小波变换的景像匹配算法 ,并以此算法为基础给出了一个高效的景像匹配模型。依据生物视觉的空间频域通路思想 ,利用复数小波移动不变性 (shiftinvariance)和实数离散小波快速算法 (Mallat快速算法 )将图像分解成多层 ,模拟生物视觉的感知过程 ,分别在高、低空间频域内进行了由粗到精的快速匹配。通过实验证明 ,与传统的景像匹配算法相比具有速度快、匹配概率高、抗干扰能力强等优点。     

利用双树复小波变换和SURF的图像配准算法

为了进一步提高图像配准的运算效率、匹配正确率及配准精度,提出了一种利用双树复小波变换和加速鲁棒特征（speeded up robust features, SURF）的图像配准算法。首先利用双树复小波变换将参考图像和待配准图像分解为低频部分和高频部分,选取其对应的低频部分作为SURF算法的输入图像,得到两者的粗匹配结果;然后通过随机抽样一致（random sample consensus, RANSAC）算法对粗匹配点对进行提纯,剔除误匹配点对,解决了SURF算法存在较多错误匹配点对的问题,同时计算出最佳匹配的变换模型参数;最后根据该变换模型参数对待配准图像进行几何变换,经双线性插值确定灰度,完成图像的配准。大量实验结果表明,与尺度不变特征变换（scale invariant feature transform, SIFT）算法和SURF算法相比,所提算法的运算速度更快,匹配正确率和配准精度更高,同时在抗噪声、抗旋转及抗亮度变化性能方面更加优越。     

基于多小波分布熵的图像检索

为了提高小波直方图的检索性能,提出基于多小波信息分布熵的图像检索算法。对检索图像进行多小波分解,并用滤波器对各个子图进行非线性滤波,计算多小波各子带的能量熵;对各子图的小波能量矩阵进行0/1量化,然后以各子带相同方向子图计算多小波分布熵;针对特征向量进行高斯归一化,利用欧氏距离计算不同图像间的纹理相似度。基于内容的图像检索试验表明,该方法的检索精度比快速小波直方图方法提高了9.7%。     

基于NSCT和IHS变换域的灰度可见光与红外图像融合方法

针对灰度可见光与红外图像的融合问题,提出了一种基于非下采样轮廓波变换(non subsampled contourlet transform, NSCT)和IHS变换域的自适应融合方法。该方法利用IHS变换域的有效分离图像亮度信息和光谱信息的优势,对灰度可见光图像进行彩色传递并得到亮度、色调、饱合度(intensity hue saturation, IHS)三个分量的值;然后通过NSCT变换分别对可见光图像的I分量和红外图像进行多尺度和多方向分解,并采用一定的融合规则得到融合图像的低频分量和高频分量,而后进行NSCT逆变换得到灰度融合图像并将其作为最终融合图像的I分量,最后进行IHS逆变换得到红绿蓝(red green blue, RGB)彩色融合图像。理论分析和仿真实验验证了该算法的有效性。     

基于小波分析的图像插值技术研究

基于小波分析理论，提出一种医学图像断层间的插值方法。通过对医学图像的小波变换，插值图像边缘对应的高频子图，得到在轮廓上过渡的图像：对小进变换的低频子图，在小窗口邻城内利用灰度直方图统计得到其概率灰废值并寻找最佳插值匹配点。使得插值图像在灰度上得到很好的过渡；通过小波逆变换得到最终的插值图像。通过与以往算法的对比和分析，本算法所获得的插值图像在形状和灰度方面均达到了较高的清晰度，满足断层图像的插值要求，可有效用于医学图像的三维重构。     

小波变换用于CT图像重建及处理研究

研究了小波变换多分辨率图像重建和局部区域重建算法。在算法中 ,小波滤波器直接修正重建滤波器 ,重建得到各种细节图像 ,并能快速地得到重建图像的轮廓。由于小波变换的局部性 ,使用局部数据能重建局部图像。通过小波多尺度分析和重构系数控制 ,提出一种简单算法 ,在重建中进行图像增强和噪声消除 ,该算法将图像重建与图像处理结合在一起。与通用的算法相比 ,能提高重建速度和图像质量