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。     

一种基于脊波变换检测机载高分辨雷达图像直线目标的方法

基于脊波分析思想, 给出一种适合方向性较强的图像中直线特征检测方法, 以检测机载高分辨雷达图像直线目标. 结果表明, 该方法可行有效.      

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.     

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．     

Ridgelet变换在地震数据压缩中的应用

鉴于地震数据反映的物理界面的空间展布往往具有直线、平面等特性,小波变换进行震压缩处理不能很好地反映这一特性,根据Ridgelet变换的特点,将Ridgelet变换应用于地震数据压缩,结合嵌入式零树编码方法,提出了Ridgelet变换的地震数据压缩方法.通过对实际资料的处理,在压缩率为99.0%和90%时,比较了Ridgelet变换与小波变换处理结果.研究结果表明:Rigelet变换应用于地震数据压缩,其对数据的压缩比比小波变换对数据的压缩比大.     

一种基于Ridgelet变换和抑制式FCM聚类的数字水印算法

利用人类视觉系统的掩蔽效应和脊波变换(ridgelet transform,RT),提出了一种新颖的自适应乘性数字水印算法。由于脊波具有方向敏感性和各向异性的特点,具有自然纹理和曲线边缘的图像首先进行分块脊波变换,使脊波变换系数能够分段线状表示图像中的边缘奇异性。然后根据不同纹理程度的图像块提取脊波方向能量特征,结合人眼接受信号具有近似对数的特性对此特征进行非线性调整;并将其作为抑制式模糊聚类(suppressed fuzzy C-means algorithm,s-FCM)的特征向量,将图像块分成两类:较平坦区域、强纹理和边缘区域。最后将数字水印自适应嵌入到属于第二类的图像块的能量最大方向的中频脊波系数,并由该图像块的脊波方向能量特征控制嵌入强度。水印通过相关检测器判断存在与否。实验结果表明水印算法具有较高的不可见性和稳健性。     

基于Curvelet变换水下声纳图像去噪研究

为了更好地消除水下声纳图像噪声及保持图像边缘效果，提出将Curvelet变换方法应用在水下图像去噪技术中．该处理方法克服了Ridgelet去噪只对直线边缘敏感的缺点，并对图像中存在的曲线特征起到了很好的边缘保持效果，并在实验输出数据比较中获得较好效果．     

基于Radon变换的多尺度虹膜识别算法

针对现有虹膜识别算法需要处理二维纹理信息,特征提取时间长,对噪声干扰比较敏感等问题,提出了基于Radon变换的多尺度虹膜识别算法.首先利用Radon变换将二维虹膜纹理信息转换为一维纹理信号,然后使用小波变换多尺度能量算子提取虹膜的特征信息,最后利用相异度函数进行匹配判别.实验结果表明,算法具有运算简单,快速等优点,同时算法能够较好地克服图像平移、缩放、旋转等几何攻击对识别带来的不利影响,具有较强的抗干扰能力和较高的识别率.     

利用小波变换提高基于KPCA方法的人脸识别性能

基于核主成分分析（KPCA）的人脸识别算法能够提取非线性图像特征,在小样本训练条件下有较好性能. 然而并非所有非线性特征对识别都有利,过多的不相关特征可能会降低识别性能. 针对图像信息冗余的特点,预先对图像进行小波变换,通过消除对识别无关的细节信息,不仅提高了KPCA方法的识别精度,而且降低了该算法对计算机硬件的要求. 同时,为了抑制KPCA对光照等变化的较高敏感性,还提出一种对图像灰度进行衰减的预处理策略. 基于ORL数据库的实验表明,综合上述措施的系统比传统方法具有更快的训练速度和更高的识别精度.     

统计不相关性的最佳鉴别变换的手写数字识别

为了进一步深入研究推广手写体数字识别技术,介绍并验证了具有统计不相关性的最佳鉴别变换在手写体数字识别中的优越性.与经典的Foley-Sammon鉴别变换法相比,具有统计不相关性的最佳鉴别变换相关性更小,提取的特征更有效.提出利用具有统计不相关性的最佳鉴别变换来提取特征并结合BP网络设计分类器用以实现手写体数字识别.通过3个对比实验证实了基于具有统计不相关性的最佳鉴别变换方法的识别方法的有效性.     

一种基于线性判别函数的降维模式识别方法

基于降维的思想将多维的模式识别问题简化为一维问题,给出了判断分界点的方法.     

基于Curvelet变换的煤矿监控图像降噪算法

为提高煤矿井下监控图像质量,更好地实现井下生产的实时监控,探讨基于小波变换和脊波变换的图像降噪的特点,提出将一种基于Wrapping快速离散的第二代曲波变换(Curvelet)图像降噪算法,用于煤矿井下监控图像的降噪处理。研究Curvelet变换的函数支撑区间满足各向异性的尺度关系,以及在表示图像的边缘特征时更具有稀疏性等性质。结果表明:该降噪算法在煤矿井下特殊环境中的图像降噪效果优于传统的小波变换图像降噪和脊波变换,对于煤矿安全监控的有效实施,具有重要的指导意义。     

基于Trace变换的步态识别算法

提出了基于Hu矩的步态周期检测算法,该算法具有尺度、平移不变性,在预处理的标准中心化之前进行,缩短了步态识别前期处理工作的时间,为实时的步态识别提供可能。在分析步态的投影特征具有身份判别的能力之后,进而引出并说明使用Trace变换特征对步态表达的想法是合理的。提出基于Trace变换的步态识别算法,详细地讨论了三种Trace变换的泛函形式,在CASIA(B)步态库上进行验证实验,最佳识别率可达84.14%。这种方法避免了动态时间规整以及线性时间归一等算法的复杂的调整过程。