具有平移和尺度不变性的图像小波多尺度特征

在平移和尺度不变自适应小波变换的基础上,提出了一种稳定的小波多尺度图像特征,这种自适应的图像多尺度特征具有平移和尺度不变性.实验证实了所定义的特征向量在尺度和平移变换下是稳定的.     

具有平移和尺度变换不变性的自适应小波矩

提出了一种同时具有平移和尺度变换不变性的自适应小波分解新方法,分解系数称为小波不变矩,并给出了计算这些小波不变矩的有效算法,实验证实了数字图像的小波不变矩的平移和尺度不变性。     

多尺度和多方向特征的图像去噪

提出一种基于多尺度和多方向的自适应图像阈值去噪方法。先对图像进行非下采样Contourlet变换得到不同尺度和不同方向上的变换系数,然后根据变换系数特征,引入尺度和方向阈值因子,用分解尺度系数的均值和区域能量表示图像的纹理信息。在相同分解尺度下,区域能量越大,表示该方向具有更多的纹理信息,阈值应该设置就越低,反之阈值就越大。根据尺度和方向阈值因子,自适应地确定图像去噪的阈值。最后对变换系数进行反变换,实现图像去噪。实验结果表明,与小波变换和Contourlet变换相比,保留了更多的图像轮廓细节,提高了图像的质量。     

具有平移和尺度变换不变性的自适应小波矩

提出了一种同时具有平移和尺度变换不变性的自适应小波分解新方法,分解系数称为小波不变矩,并给出了计算这些小波不变矩的有效算法．实验证实了数字图像的小波不变矩的平移和尺度不变性．     

利用小波分析进行基于形状的图像检索技术

目的 解决基于形状检索方法中形状描述符的不稳定、缺乏平移、旋转、尺度不变性等缺点。方法 通过对图像进行小波变换，获得多尺度下的不变矩，得到图像的特征描述符，通过特征描述符的欧氏距离来表示图像的相似度。结果 通过小波变换进行形状特征提取具有很好的图像检索效果。结论 新方法获得的描述符具有旋转、平移、尺度不变性等优点，能够很好地描述图像的形状和空间分布信息。     

基于Radon变换的多尺度虹膜识别算法

针对现有虹膜识别算法需要处理二维纹理信息,特征提取时间长,对噪声干扰比较敏感等问题,提出了基于Radon变换的多尺度虹膜识别算法.首先利用Radon变换将二维虹膜纹理信息转换为一维纹理信号,然后使用小波变换多尺度能量算子提取虹膜的特征信息,最后利用相异度函数进行匹配判别.实验结果表明,算法具有运算简单,快速等优点,同时算法能够较好地克服图像平移、缩放、旋转等几何攻击对识别带来的不利影响,具有较强的抗干扰能力和较高的识别率.     

基于小波包变换的尺度自适应阈值图像降噪

针对传统小波变换易引起图像边缘模糊的不足,研究了基于小波包变换的尺度自适应阈值图像降噪。利用小波包变换可以同时对图像的高频和低频部分进行进一步的细分,因此可以更好地保留原图像信息的优势,更进一步,克服通用阈值的缺陷,软阈值函数的构造充分考虑了不同尺度层次上的系数的不同特点,产生尺度自适应阈值。通过对加噪图像的实验可以看出,与传统方法相比,本文方法不仅降噪效果有很大的改进,而且有很好的视觉效果,峰值信噪比也有较大幅度的提高。     

基于小波域隐马尔可夫模型多尺度图像分割

提出了一种基于小波域自适应上下文结构的多尺度图像分割算法（JACMS）．该算法为了减小计算复杂度,采用隐马尔可夫半树模型和参数加权训练算法,得到了可靠的初始分割．为了获得较好的区域一致性和边缘准确性,在进行尺度间融合时,采用自适应的上下文结构分别应用于图像纹理均质区域和图像纹理边缘,保证了图像大致轮廓的准确性和可靠性,提高了分割后图像纹理边缘的精确度．对合成图像与航摄像片的实验结果表明,该方法的分割错误概率低于传统的基于小波域隐马尔可夫树模型的图像分割方法,且对真实图像得到了理想的分割效果．     

多尺度稀疏表示的Contourlet域图像去噪

提出了Contourlet域多尺度稀疏表示的自适应阈值图像去噪算法.首先,在分析了Contourlet域多尺度图像稀疏表示的基础上,提出了Contourlet域自适应阈值去噪算法;其次,详细地讨论了该算法选择不同的Contourlet域参数对图像去噪性能的影响,并比较了在等同的条件下Contourlet域与Wavelet域的去噪效果.实验结果表明,本文算法以及选择合适的Contourlet域参数进行图像去噪能有效地抑制图像噪声、保留边缘和轮廓信息.     

基于非下采样Contourlet变换的图像自适应阈值去噪算法

利用非下采样Contourlet变换的平移不变性和多方向选择性,考虑非下采样Contourlet变换域内相邻尺度间和同一尺度、不同方向间图像系数和噪声系数之间不同的相关性,根据子带含有信息量的多少,自适应地调节BayesShrink阈值大小,不仅使弱的边缘细节被从噪声中提选了出来,而且避免了将较大的噪声系数判定为图像细...     

基于边缘切线流场的多尺度结构张量图像检索算法

为减小基于草图的检索技术中弱边缘的影响并提高特征的平移不变性,提出了一种基于边缘切线流场的多尺度结构张量检索算法.该算法采用边缘切线流场取代梯度场,在显著强边缘上计算结构张量以抑制弱边缘的影响,并在多尺度分区架构下进行结构张量特征的提取以增强特征的平移不变性.实验结果表明,与传统的结构张量方法相比,该算法有效地抑制了弱边缘的影响,避免了使用图像梯度方向描述图像显著边缘方向的不稳定性,增强了特征的平移不变性,提高了检索性能.     

基于多尺度的掌纹辨识算法

为了解决局部二值模式(Local Binary Pattern,LBP)不能有效的提取掌纹不同尺度的特征,提出一种对曲线有很好描述、多尺度的第二代曲波变换(Curvelet)与LBP选择性结合的多尺度掌纹辨识算法。首先将原始掌纹图像进行Curvelet变换,获得不同尺度的掌纹图像;其次对得到的掌纹图像选择性使用LBP提取特征;最后采用卡方距离对不同的掌纹进行分类。通过对PolyU掌纹图像库中具有不同光照、平移、旋转的图像进行验证,证明了此算法对光照、旋转、平移都有很好的效果,且识别率高于LBP算法与其他传统算法,达到99.20%,证明了此算法的有效性,同时,特征提取与匹配时间为139.4×10-3s,满足实时性要求。     

图像多尺度几何分析综述

阐述了图像多尺度几何分析技术的国内外发展现状及趋势,并介绍了其在图像处理中的部分应用,探讨了图像多尺度几何分析方法存在的问题及进一步的研究方向,为多尺度几何分析技术的发展状况提供了清晰的轮廓.     

一种新颖的图像多尺度几何变换及其应用

提出了一种新颖的图像多尺度几何变换方法,主要由预处理、方向滤波器组和最优方向小波变换等组成.方向滤波器组将预处理后的高频分量分解为多个方向子带,然后每个方向子带执行改进的最优方向小波变换.该变换兼有Bandelet变换和Contourlet变换的多尺度几何分析特性,能更稀疏地表示边缘和纹理特征.分别将EBCOT编码和硬阈值去噪应用到图像变换系数中,从而实现了有效的图像压缩和去噪,很好地保护了图像细节.实验结果表明,对于纹理和边缘丰富的图像,所提出的图像压缩和去噪方法在视觉质量上明显优于基于Bandelet或Contourlet变换的方法,峰值信噪比也提高了0.1 dB以上.     

多尺度小波变换在自适应滤波中的应用

分析了小波变换的基本理论和小波变换的多尺度分析，并根据多尺度小波变换的多分辨率特性，提出基于多尺度小波变换的自适应滤波，构造了其仿真模拟图，并对其进行了仿真，通过LMS自适应滤波和多尺度小波变换自适应滤波的信真图对比，表明该方法可行的。     

结合分数阶微分的浮选泡沫图像NSCT多尺度增强

针对浮选槽低照度环境下采集的泡沫图像对比度低、边缘弱、噪声干扰等问题,提出了一种结合自适应分数阶微分和非下采样Contourlet变换(NSCT)的泡沫图像多尺度增强算法.首先对泡沫图像进行NSCT多尺度分解,根据低频子带的梯度特征构造自适应分数阶微分阶次函数,结合改进的带亮度控制参数的Tiansi算子对低频子带图像进行增强处理;然后对各高频方向子带,根据能量分布特征自适应计算阈值,再结合尺度相关系数去除噪声,并通过非线性增益函数增强边缘系数;最后对处理后的图像进行NSCT重构.对不同大小类型的泡沫图像进行实验,结果表明:与现有算法相比,文中算法改善了图像的亮度,具有更高的对比度、清晰度和信息熵,保留更多的纹理细节,在有效抑制噪声的同时气泡边缘得到明显增强,为后续的泡沫图像分割和边缘检测奠定了基础.     

多尺度自适应加权形态边缘检测方法

针对常用的多尺度边缘检测方法因卷积运算造成模糊图像边缘，提出一种多尺度自适应加权形态边缘检测方法，利用大小不同的结构元素提取图像边缘特征，在大尺度下抑制噪声，可靠地识别边缘，在小尺度下定位，再由粗到细跟踪边缘，得到边缘的位置，再由各尺度结构元的抗噪性确定加权值的大小，然后加权处理得到最后的边缘结果，实验表明，用多尺度自适应加权形态边缘检测算法可得到较理想的图像边缘。     

基于自适应阈值的三维图像多尺度边缘检测

目的研究三维图像边缘检测中边缘的定位精度问题,根据多尺度小波变换的方法,提出一种自适应阈值三维图像多尺度边缘检测技术。方法首先对三维医学图像分解成多幅二维图像,再对图像直方图滤波平滑处理,消除噪声的影响,然后对平滑后的直方图进行多尺度分析,找出直方图的谷点,以不同尺度下的谷点比较后自动确定精确阈值,按照阈值对图像分割,然后对分割图像进行边缘检测,最后将多幅二维图像合成三维图像。结果实验表明,该方法能够自动准确选择分割阈值,准确检测三维图像的边缘。结论算法能解决人工估算阈值不够准确的问题,所检测到的三维图像的边缘能够满足目标识别和三维重建的要求。     

基于多尺度边缘的血管内超声图像增强算法

血管内超声图像同时具有低对比度和低信噪比的特征,传统的图像增强算法会明显放大噪声.为此,提出一种基于边缘表示的算法来增强血管内超声图像的对比度,采用平滑函数的导数作为小波函数对图像进行二进小波分解,使用小波系数在各尺度间的局部极大值来刻画图像的多尺度边缘,通过拉伸小波系数极大值再重构图像来增强灰度图像的对比度.实验结果表明,本文提出的增强算法在有效增强图像对比度的同时避免了放大噪声,并且可以通过调节不同尺度的拉伸因子来获得不同的增强效果,同时提高了运算速度.     

基于图像变差函数的多尺度边缘检测

文章基于变差函数的变程提出一种滤波尺度参数的确定方法。由于变差函数能反映图像数据的随机性和结构性特征,因而对图像边缘具有识别能力。文中算法根据变差函数的这种性质自适应调整多尺度边缘检测的尺度参数。实验结果表明它能很好地消除噪声而又将图像的细节检测出来。