基于尺度间和尺度内相关性的平稳小波红外图像去噪

提出了一种基于尺度间和尺度内相关性的平稳小波变换红外图像去噪方法.首先对红外图像进行离散平稳小波变换,分别对各个分解层的高频子带,利用不同尺度小波系数形成的系数向量,通过线性最小均方误差估计小波系数,获得各个高频子带的估计系数,再利用小波系数尺度内的邻域相关性对小波系数进行修正,然后通过小波反变换得到去噪图像.仿真结果表明,考虑尺度间和尺度内相关性的平稳小波红外图像去噪算法能有效地去除红外图像噪声,在信噪比和视觉质量上要优于单纯考虑尺度间相关性的去噪方法.     

具有平移、尺度和旋转不变性的小波变换

寻求具有平移、尺度和旋转不变性的小波变换,是应用小波分析进行模式识别需要重点解决的课题。普通的离散小波变换对信号的起始位置非常敏感,不具有平移不变性。本文通过坐标变换,采用方向能量函数确定图像主轴方位,并将其旋转到水平方向得到方向归一化图像。通过对图像的重整和正交小波基的位移、伸缩变换,消除位移和尺度的影响,得到具有平移、尺度和旋转不变性的小波变换。     

基于尺度间和尺度内相关陛的平稳小波红外图像去噪

提出了一种基于尺度间和尺度内相关性的平稳小波变换红外图像去噪方法。首先对红外图像进行离散平稳小波变换,分别对各个分解层的高频子带,利用不同尺度小波系数形成的系数向量,通过线性最小均方误差估计小波系数,获得各个高频子带的估计系数,再利用小波系数尺度内的邻域相关性对小波系数进行修正,然后通过小波反变换得到去噪图像。仿真结果表明,考虑尺度间和尺度内相关性的平稳小波红外图像去噪算法能有效地去除红外图像噪声,在信噪比和视觉质量上要优于单纯考虑尺度间相关性的去噪方法。     

基于平稳小波变换的图像去噪方法

针对传统正交小波变换在图像去噪时存在的边缘失真,提出了一种基于平稳小波变换的图像去噪方法.使用系数关联法将图像小波分解后的高频分量像素标记为噪声和边缘,如果小波系数被标记为边缘,则保持其系数不变,否则采用基于邻域的方法进行系数收缩.当噪声方差较大时,收缩后最小尺度的高频分量中会存在一些孤立的亮点或暗点,借助次大尺度高频分量将其去除,对处理后的小波系数进行平稳小波反变换得到去噪图像.实验结果表明,本文方法能够在去除噪声的同时较好地保持图像的边缘,是一种有效的图像去噪方法.     

基于小波变换与视觉敏感特性的图像压缩算法研究

现有的图像压缩算法大多压缩效果不好且设备成本较高,虽然近几年来提出了许多新的图像压缩算法,但还是没能从根本上解决上述问题;针对该现象,文章利用小波算法的高效性与普遍性,提出了一种适应人眼视觉特性小波变换的图像压缩算法,采用SPIHT算法与DPCM编码方式,并结合人眼的视觉特性,来对图像进行分类处理,进而对视觉敏感的区域进行边缘优化处理,来消除不必要的编码开销.测试表明,本研究能够实现以上研究目的,且具有耗时低、准确性高的市场优势.     

基于分数阶小波的模拟电路参数估计* Deng Yong(邓勇)?, Zhang He(张禾)

Aiming at the problem of parameter estimation in analog circuits, a new approach is proposed. The approach is based on the fractional wavelet to derive the Volterra series model of the circuit under test(CUT). By the gradient search algorithm used in the Volterra model, the unknown parameters in the CUT are estimated and the Volterra model is identified. The simulations show that the parameter estimation results of the proposed method in the paper are better than those of other parameter estimation methods.     

基于多尺度分析的小波不变矩

本文结合小波多尺度分析和不变矩的优点,通过坐标变换和几何规范化等预处理,提出了一种能提供多尺度分析且具有平移、尺度和旋转不变性的矩特征描述子-小波不变矩,并给出了其不变性证明.讨论了不同类型和阶数的小波函数对小波不变矩识别性能的影响.实验结果表明,由合适消失矩阶数的、对称紧支集双正交小波函数得到的小波不变矩具有最佳的分类特性.     

基于尺度连贯性边缘检测的小波收缩图像去噪

为有效地去除图像噪声而不使图像边缘模糊,文章提出了一种保留边缘信息的小波图像去噪新方法.此方法基于二进小波变换的多分辨率分解,小波系数的分布被模型化为高斯分布,得到每一尺度的收缩因子,连续尺度上的收缩凼子被结合,一致性检测被用于进一步检测边缘.将检测到的边缘点与非边缘点对应的小波系数,分别用不同的方法进行处理,采用不同的收缩因子进行收缩.仿真实验表明,与其它几种传统去噪方法相比,本算法具有更好的重建视觉效果,峰值信噪比也比其它方法有了较大幅度的提高.     

一种基于尺度相关的小波图像去噪方法

本文根据信号与噪声在小波变换下表现出的不同的传播性质,提出了一种基于空域相关的图像去噪方法。该方法通过计算相邻尺度小波系数乘积的累积直方图,确定阈值,再通过利用改进的阈值函数对小波系数进行阈值处理。通过试验结果表明,本文的算法在有效去除噪声的同时,能够较好的保留图像的细节信息。     

基于离散平稳小波变换和Bayes估计的红外图像去噪方法

提出一种基于离散平稳小波变换与Bayes估计的红外图像去噪方法。针对红外图像信号与噪声的不同特点,对红外图像进行离散平稳小波变换后,采用Bayes估计方法自适应地从带噪信号的小波系数观测值中估计信号的小波系数值。该方法不仅有效克服了传统离散正交小波变换去噪时容易产生Gibbs现象的问题,也避免了常用小波去噪算法对小波系数截断式处理可能造成的图像细节模糊和信息丢失。最后,通过对实际电力设备红外图像的去噪实验,验证了方法的有效性。     

基于小波与阈值的图像分割

图像分割是图像处理和计算机视觉中的重要技术,并且已在工业、军事、医学图像以及机器人视觉领域有着广泛的应用。在此采用了基于小波变换边缘检测算法和阈值分割算法。小波变换边缘检测,即设置分解级数进行多次分解,并依次输出结果图像。阈值分割采用全局与局部阈值分割图像,但是局部阈值更能突出图像的信息点。     

基于Wavelet的图像压缩编码

在图像处理过程中，压缩算法的编制是最为重要的部分，详细论述了利用小波变换来母缩彩色连续图像的技术细节，同时也对在舰蚴环境中实现该算法时遇到的问题做了分析，并给出了解答。     

一种基于平稳小波域的红外图像增强方法

针对红外图像对比度和分辩率低、噪声大的特点,提出一种基于平稳小波域的红外图像增强新方法.对高频子带中幅值较小的噪声系数进行衰减,幅值较大的边缘细节系数进行放大;对低频子带系数的幅值采用所提出的正弦函数进行伸缩处理.实验结果表明,本文提出的方法在有效地增强红外图像对比度及边缘细节的同时,又能很好地抑制背景噪声,综合性能明显优于传统的直方图均衡化和反锐化掩膜增强方法.     

基于小波变换的图像边缘检测

介绍了利用小波变换进行图像边缘检测的原理与方法。基于小波变换的模极大值原理,利用不同尺度小波变换后的不同方向获取图像的高频信息,并通过小波系数的模极值点与过零点,检测出图像在四个方向上的模极大值,得到该位置模的局部最大值。仿真测试表明,利用小波变换进行图像边缘检测可以较好的检测图像边缘的细节特征,取得了很好的效果。     

基于小波变换的图像融合方法

提出了一种基于小波变换的改进图像融合方法。对小波分解后的高频分量使用图像区域内像素的最大绝对值作为该区域中心像素的活性测度以得到融合图像的高频分量,对分解后的低频分量通过度量其图像块的质量来确定融合图像的低频分量。实验结果表明,该方法得到的融合图像清晰度和对比度都较好,是一种有效的图像融合算法。     

一种基于新混沌映射的矩形图像三维加密算法

二维混沌映射应用于图像加密时一般要求图像是 正方形,且加密中只进行图像置乱,不改变像素值, 不能抵御明文攻击。提出一种基于新混沌映射的矩形图像三维加密算法:首先利用像素值的 特点,将图像 分为8层,再将每层依次进行平铺、连接,构成一个原图8倍大的新图像。接着,利用映射 原理,设计能 加密矩形图像的新混沌映射,并对新图像进行图像置乱。最后,把密图转换为成原图大小。 解密过程和解 密过程对称。仿真表明:加密算法可处理矩形图像,能同时快速实现图像置乱和混淆,改变 了图像像素的 统计特征。测试与安全性分析验证了算法的有效性和加密安全性。     

基于小波变换的图像边缘检测

介绍了利用小波变换进行图像边缘检测的原理与方法。基于小波变换的模极大值原理,利用不同尺度小波变换后的不同方向获取图像的高频信息,并通过小波系数的模极值点与过零点,检测出图像在四个方向上的模极大值,得到该位置模的局部最大值。仿真测试表明,利用小波变换进行图像边缘检测可以较好的检测图像边缘的细节特征,取得了很好的效果。     

基于提升小波的图像融合

提升算法能够有效地解决目前常用的多尺度分解方法所存在的运算速度慢、对内存的需求量大、不适于实时应用的局限性。介绍了提升算法的过程，基于提升小波的图像融合算法。实验结果表明，该算法融合后的图像质量上优于一般小波变换的传统方法。     

基于提升小波的图像消噪

提升算法能够有效解决目前常用的多尺度分解方法所存在的运算速度慢、对内存的需求量大、不适于实时应用的局限性.介绍了提升算法的过程,基于提升小波的图像消噪算法.实验结果表明,该算法消噪后的图像质量上优于一般小波变换的传统方法.     

A novel neural network based image reconstruction model with scale and rotation invariance for target identification and classification for Active millimetre wave imaging

Millimetre wave imaging (MMW) is gaining tremendous interest among researchers, which has potential applications for security check, standoff personal screening, automotive collision-avoidance, and lot more. Current state-of-art imaging techniques viz. microwave and X-ray imaging suffers from lower resolution and harmful ionizing radiation, respectively. In contrast, MMW imaging operates at lower power and is non-ionizing, hence, medically safe. Despite these favourable attributes, MMW imaging encounters various challenges as; still it is very less explored area and lacks suitable imaging methodology for extracting complete target information. Keeping in view of these challenges, a MMW active imaging radar system at 60 GHz was designed for standoff imaging application. A C-scan (horizontal and vertical scanning) methodology was developed that provides cross-range resolution of 8.59 mm. The paper further details a suitable target identification and classification methodology. For identification of regular shape targets: mean-standard deviation based segmentation technique was formulated and further validated using a different target shape. For classification: probability density function based target material discrimination methodology was proposed and further validated on different dataset. Lastly, a novel artificial neural network based scale and rotation invariant, image reconstruction methodology has been proposed to counter the distortions in the image caused due to noise, rotation or scale variations. The designed neural network once trained with sample images, automatically takes care of these deformations and successfully reconstructs the corrected image for the test targets. Techniques developed in this paper are tested and validated using four different regular shapes viz. rectangle, square, triangle and circle.