一种新的图像特征抽取方法

本文描述了一种新的图像特征提取方法.它基于小波变换的多尺度方法,这种方法通过对二进尺度下图像小波变换局部极大值的检测提取图像边缘特征.文中给出了图像特征提取的实例.     

小波变换用于CT图像重建及处理研究

研究了小波变换多分辨率图像重建和局部区域重建算法。在算法中 ,小波滤波器直接修正重建滤波器 ,重建得到各种细节图像 ,并能快速地得到重建图像的轮廓。由于小波变换的局部性 ,使用局部数据能重建局部图像。通过小波多尺度分析和重构系数控制 ,提出一种简单算法 ,在重建中进行图像增强和噪声消除 ,该算法将图像重建与图像处理结合在一起。与通用的算法相比 ,能提高重建速度和图像质量     

小波变换在有噪图像边缘检测中的应用

描述了有噪图像边缘检测的方法,它基于小波变换的多尺度分析。通过合理选择小波基,可以得到图像的多分辨表示。证实了小波多尺度变换在有效去噪的同时可以保持图像的特征。通过信号,噪声奇异性的分析,对有噪图像小波变换局部极大值的检测可提取出所需的图像边缘特征。实验结果证实了该方法的可行性     

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。     

基于小波变换的图像边缘检测

提出了一种新的基于小波变换的多尺度多分辨率特性的边缘检测方法。分别利用不同尺度小波变换后的水平方向、垂直方向和对角线方向高频信息 ,根据李氏指数与小波变换关系 ,采用零交叉检测方法和极大值在不同尺度下传播的特性 ,检测出图像在 3个方向的极大值。对不同尺度不同方向高频子图像 ,首先采用平均值法确定阈值 ,去除震荡噪声 ,然后对不同方向高频子图像合成的图像 ,根据最大类间方差法 ,计算其阈值 ,求出极大值 ,最后从这 3个方向的极大值中确定出最大值。实验结果表明 ,检测出图像的边缘结果非常理想。     

体外冲击波碎石图像的多分辨滤波技术

体外冲击波碎石（ESWL）图像通常呈现较低的信噪比和对比度。随着临床诊断技术的发展，噪声伪影的衰减技术成为一个重要课题。利用非抽取小波变换可以对图像进行平移不变的多尺度分解，结合均方误差意义上最优的自适应Wiener滤波，在有效去除噪声的同时保持了图像的边缘细节。实验表明，该方法相对于传统方法更适于ESWL图像的降噪问题。     

基于小波变换及傅里叶描述子的图像检索

分析并设计了具有不随目标的平移、旋转和尺度变换以及边界的起点变化而变化的傅里叶描述子。把小波变换的多尺度边缘检测算法及傅里叶描述子应用于基于内容的图像检索。实验结果表明 ,这种方法对于有背景噪声和旋转、平移及尺度变换后的同一类图像的检索率是很高的     

一种基于小波变换的机动目标跟踪算法研究

小波变换是去噪的有力工具 ,它可以将由各种不同频率成分组成的信号分解到不同的频率区间上 ,有效地用于滤波。研究了一种基于多尺度分解的机动目标跟踪算法 ,该算法利用小波中的经典算法———Mallat算法对单一分辨率的测量数据进行多尺度分解 ,将分解得到的多分辨率测量数据用于目标状态更新。该算法是一种准实时最佳滤波算法。仿真结果表明 ,该算法具有良好的跟踪性能 ,且运算量不大。     

一种新的复杂背景下红外弱小目标检测方法

针对复杂背景下单帧红外图像中的弱小目标检测问题,提出了一种新的基于小波包变换和偏斜度的检测方法.该方法利用小波包对图像进行多尺度分解,解决了高频段分辨率低的问题;并提出了一个基于偏斜度的高斯判别准则,用于对小波包分解系数进行高斯性检验,最终得到了小目标的精确检测.对实测数据进行仿真实验,结果表明该方法能有效检测红外弱小目标.     

基于小波提升和形态学的图像边缘检测方法

提出了一种基于小波提升和形态学的图像边缘检测方法。对源图像进行小波分解,用数学形态学法对低频子图像进行边缘检测,用小波变换法对不同分解层上的高频子图像进行边缘检测,采用一定的融合规则将这两个边缘图像融合在一起得到一幅完好的边缘图像。这种边缘检测方法结合了小波提升法和数学形态学法的优点,对用这两种方法得到的边缘信息进行融合,有效地抑制了噪声,且边缘连续、清晰。实验结果表明,提出的这种结合方法优于单独使用数学形态学法或小波提升法。     

子波变换在红外目标图像边缘提取中的应用

对红外目标图像进行了图像增强和边缘提取。首先采用直方图均衡、非线性灰度变换、滤波的方法对红外目标图像进行增强、抑制噪声 ,然后基于子波变换的原理 ,采用双阈值自动门限化方法 ,对增强后图像进行边缘提取。分别采用了经典的边缘检测方法、正交子波和非正交二次样条子波对红外图像进行了边缘提取试验 ,结果表明 ,采用非正交二次样条子波提取到的红外图像边缘比采用正交子波及经典的图像边缘检测方法的效果好。提出的方法不仅有较强的噪声抑制能力 ,而且检测到的边缘清晰准确。     

一种新的图像脆弱水印算法

提出一种基于小波变换和QR分解的图像脆弱水印方法。嵌入水印时，首先对原始图像进行三级小波分解，然后提取第三级低频子带的边缘特征，同时对此边缘特征和第三级垂直高频子带进行QR分解，用边缘特征的一部分分解结果替换垂直高频子带分解结果的相应部位未嵌入水印，最后进行小波逆变换得到嵌入水印的图像。图像认证时，首先对观测图像进行三级小波分解，第三级垂直高频子带与低频子带边缘特征的QR分解结果进行比较，就可以准确认证图像是否经过攻击，并可以精确定位受攻击的部位。实验结果表明此方法的有效性和可行性。     

基于多尺度特征融合的红外图像小目标检测

针对复杂背景红外图像弱目标检测问题,提出了一种基于多尺度特征融合的红外小目标检测方法。该方法在对红外图像进行离散小波框架变换的基础上,提取目标在各子带图像上的多个特征;然后对各子带图像上的多个特征分别进行融合,获得相应的目标检测判决置信度图;接着采用自适应加权方法对各个目标检测判决置信度图进行融合,得到目标检测判决总置信度图,并对其进行目标区域分割,获得最终的目标检测结果。实验结果显示,该方法对高杂波条件下红外弱目标检测具有良好效果。     

基于可操纵小波的多方向图像边缘检测

根据可操纵小波多分辨率分析的原理,将小波多分辨率分析与方向微分算子相结合,设计实现了基于二维多方向微分的小波滤波器组,提出了分辨率及方向均可调节的图像边缘检测方法。该方法具有计算效率高、抗带间混叠及多方向选择等特点。通过仿真试验并将其与canny算法和传统的B样条小波边缘检测算法进行比较,验证了该方法的有效性和优越性。     

基于局部混合滤波的SAR图像去噪

相干斑噪声是合成孔径雷达(synthetic aperture radar, SAR)成像系统所固有的缺点,严重影响SAR图像的可用性,给后续的图像分割、特征提取和目标识别等工作带来严峻的挑战。结合非下采样方向滤波器和双树复小波变换各自的特点,提出一种新的基于非下采样方向滤波-双树复小波变换的局部混合滤波SAR图像去噪算法,具有多方向和多尺度性,保持了图像的平移不变性,改善了图像的视觉效果。与其他算法不同,本文算法采用非下采样方向滤波器级联双树复小波的方法,不仅对每次产生的高频分量进行去噪,还对变换所产生的低频分量进行滤波去噪。实验结果表明：与使用同级双树复小波-轮廓波变换加软阈值去噪相比,本文算法的峰值信噪比提高2 dB;与使用轮廓波加循环平移（cycle spinning, CS）软阈值算法去噪相比,本文算法去噪后的图像不仅峰值信噪比有所提高,而且去噪后的图像更为平滑,抑制了人造纹理产生,视觉效果得到了明显改善。     

联合纹理提取和边缘检测的新方法

结合稀疏表示和半二次规整化方法,提出了一种联合纹理特征提取和边缘检测的新算法。该算法是基于稀疏表示的形态学成分分解方法的直接推广。其基本思想是用两个适合的字典：一个用来描述纹理部分--对偶树复小波变换,另一个用来描述结构部分--第二代曲线波变换,得到了一种新的分解模型。接着运用半二次规整化方法推广这个分解模型,提出了一种联合纹理特征提取和边缘检测的变分模型。数值计算的结果表明,新模型对图像的结构〖CD*2〗纹理分解,以及边缘的提取都有较好的效果。