小波变换及其在数字图像处理中的应用

分析了小波变换及其逆变换的算法,举例说明了小波变换在实际数字图像处理中的应用.结果表明,利用小波变换能非常有效地进行图像压缩、图像去噪、图像增强和图像融合等一系列图像处理工作.     

基于小波变换的图像处理技术研究

小波变换由于自身具备的时频域局部化特性,能有效地克服Fourier变换在处理非平稳的复杂图像信号时所存在的局限,已成为图像处理的一种重要手段。在简单介绍小波变换基本原理的基础上,举例说明了小波变换在图像去噪、压缩、增强和融合等方面的应用。实验结果表明:将小波变换应用于图像处理可获得良好的处理效果。     

小波分析及其在图像处理中的应用

简单介绍了小波分析的基础理论,举例说明了小波变换在图像处理中的一些典型应用,包括图像压缩、图像去噪、图像增强和图像融合.     

小波变换在图像处理中的应用

介绍了基于小波变换的图像分解与重构，在此基础上讨论了MATLAB语言环境下图像压缩、图像特征提取和图像融合的基本方法。实验结果表明：基于小波变换的图像处理具有理想的效果。     

小波分析及其在数字图像处理中的应用

通过对二维小波分解与重构算法以及其在工程图像处理应用中的介绍，指出小波技术用于图像处理具有压缩比高、速度快和特征不变性、去噪效果好、方便快捷、目标明确等一系列优点。     

小波变换在医学图像压缩中的应用研究

分析了数据压缩的必要性，说明了利用小波分解和重构进行数据压缩的理论依据和方法，并利用Matlab软件对图像进行分解与重构，实现了对图像的压缩，对不同闽值下采用不同小波压缩的结果进行了比较和讨论。     

小波变换在图像压缩中的应用

介绍了小波变换的基本理论以及基于小波变换的图像分解与重构过程．讨论了在Matlab语言环境下实现图像压缩的基本方法,并对小波变换用于图像压缩时小波基的选取所要考虑的因素进行了分析．从工程和实验两个方面较为直观地探讨了小波变换在图像压缩中的应用．实验结果表明：小波变换用于图像压缩能够实现很高的压缩比,具有很高的使用价值．     

时频变换工具--小波变换及其工程应用

从数学角度介绍傅立叶变换、短时傅立叶变换的特点和工程应用中的不足，进而阐述小波变换的基本原理、小波函数的选取方法及在工程中的一般应用。     

小波变换及其在图像融合中的应用

本文通过对小波变换理论的研究,分析了二维离散小波分解与重构的算法,引出了基于小波多尺度分解的图像融合的方案。     

在MATLAB语言环境下基于小波变换的图像处理

小波变换是近十几年发展起来的，它集数学、信息处理于一体，在图像处理中起着重要作用。本简单介绍了基于小波变换的图像分解与重构，在此基础上讨论了MATLAB语言环境下图像压缩和图像融合的基本方法。实验结果表明：基于小波变换的图像处理具有理想的效果。     

小波变换及其数字图像处理的应用

简要介绍了小波变换方法 ,对小波分析在数字图像处理占的一些应用进行了简要讨论 ,并对图像的恢复和增强、图像分割等应用进行了一些有意义的尝试     

基于MATLAB的数字图像小波变换算法比较

小波变换是数字信号处理中非常有力的一种工具,本文通过阐述基于MATLAB的小波变换的软阈值 降噪方法,旨在展示小波变换在图像噪音消除方面的实际运用以及前景．通过使用傅立叶变换算法和小波变 换算法对同一幅图像进行降噪处理的比较,可以看出:小波变换的主要特点就是能够提供局部细化与分析的 功能,小波变换降噪算法具有很强的实用性．     

非线性小波变换及其在图像压缩上的应用

提出了一种基于非线性小波变换的图像压缩方法。使用非线性小波变换可以更高效地表示图像的边缘信息,并更能把图像的能量变换到低频子带上。仿真结果也表明,提出的方法在较高压缩比时比JPEG2000效果要好。     

基于零树的小波图像编码

通过对零树编码的小波图像编码算法以及算术编码的研究。利用基于零树的小波图像编码方法实现预定比例的图像压缩，从而减少存储空间，有利于图像的传输。     

一种基于模糊聚类的小波图像压缩方法

基于小波变换的图像压缩算法在比特率较低时会出现重构图像边缘模糊现象．在充分考虑高频子带小波系数的分布特性对保存边缘、纹理等信息的影响之后，提出了一种新的基于势函数模糊聚类的方法来解决重构图像边缘模糊问题，实验结果显示：这种方法能较好地保存图像边缘和纹理信息，有效地减少边缘模糊现象和改善重构图像的主观质量．     

多小波及其在图像处理中的应用

介绍了多小波的理论及如何利用多小波对图像进行分解和重构的方法；利用多小波零树图像编码，对图像进行压缩仿真试验，得到了比一般单小波更好的效果．     

基于小波阈值收缩的图像降噪

采用双正交小波,利用VisuShrink阈值和BayesShrink阈值,分别通过硬阈值函数和软阈值函数对混入高斯白噪声的图像进行去噪实验.结果表明,硬VisuShrink阈值的降噪效果好于软VisuShrink阈值,软BayesShrink阈值的降噪效果好于硬BayesShrink阈值,并且BayesShrink阈值只有在软阈值函数下才能取得很好的降噪效果.