基于方向小波的差值滤波图像去噪算法

针对利用方向小波的多方向框架分割图像时形成的像素序列长度的不同,提出一种新的基于方向小波的差值滤波图像去噪算法.该算法根据白噪声分布规则,将像素序列分成两组,分别采用不同的阈值萎缩方法,并将所产生的方向子图像进一步的作差值滤波处理,最后对所有子图像进行线性平均.对含不同程度高斯白噪声的图像去噪仿真实验表明,与其他小波阈值去噪方法相比,该算法能更有效的去除噪声和保持图像纹理细节,信噪比提高1～3dB.     

基于自适应窗的小波域图像去噪算法

提出了一种利用自适应窗的小波域双重局部维纳滤波图像去噪算法。综合考虑小波分解后各个子带中能量分布的方向特性和图像本身的边缘和纹理特性,该算法首先估计每个子带中信号的能量分布进而在每个子带中确定自适应窗,然后利用自适应窗估计出的能量分布对含噪图像进行双重维纳滤波来去除噪声。实验结果表明该算法对含噪图像去噪的效果优于已有的采用二维可分实小波进行图像去噪的算法。     

实现定点DSP汇编层反正切函数的差分进化算法

基于差分进化算法,提出一种在定点DSP汇编层快速实现高精度反正切函数的方法,并对该方法在确定精度范围内的正确性和实时性进行了测试。与传统方法相比,差分进化算法求得的逼近多项式精度高、阶数小,设计出的反正切函数实时性远优于C库函数。同时差分进化算法还可以用于其它非线性数学函数在实时环境中的高效实现。     

基于小波的人脸去光照识别算法研究

研究了面部图像的多级小波分解与重构,分析了光照、表情等变化对小波分解低频近似系数的影响,指出了光照变化对小波低频近似系数影响最大,表情和个体差异的影响次之.在此基础上提出应用PCA变换的方法来重建光照影响小的小波低频近似分量,以此来替换原图的小波低频近似系数,再通过小波重构得到去光照人脸.在识别时,运用特征脸的方法对重构脸进行了特征提取与识别研究,在AR人脸库上进行了测试,并对不同小波基进行了比较,结果表明该方法能有效地去除光照等因素影响,识别效果得到了较大地提高.     

小波域多聚焦图像融合算法

研究了小波域多聚焦图像融合方法中滤波器、分解层数、融合规则的选取问题,提出一种基于小波变换的简单融合规则。利用小波变换将图像分解成最低频逼近和不同尺度、不同方向的高频细节信息,最低频逼近反映图像的平均信息,细节包含图像的边缘。根据多聚焦图像中细节信息互补的特点,对多个待融合图像简单地取模值较大的小波系数,得到了很好的融合图像。详细讨论了不同的小波滤波器、分解深度、融合算子对融合结果的影响。对小波域图像融合算法与其它一些多分辨图像融合算法:如Laplace塔、比率塔、对比度塔、梯度塔等进行比较,得到了一些定性结论,对该领域的研究和实验有一定的指导意义。     

用FPGA实现互联的多DSP并行系统结构

为满足实时图像处理要求,在分析了常见DSP并行系统结构基础上,提出了一种基于FPGA互联的DSP并行系统结构。该并行结构通过在FPGA内实现互联网络和特定的数据通信协议,实现三片DSP(TMS320C6713)的有效互联,系统结构可重构、可扩展。对采用该并行结构的原型系统的测试表明,DSP间数据通信既获得了较大的持续带宽又降低了传输延迟,可以满足并行实时处理要求。     

基于DSP的视频视觉系统设计及算法实现

为了用硬件实现计算机视觉算法,达到更好的实时性,提出了一种以DSP为核心的高效率的并行采集、处理、传输系统。介绍了该系统在实时性方面的设计考虑,并从软、硬件两个方面分别详细说明了这一并行体系结构的开发流程和工作原理。最后,提出了一种用于运动目标检测的变加权背景恢复算法及其DSP实现方案,论证了其可行性,并给出了处理结果。     

基于支持向量机的小波域图像水印算法

提出了一种新的基于支持向量机(support vector machine,SVM)的小波域图像水印算法。其主要思想是先对图像进行小波分解,然后利用图像小波分解后的子图系数之间的关系训练SVM,并利用训练好的SVM在小波域嵌入水印和提取水印。实验结果表明,提出的方法对于一般的图像处理和JPEG压缩都具有很强的鲁棒性,与基于SVM的空间域上的算法相比性能更加优越。     

小波分析与Fisher判别法相结合的数字水印算法

提出了在彩色图像的小波变换域中实现数字水印的一种算法。该算法能很好地保证水印图像与原始图像具有相似的视觉效果,而且在用Fisher判别法实现水印盲复原时能准确地抽取水印信号。最后通过实验测试验证了该算法的鲁棒性。     

一种基于频域分析的小波神经网络收敛算法

针对高精度神经网络在线学习过程中，当神经网络所用的神经元和采样数据非常多，传统的梯度下降法很难保证得到的神经网络具有良好的推广能力的问题。根据小波理论提出一种基于频域分析的在线学习算法，并通过仿真试验对这种新的算法进行验证。理论和试验都表明它不但能够保证神经网络在线辨识过程中具有良好的推广能力，而且加快了神经网络的收敛速度。     

Multisensor image fusion algorithm using nonseparable wavelet frame transform

1.INTRODUCTION Withtherapidimprovementofsensortechnology,numerousmultisensordata,whichoftencontaincom plementaryandredundantinformationaboutthere gionsurveyed,areobtainedinmanyfieldssuchasre motesensing,medicalimaging,machinevisionand militaryapplications.Sensorfusionisincreasinglybe comingapromisingresearcharea.Itcanbedivided intosignal,pixel,feature,andsymbollevels.The papermainlyaddressestheproblemofpixellevelim agefusion.Throughcombiningregisteredimages generatedbydifferentimagingsyst…     

基于局部方差的模糊小波阈值图像去噪

针对小波阈值去噪中的VisuShrink阈值(统一阈值)“过扼杀”细节系数和SUREShrink阈值(Stein无偏估计阈值)“过保留”噪声系数的特点,提出了一种新的模糊小波阈值去噪方法。该方法根据小波系数局部方差能体现信号受噪声影响程度的特点,在局部方差之间引入模糊区域,通过模糊区域内局部方差的大小来计算相应小波系数的噪声隶属度。根据不同的模糊隶属度在VisuShrink阈值与SUREShrink阈值之间选取去噪阈值,并用软阈值函数消减。实验结果与仿真表明,提出的模糊阈值方法有较好的去噪效果。     

一种新的基于小波对比度的图像融合算法

改进了局部小波对比度的定义。基于新的对比度的融合过程,选择系数时针对融合图像的视觉重要性,而不是孤立地在单幅源图像上计算的视觉重要性,因而对于融合图像更加有意义。图像融合过程采用了"选择"和"加权平均"混合的系数选择规则,在充分保留显著图像细节信息的前提下,进一步增强了算法的稳定性。仿真结果及客观分析表明,基于改进小波对比度的图像融合算法能具有明显的提高。     

定阈值Wiener滤波在子波域图像去噪中的应用

针对图像处理中的去噪问题,分析了Wiener滤波中的统计误差,提出了定阈值Wiener滤波算法,通过定阈值对图像作预处理,提高了滤波器去噪性能。分别用标准Wiener滤波法、逆滤波法及定阈值Wiener滤波法对退化图像进行处理的结果表明,在进行图像恢复时,标准Wiener滤波效果比逆滤波好,定阈值Wiener滤波则优于标准Wiener滤波和逆滤波。与标准Wiener滤波相比,逆滤波降低了峰值信噪比,而定阈值Wiener滤波则提高了峰值信噪比。信噪比增大,表明定阈值Wiener滤波法对噪声的抑制能力增强。     

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。     

基于小波神经网络的图像重建算法研究

针对传统的图像重构算法的不足,提出一种基于小波神经网络的图像重建快速学习算法。运用小波神经网络对图像重构进行了仿真研究。实验表明,对于不同的误差模型,小波神经网络采用不同的基函数可以很好地对非线性系统进行逼近,收敛速度快,近似精度高,而且网络规模比较小,计算量少。对计算机视觉和图像处理具有良好的应用价值。     

CEEMD结合改进小波阈值的激光雷达信号去噪算法

激光雷达远距离回波信号受噪声影响, 严重失真。为了有效去除信号的噪声, 提高回波信号信噪比, 提出一种互补集合经验模态分解(complementary ensemble empirical mode decomposition, CEEMD)结合改进小波阈值的去噪算法。CEEMD可以自适应地分解非线性和非平稳信号, 改进小波阈值函数具有高阶可导特性, 能够克服硬阈值、软阈值函数各自存在的问题。两种方法结合, 可以更有效地去除噪声。首先, 对回波信号进行CEEMD分解, 得到若干固有模态函数(intrinsic mode function, IMF)。其次, 通过相关系数法计算IMF分量与信号的相关系数, 确定相关分量和不相关分量。最后, 对不相关分量使用小波改进阈值法进行去噪, 对相关分量使用粗糙惩罚法进行平滑, 再重构信号。基于实测数据的实验结果表明, 所提算法比CEEMD去噪法和CEEMD结合原改进阈值去噪法, 信噪比分别提升了2.65 dB和0.58 dB。     

小波包子带频域矩和遗传算法的图像隐写分析

针对现有典型的通用隐写分析方法提取特征时多数对图像进行正交小波分解中的不足,提出了一种新的利用小波包分解和遗传算法的高效的隐写检测方案.首先对原灰度图像及其预测误差图像运用小波包分解生成多个子带,提取各子带系数的直方图特征函数多阶矩作为特征,将支持向量机的分类效果作为适应度函数值返回,指导遗传算法搜索最优的特征选择方案.针对Outguess、F5、MB1隐密图像与载体图所组成的混合图像库上的仿真实验结果表明:该方法比现有的隐写分析方法,平均检测率提高了约1%-17.8%.