红-黑小波变换的改进

本文从能量守恒的角度讨论了用红-黑小波变换对图像进行多层分解的问题,并在9/7小波提升算法的基础上,提出了新的红-黑小波变换,将原来红-黑和蓝-黄变换分别进行一次预测、修正的过程变成了如9/7小波提升算法中的预测-修正-预测-修正的两次预测、修正过程,并在图像压缩仿真实验中取得了峰值信噪比(即PSNR)比原红-黑小波变换高0.7dB的结果.     

基于小波变换的块匹配运动估计方法

将小波变换引入低码率视频图像序列的运动估计研究中，提出了基于小波变换的块匹配搜索方法．该方法的特点是可根据运动物体的大小和运动程度，用可变宏块进行运动估计，统一了匹配块和匹配点的搜索，发展了一种改进的三步搜索算法．实验结果表明，该算法比三步法有更高的精度，更适应低码率和多细节视频图像传输中的运动估计．     

一种基于小波的Contourlet变换的图像压缩算法

针对JPEG2000图像压缩不能有效地保护图像边缘的局限，提出了一种结合基于小波的Contourlet变换与最优截断嵌入码块编码（EBCOT）的静止图像压缩算法（CEBCOT）．在Contourlet变换中采用小波变换取代拉普拉斯塔式变换获得了非冗余基于小波的Contourlet变换，它通过方向滤波器组把小波变换的高频子带进一步分解为多个方向子带，从而更稀疏地表示了图像的边缘和纹理．CEBCOT采用了改进的EBCOT编码，它依照方向子带大小进行编码块分割，提高了编码性能．实验结果表明，相对于JPEG2000，所提出的算法获得的压缩图像边缘更加清晰，峰值信噪比提高了0．1～0．8dB．     

基于提升算法的不可分离小波图像边缘检测

针对传统可分离小波图像边缘检测方法的各向异性和计算复杂性,应用基于“五株排列”的提升不可分离小波的构造方法,把基于矩形栅格的数字图像分成红块和黑块,然后根据图像边缘特点,利用二维提升格式构造了“最大-提升”小波,进而提出了一种基于提升算法的不可分离小波图像边缘检测新方法,通过与传统的B样条小波边缘检测方法进行试验比较,证明了新方法在图像边缘检测方面具有更好的效果．     

基于红-黑小波变换的图像去噪算法

在红-黑小波变换的基础上,提出了一种新的阈值方法对小波系数进行萎缩以实现图像的去噪. 该阈值方法结合了仿射阈值和非负Garrote阈值的优点,能在保留图像细节的基础上实现更好的去噪效果. 通过仿真试验,对不同尺度下的阈值提出了一组最多适用到8级红-黑小波变换的阈值权重. 结果证明,结合所提出的阈值方法和这一组阈值权重能实现较为理想的去噪效果.     

频域约束的红-黑小波变换图像复原算法

提出一种频域约束的红-黑小波变换图像复原新算法.该算法引入频域约束因子,对不同频率的部分系数给予不同程度的约束,保证了对有色噪声的压制效果,保留了图像细节信息.利用频域约束的红-黑小波变换提取图像信息,消除了有色噪声和振铃效应,实现了降质图像复原.运用含噪退化的图像进行了实验.结果表明,该方法与维纳滤波、等功率谱方法相比,信噪比RSN及信噪比提高R′SN两个参数均提高了3倍.     

基于提升小波和动态两阈值分块角点检测算法

为了更有效地检测高频图像,提出了基于提升小波和动态两阈值分块的角点检测算法。该算法根据图像中像素点周围像素灰度的相似性和角点的特性,引入提升小波变换理论,首先对图像进行提升小波变换,得到图像的高频区域;再对高频图像进行分块,对每个图像块分别采用动态两阈值算法对角点进行准确定位。实验结果表明:该算法可以较大地提高运算速度,并能够实现角点的准确定位。     

基于整型小波变换的SPIHT图象压缩算法

提升小波变换即第2代小波变换,可以实现图像的完全无损编码;SPIHT(集合分裂嵌入块编码)是基于小波变换的采用块状结构的图像编码算法。文中介绍了基于提升方法的整数小波变换和SPIHT图像编码算法,提出了用整数小波变换代替传统小波变换进行SPIHT图像编码。研究表明,比传统的小波变换更易于硬件实现。     

基于改进二进制小波变换的图像边缘检测算法

针对传统二进制小波变换在图像边缘检测应用中的不足，提出了基于改进二进制小波变换的图像边缘检测算法．该算法首先按水平、垂直和对角方向对图像进行改进的多尺度二进制小波变换，提取三个方向的小波系数，然后采用相邻尺度小波系数相乘的方法去除图像的噪声．再对去噪后的小波系数乘积极大值点进行检测，最后将这3个方向上的极大点进行融合，形成图像的边缘．     

基于空间频率和小波变换的图像融合方法

为了更好的对多光谱图像和高分辨图像进行融合，根据小波变换有三个方向的高频细节这．特点，提出了一种计算空间频率的新方法。利用这种空间频率、IHS和小波变换方法对多光谱图像和高分辨图像进行了融合，得到了具有较好的空间分辨率和光谱信息的融合图像，并对融合图像进行了评价。实验结果表明该方法得到的融合图像优于传统IHS变换法和传统小波变换方法。     

像素级多模式医学图像融合研究

采用小波变换算法,对颅脑计算机断层成像(CT)与核磁共振成像(MRI)的图像进行融合.将两幅源图像分别进行小波分解,然后取两幅图像小波系数矩阵对应元素的最大绝对值构造小波系数矩阵,进而重构融合图像.结果表明,融合生成的图像中软组织和骨骼均十分清晰,能提供反映原始图像中更为全面的、互为补充的多重信息,对颅脑病变的定性、定位研究有实用意义,从而具有重要的临床应用价值.     

一种基于小波变换的图像去噪方法的应用研究

探讨了小波变换在图像去噪中的处理技术.首先分析了小波变换的原理,然后给出了基于小波变换的图像去噪原理,并设计了小波变换图像去噪的具体实施方案,最后给出了小波变换去噪的图像训练实验结果.结果表明,利用小波分解(变换)去除图像噪声,既滤除了噪声,又有效地保持了图像的细节信息.     

基于多分辨率-分水岭算法的图像分割方法

提出了在小波多分辨率域中使用分水岭算法对图像进行区域分割和融合的新方法,该方法首先使用小波变换理论将原始图像变换为不同层次的金字塔多分辨率图像；然后通过分水岭算法获得最低分辨率下的分割图像；最后。利用逆小波变换将分割的图像映射到原始分辨率上．从而获得分割图像．实验结果表明：此方法可以大大减少噪声存在下的过分割现象．     

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灰度图像数据压缩方法,采用双正交小波对像进行分解,作分解后系数的矢量量化。使用频率敏感自组织特征映射算法生成码书。这可避免直接矢量量化时的块效应,且相对于正交小波,恢复图像的质量也有所提高。     

基于小波变换的低对比度图像增强改进算法

提出一种基于小波变换的图像增强算法。利用小波变换的时频局域性和方向性特点,对分解后的高频系数进行子树划分,以子树为单位实现图像的对比度增强。在VC++环境下实现了该方法,实验结果表明该算法能得到整体视觉好的图像,是一种有效的图像增强算法。     

整数小波变换与矢量量化相结合实现图像压缩

论述了基于提升框架下整数小波变换与矢量量化相结合的图像压缩.经仿真认为此方法可降低计算复杂度,实现快速小波变换,利用局部搜索法量化的速度高于全局搜索法,且可通过调整局部搜索范围调整恢复图像的质量,达到提高编码速度和恢复图像质量的目的。     

基于小波变换的医学图像插值研究

提出了新的预测高频细节的方法,并能有效地结合多小波实现任意整数倍的图像超分辨率.实验结果表明新的基于小波分析的图像插值方法能够有效地保持图像的边缘特征,达到更好的视觉效果.     

基于小波变换的分开-合并图像分割

小波变换具有良好的“时间—频率”局部化特性及多尺度变焦距特性对于二维图象的小波变换,其梯度模值提供了图像的边缘信息在大尺度时,图像边缘稳定,但存在有位移小尺度时,边缘定位精确,但易受噪声影响噪声和边缘都具有较高的空间频率噪声的能量小,在大尺度下,其小波变换系数值小边缘的能量大,在大尺度变换下,其小波变换系数值大由多尺度小波变换系数的变化情况,估计边缘的类型采用多尺度小波变换系数作为四分树结构的分开—合并法图像分割的一致性度量从而在大的图像块中,去除噪声的影响,在小的图像块中,以小波变换的局部极大值精确定位边缘,根据边缘信息进行分开—合并法图像分割实验表明,算法得到满意的结果     

基于小波变换的多层次图像增强算法

提出了基于小波变换的多层次图像增强算法.首先对图像进行4级小波分解,得到尺度系数和多个层次的小波系数;然后对不同层次的小波系数采用不同的增强算法进行处理,并对图像的尺度系数采用多尺度方法进行处理;最后用得到的小波系数和尺度系数进行逆变换得到增强后的图像.试验结果证明,该算法具有优于传统增强算法的增强效果和抗噪性能.     

一种基于三维小波变换的视频图像消噪新方法

根据视频图像帧与帧之间在多数情况下存在较强相关性的特点，提出了一种基于三维小波变换的视频图像消噪方法。将被加性平稳高斯噪声污染的连续几帧视频图像进行帧间一维小波变换，根据变换后各帧的特点．采用不同的方法分别进行消噪；对变换后的低频帧进行帧内二维小波变换，在小波域中采用自适应阈值进行消噪；对变换后的其余各高频帧直接采用固定阈值进行消噪。实验结果表明该方法消噪效果较好。