基于离散多小波变换的医学图像融合

研究了基于多小波的医学图像融合,在分析了CT图像和MRI图像特性的基础上,提出了基于离散多小波变换的图像融合框架模型。详细阐述了如何使用GHM多小波对2D图像实现分解———融合规则选择———多小波重构。与单小波不同,多小波分解前需要对图像进行预处理,以及重构后的后处理。文章的最后比较分析实验结果,证实了基于离散多小波变换图像融合相比于单小波融合方法的优越性。     

L2(R)的多小波包分解

给出多小波包的定义, 对其性质做进一步探讨, 并给出平方可积空间中关于正交多小波包的正交分解     

改进的混合级联遗传算法

将模拟退火算法和级联遗传算法相结合,提出了一种改进的混合级联遗传算法。模拟退火算法承认物种进化过程中的局部失败和倒退,它允许进化中的波折而不是非要物种进化一直是上升的、成功的,模拟退火算法能使搜索过程避免陷入局部最优解。级联遗传算法假设问题的最优解总是靠近于问题的局部最优解的,据此,级联遗传算法通过不断缩小解空间达到快速收敛的目的。综合运用这两种算法,可克服模拟退火算法收敛速度慢、级联遗传算法局部搜索能力差的缺点。利用本算法构造CL多小波前置滤波器的实验结果表明,本算法不仅计算速度快,而且稳定性也得到了显著提高。     

多小波变换在电能质量扰动检测与分类中的应用

分析了电能质量扰动产生的原因,针对几类常见的电能质量扰动问题,探讨了多小波变换在电能质量扰动的检测与分类中应用的理论依据,并通过大量的仿真工作,对多小波与传统小波的电能质量扰动检测与分类效果进行了分析比较,研究结果表明:多小波比传统小波具有更好的电能质量扰动检测与分类效果.     

平衡多小波的构造及其在图像压缩中的应用

本文构造了一种性质良好的平衡多小波,并将之应用在图像压缩技术中．并结合多小波的理论和数学上的平衡多小波理论,成功构造了更适合于图像压缩的Balanced Multiwavelet Based on the CL multiwavelet,简称BMW-CLB,其意义为基于cL多小波的平衡多小波,它在图像压缩的比率方面比其他的单小波和多小波更具有优势．     

基于多小波变换非线性自适应增益的图像增强

随着多小波理论的发展,它所拥有的对称性、光滑性、紧支性、正交性等重要的数学性质弥补了单小波的不足．提出了一种基于多小波变换非线性自适应增益的图像增强算法,将图像进行多小波分解,高频细节图像采用多尺度非线性自适应增益增强．低频平滑图像采用反锐化掩模增强．实验结果表明：该算法能突出图像中的细节部分,可以有效地消除噪声,并且具有良好的增强效果．     

BOR多小波域水印信息单层嵌入的分析与实现

为研究多小波域内数字水印算法的优越性和灵活性,对精确重构(BOR:Balanced Optimal\|Reconstruction)多小波分解系数进行了详细分析,提出了图像多小波变换的分层性(不同于分解的级数)观点\.根据这一特点,待隐藏的信息可分层嵌入图像BOR多小波域。通过仿真实验对可读的自适应盲水印信息嵌入BOR域单层子图算法与小波域算法进行比较的结果表明,前者拥有优良的不可感知性和更强健的抗图像处理攻击能力。     

基于插值多小波的双彩色图像水印算法

根据插值多小波具有的优良性质,提出了一种双彩色图像水印新算法．该算法只须对彩色的宿主图像和含水印图像的R,G,B各分量分别进行多小波变换或逆变换就可实现,具有较高的执行效率．且实验证明该水印系统具有良好的透明性和鲁棒性．     

一种新的基于多小波变换的虹膜识别算法

提出一种基于多小波变换的新的虹膜识别算法. 利用CL多小波优良的数学性质, 虹膜纹理特征能够被准确完整地表达. 将分解后子带作为特征编码, 利用空间向量的方向夹角余弦作为匹配方法, 有效克服了缩放、 平移、 光照等影响, 达到了较好的识别效果.     

基于多小波域双彩色图像的水印算法

本文利用多小波的优良性质结合人眼对蓝色不敏感的特性,提出了一种双彩色图像的水印算法.算法合理选择嵌入区域和嵌入强度,将彩色水印信息的各分量分别嵌入到彩色载体图像蓝色分量多小波域的中低频上,这样既可以保证算法的透明性又可以实现其鲁棒性.实验结果表明,本文算法具有透明性好、嵌入信息量大等特点,且对于多种常见攻击具有较好的鲁棒性,如：JPEG压缩、图像剪切、椒盐噪声、高斯噪声、speckle噪声、泊松噪声等.