形态小波变换在图像处理中的应用

论述了小波理论、多分辨分析技术与数学形态学的基本方法和内在联系，以及基于这三类理论所产生的形态小波变换的基本思想和应用方法，并通过一些基本的形态小波变换，展示了形态小波及其变换在图像处理应用中的巨大潜力。     

形态小波变换及其在图象编码中的应用

提出了一种基于形态学的非线性小波分析方法，并将这种形态小波分析方法应用于图象编码上，与一般的小波分解方法不同的是，该形态小波分解采用非线性方法，分解结果中图象特征更明显，图象编码压缩比更高，解码出的图象更加清晰；同时由于形态学是基于Minkowski加减基本操作并应用最大最小运算来实现，分解运算简单，速度快。     

小波变换在数据挖掘数据预处理中的应用

数据挖掘是从大量的、不完全的、有噪声的、模糊的、随机的数据中,提取人们事先不知道的但是潜在的有用的知识和信息的过程,数据预处理是整个数据挖掘过程中的一个重要环节。小波变换是一种新的数学分析方法,广泛应用于信号处理、图形处理、模式识别、语言分析等众多领域。将小波变换应用在数据挖掘数据预处理中,能够得到良好的数据压缩效果。     

基于形态多结构元和小波变换的边缘检测算法

提出了一种小波变换与多结构元形态学相结合的抗噪边缘检测方法。通过改进的小波边缘提取方法选择噪声图像的突变点,同时滤除部分噪声;针对图像中噪声和边缘形态的不同,建立了多个结构元素,采用多结构元形态检测算子对选取的突变点进行形态操作,在抑制噪声的同时,较好地提取了边缘。基于实验结果,指出对含有不同类型噪声(如椒盐噪声、高斯噪声等)的图像,该方法都可以较好地抑制噪声,提取边缘,且效果优于经典的边缘检测算法。     

基于小波变换和形态多结构元的抗噪边缘检测算法

提出了一种小波变换与多结构元形态学相结合的抗噪边缘检测方法.通过改进的小波边缘提取方法选择噪声图像的突变点,同时滤除部分噪声;针对图像中噪声和边缘形态的不同,建立了多个结构元素,采用多结构元形态检测算子对选取的突变点进行形态操作,在抑制噪声的同时,较好地提取了边缘.实验表明,对含有不同类型噪声(如椒盐噪声、高斯噪声等)的图像,该方法都可以较好地抑制噪声、提取边缘,且优于经典的边缘检测算法.     

基于小波变换和数学形态学的图像分割算法

传统的分水岭变换由于对噪声和细密纹理的敏感会产生严重的过分割现象,为了克服这种缺点,提出了一种基于小波变换和数学形态学的图像分割算法.该方法首先利用小波变换去除红外图像的混合噪声,利用形态学开闭重建运算消除梯度图像中由于灰度非规则扰动和噪声引起的局部极值;最后通过采用基于前景和背景标记的分水岭分割算法进行分割.仿真实验表明,该算法可以实现更好的分割效果,不需要再进行后续的合并处理就能够得到较为理想的结果.     

基于Curvelet和小波变换的纹理图像识别

提出了一种基于Curvelet变换与小波变换相结合的纹理图像分类算法.小波变换在分析点奇异信号时具有良好的性能,而Curvelet变换更适合分析图像中的曲线或直线状边缘特征.算法通过提取两者分解子波段的统计学和灰度共生矩阵特征,采用支持向量机对纹理图像进行分类.实验结果表明,和单一的多分辨率变换特征提取相比,该算法具有更高的分类准确率.     

小波预处理在语音识别系统中的应用

利用小波的多尺度性质,在提取语音信号的识别特征之前,用小波对语音信号的有用信息进行处理,并抑制无关信息对识别所产生的干扰。结果表明：经过小波预处理后提取的特征,提高了语音的识别率。     

基于Gabor滤波器和广义对称变换的指纹增强算法

在传统Gabor滤波器的基础上,引入广义对称度,综合考虑指纹图像中脊线的对称性、方向选择性与频率选择性,提出了一种结合对称性和Gabor滤波器的指纹图像增强新算法.实验表明,该算法能够准确地定位指纹图像的细节点.     

小波分析技术在数据预处理中的应用

在工程实际中,从被测对象上检测到的信号,往往混有不同程度的噪声。利用小波分析可以过滤掉弱信号或无用信号,得到用户真正需要的信息。介绍了小波变换、小波包分解,以及运用小波包分解进行数据预处理的方法,并最终选择应用小波包分解进行消噪和小波多尺度分解,完成数据预处理,提取了故障特征。     

基于最优梯度估计及小波变换的指纹图像处理技术

提出了最优梯度估计算法,用于提取指纹图像局部窗口中的纹理梯度特征参数,并在此局部窗口内计算出相应的频率参数。小波滤波器再根据这些特征参数对指纹图像进行自适应滤波,并用滤波后的合成梯度强度对滤波性能进行了衡量。实验结果表明,该算法较好地去除了图像中的噪声,并较大程度地提高了图像的质量。     

基于小波变换的图像压缩算法

根据小波变换系数分布的特性,提出了小波变换的图像无损压缩算法、高保真压缩算法和大尺寸图像压缩的解决方案,提出了双正交小波变换的边界处理方法,解决了精确重建问题。     

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。     

小波变换在数字图像加密中的应用

给出了一种基于小波变换的快速图像加密算法.首先对秘密图像和公开图像分别进行时域上的置乱变换,其次对公开图像的置乱图像进行小波变换,对小波变换后系数与秘密图像进行异或exclusive OR,XOR运算,最后利用小波逆变换进行图像重构,从而得到结果图像.数值试验表明该方法的加密能力较大,并保证了很好的视觉质量,且算法简单易行.     

基于小波的指纹图像增强算法

图像增强的目的是采用一些技术手段,有选择地突出图像中感兴趣的特征或抑制图像中某些不需要的特征·传统的指纹增强算法采用两次滤波操作,需要分多次处理,耗时长,并且噪声较多·应用的小波变换是将指纹图像分解为大小、位置和方向均不相同的分量,并根据需要改变其系数的大小,从而使得某些感兴趣的分量被放大而使某些不需要的分量减少,达到较好的图像增强目的·     

一种基于小波变换的图像压缩方法

提出了一种基于小波变换的图像压缩方法．先对图像数据进行二维离散小波变换，对变换后的低频系数进行离散余弦变换；再对ＤＣＴ系数进行Ｚ形扫描，游程编码．舍弃最高频系数，对于次高频系数根据人眼的视觉特性采用不同的量化器进行量化，然后进行可变长度编码．实验表明，在图像质量和压缩倍数方面都取得了较好的结果     

基于小波变换的图象压缩

要在模拟和移动通讯中传输数字图象，首先必须对图象实行高比率的压缩，本文对讨论小波变换的特征机理，建立了以小波变换为基础图象压缩软件模拟系统，并同标准ＪＰＥＧ的图象压缩方法做了对比实验，结果证明：在高压缩比时，基于小波变换压缩的重建图象ＰＳＤＮ和重建图象质量都明显地成于传统的ＤＣＴ压缩方法。     

图像编码与小波变换图像编码

介绍图像编码的方法，着重介绍了小波变换的基本理论及小波变换在图像编码压缩中的应用，并展望了今后的研究方向。     

基于小波变换的正则化图像恢复方法研究

介绍了基于小波变换的正则化图像恢复方法,它利用图像小波变换后各个子频带所具有的不同的频率选择性和不同的方向特性,对各子频带采用不同的正则化参数和正则化算子,将图像分解为一个低频子频带LL和三个高频子频带,然后对原图像的各个子频带图像分别进行迭代恢复,使各个子频带分别收敛于其最大信噪比。     

基于小波变换的图像压缩研究进展

在分析小波变换理论的基础上，讨论了小波变换在图像压缩中的应用，介绍了当今一些主要研究成果，并展望了其未来发展方向。