基于双密度双树复数小波变换的图像去噪

针对双树复数小波方法对图像去噪效果不理想的问题，综合双密度双树小波和双树复数小波的变换机理，提出一种基于双密度双树复数小波变换的图像去噪方法．该方法将双树复数小波的6个方向提高到12个方向，采用该小波进行最优阈值去噪处理，图像噪声明显减少．仿真试验表明，该方法能有效消除图像噪声，与双树复数小波相比，去噪效果明显改善，均方误差减小了5．8％．     

基于二维双树复数小波变换的图像去噪

目前小波变换在图像去噪中的应用取得了较好的效果。而二维双树复数小波变换由于其在平移不变性,方向性等方面的优势,要比可分离二维离散小波变换具有更好的图像去噪能力。因此我们提出采用二维双树复数小波变换进行图像去噪,仿真试验结果表明二维双树复数小波变换的去噪效果明显改善。     

基于二维双树复数小波变换的图像去噪

目前小波变换在图像去噪中的应用取得了较好的效果。而二维双树复数小波变换由于其在平移不变性,方向性等方面的优势,要比可分离二维离散小波变换具有更好的图像去噪能力。因此我们提出采用二维双树复数小波变换进行图像去噪,仿真试验结果表明二维双树复数小波变换的去噪效果明显改善。     

基于双树复数小波变换的图像清晰度判定

提出了一种新的图像清晰度评价方法.该方法基于双树复数小波变换,定义高频带与低频带2-范数的比值作为图像清晰度的判定准则.实验结果表明,所提出的方法优于传统的图像清晰度准则,区分效果好,评价结果更为准确、可靠.     

基于超复数小波和图像空域的卷积网络融合注视点预测算法

针对已有注视点预测模型存在特征细节缺失、尺度单一和背景信息干扰严重导致的注视点预测精度偏低等问题,提出了一种基于超复数小波和图像空域的卷积网络融合注视点预测算法.首先,针对细节特征丢失问题,使用超复数小波变换在频域中提取图像的细节特征,与卷积网络提取的空域特征进行融合.然后,通过空洞空间金字塔池化模块,融合不同感受得到的特征图,有效解决了特征尺度单一的问题.最后,引入了残差卷积注意力模块,结合空间和通道的注意力机制,能够有效抑制背景信息的干扰,提高注视点预测精度.在SALICON数据集上,CC、sAUC和SIM评价指标下,该算法的性能达到0.884 7、0.769 3和0.778 0;在CAT2000数据集上,该算法在相应指标下的性能为0.735 5、0.870 1和0.664 5.主客观对比实验结果表明,该算法具有较好的注视点预测能力.     

基于血流图双树复数小波域傅里叶变换的红外人脸识别方法

提出了一种基于血流图与双树复数小波域傅里叶变换的红外人脸识别方法.首先利用血流模型把温谱图转换成血流图,然后将人脸血流图进行一级双树复数小波分解,保留分解后的4个低频子带并分别进行傅里叶变换,得到每个低频子带的特征矩阵,分别计算4个子带的欧氏距离并进行简单的加法融合,再用三阶近邻分类器得到最终的识别结果.为了减小算法的时间复杂度,我们对血流模型进行简化.实验结果表明,本文所提的方法有较好的识别结果.而简化的血流图相比原模型的识别率没有明显的下降,甚至某些情况下还稍高于血流模型,说明本文的方法是有效的.     

一种基于四元数小波变换的图像融合方法*

目的基于四元数小波变换理论提出了一种新的图像融合方法。方法基本思想主要包括3步:首先,对图像进行四元数小波分解,得到各个尺度下的高频子带和低频子带。其次,对高频子带和低频子带分别采用区域最大值法和系数平均的融合准则,得到融合的四元数小波融合系数。最后,利用四元数小波逆变换得到融合图像。结果用所提方法得到了6组测试图像在主观和客观上的融合结果。结论实验表明,所提方法比离散小波变换、对偶数复小波变换和曲线波变换的图像融合方法更有效。     

二个矩阵不等式在复数域和四元数体上的推广

利用李群，李代数的极大环定理，得到了四元数体Ｈ上Ｈａｍｉｌｔｏｎ斜矩阵可对角化，２然后以此为基础把两个实数域上的矩阵不等式推广到复数域和四元数体上。     

三十二元数乘法表

给出三十二元数单元乘法表,并证明了能够表成32个平方数之和的两个数的乘积,也可以表成32个平方数之和.     

自共轭四元数矩阵特征值不等式

文章将复数域上的Rayleigh-Ritz定理推广到四元数体上，并给出了自共轭四元数矩阵的特征值和不等式估计。     

基于双树复小波的图像镶嵌算法

为保证图像的无缝镶嵌以及清晰度与平滑度一致,提出一种图像镶嵌算法.基于双树复小波近似平移不变性和良好的方向分析能力,在确定初始重叠区域后,利用双树复小波分解结构的层次对应匹配法和Lev-enberg-Marquardt优化算法,逐层求解.求解时先对小波系数进行阈值化处理,在保证匹配精度的同时提高运算速度.结果表明,该算法实现了全景图的自动生成,全景图在视觉上看不出拼接痕迹,达到无缝拼接的效果.     

用二元树复小波变换法实现离焦图像的半盲复原

提出了一种基于二元树复小波变换和神经网络的半盲离焦图像复原算法,首先利用二元树复小波变换和特征值分解提取图像的特征矢量,将该矢量用来训练小波神经网络,利用训练好的网络估计离焦模糊参数.由此获得点扩展函数,用Wiener滤波完成图像的复原.实验结果表明,该方法能有效地估计离焦模糊参数和复原模糊图像.     

基于双树复小波变换的岩心图像去噪

复数离散小波变换由于其平移不变性、多方向性及精确的相空间信息等优点,在图像处理领域中的应用十分广泛.岩心图像的去噪是后续的目标检测与定量分析的关键.本文提出将双树复小波变换运用于岩心图像的去噪,取得了良好的效果.     

基于对偶树复小波变换的遥感图像薄云去除

在卫星传感器获得的遥感图像中,由于受气候影响,图像可能存在被云雾噪声覆盖的区域.提出一种基于对偶树复小波变换的薄云去除方法,利用该变换将含云遥感图像分解成高频和低频成分,通过对高频补偿和低频抑制处理,有效去除遥感图像中的薄云,恢复云覆盖区域的地物信息.实验结果表明,该方法优于常用的薄云去除方法,在去除薄云的同时能有效恢复云覆盖下的地物信息,此效果源于对偶树复小波变换具有的近似平移不变性和良好的方向选择性.     

基于多通道小波卷积神经网络的路面异常检测算法

为了保证路面质量和行人与驾驶员的安全,提出了一种利用传感器时序多变量信号数据进行路面异常检测的算法.针对行驶过程中需要结合多种传感器信号在不同尺度对路面特征进行分析的问题,提出结合小波卷积网络和多通道网络技术,实现路面异常检测.首先,在多级小波变换间加入卷积神经元网络,从多个尺度分析单个传感器信号的局部连续性;然后,构建多通道神经网络,将多个传感器信号分别作为不同通道的输入,计算多个信号相结合的特征向量;最后,使用多层感知机根据多通道小波网络的输出实现路面异常检测.实验结果表明,该检测算法相对于传统的时间序列分类方法,同时考虑了多尺度分析、信号局部连续性和多变量信号的结合,在分析多变量时序信号数据时,具有更低的误检率和漏检率,更高的F1值.     

基于双层卷积神经网络的步态识别算法

提出运用双层卷积神经网络模型实现基于足底压力图像的步态识别方法.首先,对足底压力数据采集系统采集的图像作相应预处理;然后,用双层卷积神经网络模型学习得到足底压力图像的单层和双层卷积特征;最后,将卷积特征训练分类器得到分类结果.实验结果验证了该算法的有效性.     

基于多元BKF模型的双树复小波图像去噪

本文提出了一种新的去噪方法。该方法将小波系数的内尺度和外尺度信息植入到多元BKF模型之中,从而充分考虑了内外尺度的相关性,并根据最大后验估计(MAP)准则,估计得到图像去噪的阈值化函数,最终,通过逆变换阈值化后小波系数得到去噪后的图像。同时该方法还利用双树复小波变换对图像进行分解和重构,克服了一般离散小波变换缺乏平移不变性和方向敏感性的弱点。去噪实验结果表明,该算法比传统的几种算法有更好的去噪效果。     

一种盲检测的小波域数字水印算法

提出一种基于离散小波变换的盲检测数字水印算法.该算法在嵌入时,采用同一水印多重嵌入的思路,不但实现了盲提取,同时还提供提取水印时所需要的纠错信息,提高检测的正确率.通过实验证明,该算法具有较理想的安全性、鲁棒性,且由于该算法在提取水印时不需要原始信息,因此将水印技术应用于产品的网络发布和传播时具有一定的优势.