基于脊波变换的数字图像处理

脊波变换是在小波变换的基础上产生的特别适合于表示各向异性奇异性的多尺度方法。本文简述了脊波变换理论和曲波变换理论,并通过曲波变换方法进行图像增强处理的实验,结果显示脊波和曲波比小波更适合表示线状特征。     

基于脊波变换的手指静脉图像增强研究

针对人体手指静脉图像的结构和特点,提出一种基于脊波变换的图像增强算法.该算法对手指静脉图像小波域各高频子带系数进行脊波变换,利用非线性新脊域系数确定法对脊域系数进行处理,然后对各高频子带进行脊波逆变换和小波图像重构.该算法对手指静脉二维曲线奇异处理、边缘增强等具有较好的效果,克服了小波变换在高维曲线奇异和方向选择上的不...     

基于脊波变换的手指静脉图像增强研究(英文)

针对人体手指静脉图像的结构和特点,提出一种基于脊波变换的图像增强算法。该算法对手指静脉图像小波域各高频子带系数进行脊波变换,利用非线性新脊域系数确定法对脊域系数进行处理,然后对各高频子带进行脊波逆变换和小波图像重构。该算法对手指静脉二维曲线奇异处理、边缘增强等具有较好的效果,克服了小波变换在高维曲线奇异和方向选择上的不足。通过与传统的二维离散小波变换边缘增强法和自适应调整系数的脊波变换方法作比较,实验结果表明本算法具有更好的手指静脉图像效果。     

基于脊波变换的车牌边缘检测

通过分析现有的一些边缘检测方法,针对在复杂环境下对车牌图象进行分割提取这一问题,提出了一种基于脊波变换的边缘检测方法.这种方法以脊波变换为理论基础,具有多方向和多尺度性,能对车牌中的不同方向的边缘特征进行有效的检测.实验表明,该检测方法抗噪声更强,定位更准确.     

基于脊波变换的线性判别分析人脸识别方法

在线性判别的基础上提出了一种基于脊波变换的线性判别分析算法,有效地解决了传统线性判别分析算法的小样本问题.首先利用Radon变换将二维人脸图像转换为投影矩阵,然后进行小波变换获取脊波系数矩阵,最后采用线性判别分析方法提取特征后作分类.在ORL人脸数据库上的比较实验结果证实了该算法的有效性.     

基于脊波变换的自适应阈值图像去噪算法

利用脊波变换的方法，研究了图像去噪问题．设计了一种基于脊波变换的改进图像去噪算法，该算法采用软硬阈值折中函数，针对Normal Shrink阈值提出了改进．仿真实验表明，该算法与小波全局软硬阈值去噪、脊渡全局软硬阈值去噪等算法相比，图像的峰值信噪比值有明显提高，算法对以直线特征为主的图像较为有效．     

基于脊波与小波变换的联合图像去噪方法

目的通过对脊波与小波变换这两种图像处理方法的分析,指出两种方法各自在图像处理的优缺点并提出了基于脊波与小波变换的联合图像去噪算法（RWT）。方法在去噪之前,首先通过脊波变换中较大的脊波系数,探测并保留二维图像中的主要信息特征,然后在图像的剩余信息中,通过小波变换有效地去除包含在其中的零维噪声信息,可以保留图像中的主要信息特征并完成去噪过程。结果理论分析和实验结果都表明,与传统的小波阈值方法或脊波去噪方法相比较有明显的去噪效果。结论该方法不但可以保持图像的边缘和良好的视觉特性,而且去噪后图像的峰值信噪比可再提高将近2 dB,算法处理的时间复杂度为O（Nlog（N））。     

基于脊波变换的直线特征检测及其实现

在数字图像领域,图像的特征检测是一种重要的图像预处理技术,广泛应用于轮廓抽取和纹理分析等领域.本文在Matlab编程环境下,将脊波变换提取图像直线特怔的实现分为3个步骤:(1)对含躁声的图像进行Randon变换;(2)对得到的Randon变换域进行3层小波变换,得到脊波系数;(3)对脊波系数进行阈值处理,得到的稀疏脊波系数经逆变换提取图像的直线特性.利用该方法分别对几种含躁声的图像进行直线检测,结果图像的信噪比可以达到17.4以上.研究表明,脊波变换对直线特征的提取可以得到良好的效果.     

基于平稳脊波变换的图像降噪

有限脊波变换在Radon变换域中用正交小波处理点奇异,而正交小波变换不存在冗余性,因此在应用有限脊波变换进行图像降噪时会产生Gibbs现象。为了解决Gibbs条纹干扰问题,本文在有限脊波变换的基础上提出一种新的基于平稳脊波变换的图像降噪方法,其关键是引入一维平稳小波变换来代替正交小波变换对Radon系数矩阵进行处理。实验结果表明,与基于有限脊波变换的图像降噪方法相比,本文提出的算法具有更优的降噪性能,可使图像降噪后保持更好的边缘特征和视觉效果,振铃效应得到改善。     

基于脊波变换的掌纹识别方法

提出一种基于脊波变换的高分辨率多尺度特征提取算法, 并在此基础上设计一种由粗到精的分级匹配方法, 改善了高分辨率下掌纹特征的匹配速度. 理论和实验结果验证了该方法的有效性.     

基于非抽样contourlet变换的图像增强方法

针对实验图像光照不均、对比度低、噪声大等特点,提出一种基于非抽样contourlet变换的图像非线性增强算法.首先对原图进行非抽样contourlet变换,分解为低频和高频子带;然后对低频子图进行自适应直方图处理,以增强像素的对比度,对高频系数采用分层阈值处理和分段非线性变换;最后将其反变换得到增强的图像.仿真实验结果表明:此算法不仅增强效果好,鲁棒性强,而且具有较大的实用价值.     

基于小波变换的人声语音增强技术研究

主要介绍了几种小波变换去噪的原理及语音增强的算法,并通过Matlab仿真结果证明了小波变换在人声语音增强方面的优良特性.     

基于PCNN的图像直方图均衡化增强

为了更好地增强图像,提出一种新的图像增强方法.处理分为2个阶段,首先局部增强阶段,利用PCNN模拟空间掩盖效应去除了人眼无法察觉的双边缘,同时在神经元模型中引入侧抑制来模拟Mach带效应,使边缘处灰度差值更大,平滑区域灰度差值更小.其次全局增强阶段,将灰度信息与空间信息耦合到神经元的内部活动项,将阈值设置为局部增强后的图像直方图的累加密度函数,通过比较内部活动项与累加密度函数,得到最终的增强图像.理论与实验均证明了最终图像满足直方图均衡化的要求,不仅对灰度层损失问题免疫,而且直方图近似均衡.     

基于改进Retinex的图像增强算法

为了改善图像的增强效果,在多尺度Retinex(Multi-scale Retinex,MSR)算法的基础上,提出一种改进Retinex的图像增强算法。该算法首先采用MSR算法对原始图像进行分解,得到光照分量图像和反射分量图像,然后伽马变换对光照分量图像增强处理,并采用线性拉伸方式对增强结果进行修正,同时采用双边滤波算法对反射分量图像进行处理去除噪声,最后对处理后的光照分量图像和反射分量图像进行合并得到增强后的图像,采用仿真对比实验对算法性能进行测试。实验结果表明,该文算法改善了图像视觉质量,保留了更丰富的细节信息,有效防止了光晕伪影,更加有利于后续的图像处理。     

基于Contourlet变换的SAR图像压缩算法

针对小波变换不能充分表示图像的方向性信息,以及Contourlet变换过采样的问题,提出小波与Contourlet相结合的变换对SAR图像进行稀疏表示。分析了Contourlet变换系数的特点。采用固定阈值对小系数进行了剔除。最后结合游程编码对SAR图像进行压缩。实验表明,此方法较小波变换和Contourlet变换的SAR图像压缩方法有更好的效果。     

基于小波变换的图像分级压缩算法

综合已有图像压缩算法优势，提出一种新的图像压缩算法——基于小波变换的图像分级压缩算法。将待压缩图像按频率高低分成若干子图像，根据各子图像包含能量的多少将它们分成3个等级，分别采用了不同的压缩算法。包含能量最多的低频子图像称为第1级，采用无损差分脉冲编码调制方式；包含能量较少的高频子图像称为第2级，采用嵌入式零树编码方式；包含能量极少的更高频子图像称为第3级，因其包含的能量极少，不再编码。其优点是压缩比高、算法简单、传输和下栽速度快，在传输过程中可随时结束编码而不影响图像质量。     

基于小波变换的图像混合去噪算法

提出基于小波变换与中值滤波相结合的方法,实现了图像去噪。该方法在去噪之前,先通过小波边缘检测确定图像边缘特征的小波系数,保留这些位置的小波系数,其不受阈值去噪影响,对其它位置的小波系数进行自适应阈值去噪,去除高斯噪声。然后对图像进行中值滤波,去除椒盐噪声。该算法的实验结果表明,不仅能滤出图像中高斯噪声和椒盐噪声的混合噪声,而且能较好地保留图像的边缘细节,其滤波效果优于传统的图像去噪方法。     

基于小波变换的图像分级压缩算法

综合已有图像压缩算法优势,提出一种新的图像压缩算法——基于小波变换的图像分级压缩算法。将待压缩图像按频率高低分成若干子图像,根据各子图像包含能量的多少将它们分成3个等级,分别采用了不同的压缩算法。包含能量最多的低频子图像称为第1级,采用无损差分脉冲编码调制方式;包含能量较少的高频子图像称为第2级,采用嵌入式零树编码方式;包含能量极少的更高频子图像称为第3级,因其包含的能量极少,不再编码。其优点是压缩比高、算法简单、传输和下载速度快,在传输过程中可随时结束编码而不影响图像质量。