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.     

利用脊波变换对牙片中根管图像的增强方法

基于牙片图像的特点及脊波变换能保持线型结构的特性, 提出一种基于脊波变换的边缘检测方法. 以Radon变换作为脊波和高斯小波间的桥梁, 通过脊波域内灰度均值的比较对牙根管区域进行定位, 得到了定位准确、 连续的根管图像边缘. 该检测方法抗噪性好, 定位准确, 更益于医生诊治.     

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））。     

基于脊波变化的图像认证

提出了一种在脊波变换域上进行图像认证的新算法。该算法利用Amold变换对水印信息进行置乱,然后将水印嵌入到原图像的脊波系数中。实验结果表明,实现的水印具有不可见性,对于JPEG压缩、裁剪、椒盐噪声具有较好的健壮性,而且能有效地对图像更改进行认证。     

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。     

基于有限脊波变换的多聚焦图像融合新算法

提出了一种基于有限脊波变换的多聚焦图像融合算法,针对有限脊波变换的特点和多聚焦图像的基本特点,低频系数采用取平均的融合策略,高频系数采用局部能量取大并进行一致性校验的融合策略.仿真实验的主客观性能分析表明,提出的融合方法具有较好的融合效果.     

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．     

基于脊波变换和SPIHT算法相结合的图像压缩

脊波对线奇异性图像能够到达最优的逼近,它是比小波能更好的稀疏表示图像的工具.讨论了脊波变换后的系数之间的相关性.结合SPIHT编码算法设计出基于脊波变换的图像压缩算法.实验结果表明,该算法能够有效地提高压缩率,同时能保持较高的峰值信噪比和良好的重建图像视觉效果.     

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.     

一种改进小波变换相关法去除机载雷达图像斑点噪声的应用

针对高分辨率机载雷达图像进行相干斑抑制, 首先讨论小波变换的优点, 然后以小波变换为基础, 对一种方法进行复小波改进, 最后由实验结果可以看出使用该方法处理的效果好于其他方法.     

基于小波变换的多尺度图象边缘检测

提出了一种新的图象边缘检测方法,这种方法解决了第一代多尺度边缘检测方法中存在的两个问题,即边缘仅定义为信号的奇异性表现和滤波尺度参数难以选择。实验结果表明,本方法和传统的边缘检测算法相比具有定位精度高,去噪效果好等明显的优点。     

一种基于ridgelet和wavelet的混合编码压缩算法

星云图和MPEG-4中运动补偿后得到的残差图像通常是点线奇异性明显的图像.小波变换是表示点奇异性的有效工具,脊波变换(ridgelet)是表示线奇异性的理想工具.该文基于二者的优点提出了一种基于脊波变换和小波变换的混合编码框架用来处理压缩点线奇异性明显的图像.实验结果表明这种混合编码可以有效地对点线奇异性明显的图像进行编码,其效果优于基于单独的小波变换的SPIHT编码和脊波变换的SPIHT编码.     

基于小波变换的多尺度图像边缘检测

边缘作为图像的最主要特征,成为图像信息获取的重要内容.而小波变换具有检测局域突变的能力,而且可以结合多尺度信息进行检测,因此成为图像信息边缘检测的优良工具.文章首先构造了高斯多尺度边界检测算子,然后根据信号边界与噪声边界的小波变换模值跨尺度传递的不同特性,讨论了不同尺度的检测算子检测的边缘所具有的特点,在此基础上提出由边缘传递、继承和生长构成的多尺度边缘关联融合算法.实验结果说明这种特征提取方法不仅有效地降低了噪声,而且融合的边界比较完整,定位准确.