基于SVM图像分割方法的自动导盲系统

传统的自动导盲系统直接将图像映射为声音模式,使得声音模式中包含很多背景信息,干扰了盲人对图像的理解.针对这一问题,提出了一种基于SVM图像分割方法的自动导盲系统.首先使用SVM算法将摄像头采集到的环境图像分割为目标和背景两部分,并用灰度变换增强目标消除背景.然后将目标映射为声音模式.实验表明,经过训练,盲人能够理解系统合成的声音模式,从而形成对目标形状、尺寸以及位置的感知.     

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。     

一种基于小波变换的图像阈值去噪方法

在基于小波变换的图像阈值化去噪方法中,阈值的选取非常重要,本文提出一种新的阈值函数,将其用于图像去噪,实验结果表明,采用本文提出的算法得到的无论是峰值信噪比还是视觉效果均优于传统的软、硬阈值算法。     

连续小波变换与视觉不变性的局部化描述

视觉不变性描述是计算机视觉的核心问题之一，经黄的视觉不变性描述有傅里叶描述器、矩法不变性等，但是它们都是全局性描述，因而极易受局部遮挡与噪声的干扰，文中研究不同尺度的信号在连续小波变换下的性质，并在此基础上提出了一种基于连续小波变换的具有很好局部化性质的视觉不变性描述，解决局部遮挡条件下的识别问题，并给出了有关实验结果，文中最后讨论了 定不变性描述同图象尺度边缘的关系以及应用时的有关问题。     

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,对于二维图像蝗小波变换,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 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     

一种基于提升小波变换的数字图像隐藏方法

针对人眼的视觉模型和小波包的分频能力, 给出 一种新的灰度图像数据嵌入方法, 嵌入图像可以达到原始载体的1/4, 通过调节尺度 因子α可使本方法用于数据隐藏和数字水印. 此法对一些图像处理(如JPEG压缩等)有一 定的鲁棒性. 实验结果显示, 此法对秘密信息有较好的恢复效果.     

基于小波变换的图像自适应水印算法

根据人类视觉系统(HVS)特性和小波变换特性,提出了一种新的自适应水印算法.这种新的自适应水印算法可将小波变换后的图像的小波系数组成小波子块.根据人类视觉系统(HVS)特性,采用多参数对小波子块进行分类.根据分类结果并结合小波变换特性,将不同强度的水印幻方置乱后嵌入到不同的小波子块中.实验结果表明,该算法具有较好的鲁棒性和不可感知性.     

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     

基于小波变换的图像矢量量化方法

从人眼视觉特性的角度研究基于小波变换的图像压缩算法。分析了图像经小波变换后得到的子带图像的视觉特性和统计特性，对传统的矢量量化算法给予改进，提出了一种基于小波变换，符合人眼视觉特性的矢量量化－Ｗａｌｓｈ－Ｈａｄａｍａｒｄ变换域下的矢量量化算法。     

基于小波变换的图像融合方法研究

采用小波变换的多分辨率分析技术进行图像融合,将图像信息分解成低频和高频两部分,通过融合算法,将图像数据重构成一幅信息完整的新图像.仿真实验表明,采用本算法融合后的图像更符合客观实际,图像数据信息丰富.     

基于快速提升小波变换的图像压缩

提出了一种基于快速提升小波变换的图像压缩方法,并对EZW编码进行了改进。首先对图像作快速提升小波变换,然后根据小波系数的分布特点进行改进的EZW编码,试验结果表明,该方法在保证恢复图像质量良好的情况下可获得较高压缩比和压缩速率。     

一种基于小波变换的图像压缩编码方法

在分组霍夫曼编码的基础上提出了一种更有效的编码方法,即自适应分组霍夫曼编码方法．采用自适应分组霍夫曼编码方法及小波变换相结合对图像数据进行压缩．与基于小波变换的霍夫曼编码方法相比,压缩比大大提高,而计算复杂度只是略有增加实验证明这是一种具有良好性能和计算量较少的静止图像压缩编码方案。     

一种改进的基于小波的自适用图像编码方法

基于零树小波算法提出了一种新的图像编码方法——改进的自适应算术编码．将图像进行零树小波编码后的小波系数符号流采用改进的自适用算术编码方法进行二次编码．实验结果表明该算法编码效率高于传统的嵌入零树小波算法．     

基于小波变换的图像压缩编码方法研究

介绍了小波变换的基本理论以及基于小波变换的图像压缩编码与解码恢复过程。为了研究基于小波变换的图像压缩编码方法的优越性,通过实验与传统的离散余弦变换编码方法进行了性能的对比分析,实验结果表明：由于小波变换具有时间-频率局部化特性和多分辨率特性等优点,其能够更加有效地应用于图像数据压缩,可以达到更高的压缩效率,而且理论上可以获得任意压缩比的压缩图像。     

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。     

一种基于小波变换方法的图像递进传送方式

研究利用小波变换方式进行图像的递进传输。方法对图像实行小波变换,然后传递变换后的小波系数,在拉发收端可根据需要对接收到的系数随时地以变换,从而得到原图像的逐级近似。     

一种基于小波提升变换的多尺度边缘提取算法

提出了一种基于小波提升变换的改进图像边缘的检测算法.本算法首先对源图像进行小波提升分解,然后分别对高、低频子图像进行边缘提取.对于低频信息使用Canny算子进行边缘检测,而高频信息先用相邻尺度小波系数相乘的方法去除噪声,消噪后再对高频分量进行边缘检测.最后通过一定的融合规则进行融合,得到最终的边缘图像.实验结果表明,该方法具有运算速度快,能有效地抑制噪声,边缘检测精度高等特点,是一种有效的图像边缘提取算法.     

基于第二代小波变换的图像除噪

讨论了第二代小波变换的基本原理和变换过程,并将第二代小波变换引入到图像信号除噪处理中.提升方案采用的是Deslauriers-Dubuc(4,2)小波,分别对含噪的图像信号进行三级可逆提升变换,对每一级上的细节信号按软阈值法进行处理,削减小波系数中的噪声部分,从而实现了信号去噪.结果表明,去除高斯白噪声的效果令人满意,提升方法设计灵活、计算简单.