基于上下文模型的混合傅里叶-小波图像降噪方法

针对小波变换和傅里叶变换去除图像噪声时各具不同的优点和不足,提出一种基于上下文模型的混合傅里叶-小波图像降噪方法.首先在傅里叶域中估计原始图像的功率谱密度,运用维纳滤波器降噪,降低原始图像噪声水平;再在小波域中通过基于上下文模型的自适应阈值法去除剩余噪声;在小波域中使用平稳小波变换分解图像信号得到分解后的系列小波系数,根据小波系数间的相关性,利用上下文模型求取小波系数的方差,将其代入由GGD模型估计出的阈值表达式得到自适应阈值,再用软阈值函数对小波系数进行处理,最后将处理后的小波系数进行小波逆变换完成去噪.仿真结果表明:该方法不仅能够有效滤除图像噪声,而且能够保留图像的边缘细节信号,抑制降噪引起的吉布斯现象.     

小波域的灰色关联度图像压缩

为了改善小波变换的图像稀疏表示性能,提出了一种小波域的灰色关联度图像压缩算法.首先,利用小波变换对测试图像进行分解,获得不同区域的小波系数;然后,利用小波系数特点,将灰色关联度用于系数关联度的刻画中,并计算不同尺度间系数的灰色关联度;根据小波系数区域特征,将小波系数进行分类,构造出不同系数类型下的稀疏表示方法;最后,将该算法应用于图像压缩.实验结果表明,在相同压缩率下,所提算法的客观评价指标峰值信噪比较现有同类算法提高了1.04~3.65 d B,图像主观视觉质量明显提高.所提算法能够结合系数特征和视觉特性自适应地构造字典,提高了图像稀疏表示能力,进一步提高了图像压缩性能.     

基于模糊融合技术的图像恢复方法研究

研究了利用模糊融合技术对白高斯噪声图像进行恢复的方法。分别用均值滤波器和自适应维纳滤波器对噪声图像进行滤波，然后用Sobel算子和形态学中的膨胀操作提取滤波图像的边沿，把所提边沿部分的均值滤波图像和自适应维纳滤波图像利用模糊融合技术进行融合，得到融合图像。理论分析和仿真实验证明本文所提算法得到的恢复图像较清晰。     

一种新的基于小波变换的图像消噪方法

一种新的基于小波变换的图像消噪方法是在运用小波变换对含噪图像进行消噪前，先对图像进行小波级数分解，对其中的低频系数和高频系数进行适当的放大；然后对图像采取局部阈值消噪法进行消噪；最后运用小波变换对所得到的图像小波系数进行适当的缩小并将其重构．仿真实验证明这种方法比一般的诸如中值滤波和维纳滤波等图像消噪方法有很大的改进，特别是图像均方差(MSE)有很大的降低，而图像的信噪比也有较为明显的提高。     

多小波处理图像压缩时前滤波器的设计

在应用中,对于单小波可以直接利用分解与重构公式对信号进行滤波。但是多小波是用矢量滤波器组对信号进行分解、重构。滤波对象必须是满足一定要求的矢量信号。因此,在进行多小波分解前必须通过前置滤波器对原始离散信号进行预处理得到初始矢量,然后才能进行多小波变换。同样,对重构后的数据也要进行后处理才能得到需要的结果。不同的多小波有不同的预处理和后处理方法。以GHM多小波为例,设计了多小波新的前滤波器,并将多小波通过前滤波后用于图像压缩,将其结果与单小波相比较,获得较好的结果。     

织物疵点检测中自适应正交小波基的构造

提出了一种用于织物疵点检测的自适应正交小波基的构造方法.该方法从小波滤波器系数满足的正交归一化条件入手,采用一定数量参数角的正弦和余弦函数构造出一定长度的正交小波滤波器系数的统一解析式;以分解子图中像素最大能量值最小作为逼近条件,采用遗传算法作为寻优算法,从而实现针对不同的织物,自适应地构造小波基.同时,实验证明了自适应小波基的对疵点图像分解效果.     

改进的自适应小波变换在信号去噪中的应用

讨论了传统的LNS在信号处理中的不足。基于离散小波变换提出一种自适应去噪方法。该方法利用多分辨率分析理论，把信号和噪声分解在不同的频率范围之内，使信号和噪声的频谱得到简化，从而减少了自适应滤波器的级数，使输入自相关矩阵阶数降低。仿真结果表明，与传统的LMS算法相比，WLNS算法的收敛速度和稳定性得到了显著的提高。     

基于小波变换的SAR图像自适应子带编码算法

为降低大数据量SAR图像对传输带宽和存储空间的要求,必须对SAR图像进行高效压缩.基于小波变换的传统SAR图像压缩方法只对低频子带进行分解处理,造成SAR图像处于中高频子带的重要纹理信息丢失.针对上述问题,提出一种基于小波变换的自适应SAR图像压缩算法.首先对图像进行小波软阈值消噪预处理,然后依据能量指标,进行子带重要性判定,对认定为重要的子带进行深一层次分解,分解完成后对所有子带进行恒定比特率条件下的最小误差量化,实现对图像的自适应压缩.仿真实验表明:该算法能很好地保护SAR图像的高频细节,提高了信噪比.     

一种基于SPIHT的图像压缩方法研究

提出了一种基于层树分级鳊码（SPIHT）的图像压缩方法。该方法压缩过程首先将图像数据进行小波变换,然后对低频小波系数进行调整,对高频的小波系数进行量化,以提高图像的压缩比,最后采用SPIIiT编码。解压缩过程通过sPIHT解码和小波逆变换恢复重构图像。仿真结果表明,在不同的峰值信噪比下,得到了较大的压缩比。     

多小波图像编码中前置滤波器的设计

本文研究多小波图像编码中前置滤波器的设计,多小波变换涉及矢量滤波,普通的信号（即标量信号）要通过一个前置滤波器转化为矢量信号,才能进行多小波变换,本文根据图像信号的特点,结合现有的二种前置滤波器,提出了一种新的前置滤波方法,实验数据表明,这种新的前置滤波器优于现有的二种前置滤波器,因而为提高图像压缩比创造了条件。     

非标定图像的无缝拼接技术研究

为了降低图像拼接中对图像序列获取的苛刻要求,增强拼接算法的适应性和灵活性,本文给出了一种从特征点提取,匹配到图像间点变换估计和拼接融合的全自动稳健算法。实验结果表明,该算法不仅保持了较好的图像拼接准确性和鲁棒性,而且降低了对图像序列获取的要求．增强了应用的适应性和灵活性。     

管道内表面图象分析与识别系统

本文简要介绍了管道内表面图象计算机分析与识别系统的原理、结构和性能，描述了系统使用的核心技术和算法，包括图象增强、图象的特征提取和分类器的设计。     

基于matlab的苹果树枝图像分割方法研究

水果收获机器人机械手工作环境复杂,为了避免机械手与树枝相碰撞造成机械手的损坏,避障研究很有必要,获取障碍物信息是研究基础。本文把树枝图像分为枝干区域、成熟苹果区域、绿色区域,用matlab编程,分析三区域在RGB、YIQ、HSI颜色空间的分布情况,分别基于RGB和HSI色彩空间,采用阈值分割技术,对树枝图像进行分割,提取枝干区域,并实验比较其分割效果,找出适合苹果树枝图像的分割方法——剥离分割。     

利用图像数据的相关性实现图像抗信元丢失编码

提出了ＡＴＭ（异步转移模式）环境下图像抗信元丢失编码的信息分散原则。根据这一原则提出了图像的相关分解和相关补偿技术。通过相关性分解为信元丢失的补偿提供了最相关的数据,通过最相关补偿获得最佳的补偿效果。     

基于旅游市场调查的旅游形象传播研究——以桂林市为例

21世纪,中国旅游市场进人到形象竞争时代.旅游形象具有对内形成目标共识,对外扩大知名度、提高美誉度的功能.本文以旅游热点城市桂林为例,在社会学、旅游地理学、传播学、文化学、市场学、心理学的理论指导下,采用定性与定量相结合的方法,分析了桂林旅游形象影响因素及旅游形象感知与评价,最后提出了相应的传播策略,以期对旅游企业提供决策依据.     

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。     

图象恢复算法研究

本文讨论和分析了目前图象恢复算法存在的问题和困难.基于模拟退火技术,建立了图象恢复的若干概念,并得到了若干理论结果,并提出了图象恢复模拟退火算法IRSAA.克服了传统图象恢复算法存在的局限性.     

分形学在图像处理中的应用

介绍了确定性分形和随机分形两大类分形及其在图像处理中的应用。     

峰值保持数字减影技术在医学图像处理中的应用研究

介入医学图像处理意义重大，本文论述了一种医学图像处理技术－－峰值保持数字减影技术（ＰＨ－ＤＳＡ），该方法最突出的优点是造影剂用量低，约降到普遍方法用量的１／３。     

图像增强匹配在MISR多角度影像云迹风反演中的研究

遥感影像云层和雪层的立体匹配是云高解算、云迹风反演和云雪分离的重要前提。密集且匹配精确的点集可为后续研究提供更高的精度保障,然而由于云雪层灰度值偏高、细节信息不突出的特点,高密度和高精度的匹配效果难以获得。采用Terra-MISR多角度AN、AF、AA影像,对所选实验区分别进行分段线性和高斯低通滤波两种方法的增强,并对三影像共同匹配,最终两组增强影像获得的匹配密度和精度较原始影像均大幅上升。在此基础上,还提出了增强合并法,并通过云迹风反演的实例证明了该方法可将风产品分辨率提高至825 m左右的初步可行性,实现了对小云团及大云团内部水平风信息的精细化监测。