基于不完全树结构小波变换及FKCN的纹理分割

提出了一种新的不完全树结构小波变换用于纹理特征提取 ,提出了一种与人类视觉过程相一致的多分辨率多通道纹理分析方法 ,它由 (1 )特征提取 :使用不完全树结构小波变换抽取纹理特征 ;(2 )基于模糊 Kohonen聚类网络的特征粗分类 :使用缩减的特征向量对网络进行训练 ,得到粗分割结果 ;(3)粗分割结果的细化等几部分构成。

基于可变树结构小波变换的图像检索的研究

用可变树结构小波变换不同于传统金字塔式小波变换,在提取图像的纹理特征时,充分利用了纹理的能量主要集中在中、高频的特点,而且使用能量准则来决定哪个子图应继续被分解,从而有效减小了特征空间的维数和数据量。试验证明基于可变树结构小波变换的图像检索具有较好的效果。

基于小波变换和二叉树结构的电能质量扰动分类

针对电能质量扰动分类问题,提出了一种基于小波变换和二叉树结构支持向量机的扰动分类方法。首先,通过交流暂态仿真软件产生8种典型扰动信号和2种复合扰动信号作为样本集;然后,通过小波变换进行多个特征的提取,包括信号在特定频带下的能量和小波系数标准差;最后,通过样本集,对二叉树结构支持向量机分类器进行训练和测试。测试结果表明,该方法能够有效识别常见的10种扰动信号,具有分类正确率高、训练时间短的优点。

基于复小波域树结构化MRF模型的声纳图像分割

声纳图像受成像环境影响对比度低,特性信息较弱,且图像分辨率不高,用传统的分割方法效果较差,为此,构建了双树复小波域树结构化的MRF模型(TS-MRF),提出了基于此模型的声纳图像分割算法。双树复小波变换(DT-CWT)具有近似平移不变性和良好的方向选择性,其多分辨率分析能有效地提取声纳图像的弱特征信息,以便TS-MRF中节点参数的描述能准确地反映树结构的分布规律和图像统计特性;复小波域6个方向高频子带相互独立,尺度间父子节点标号具有一阶Markov性;尺度内构建TS-MRF模型,且每一节点标号依赖于父节点,采用Potts模型对节点标号势函数建模,相同标号的观测特征用高斯模型建模;最后,用多分辨率递归和每一分辨率分类层次树从顶层向底层的尺度内递归算法来求解最大后验概率,实现分类层次树标号,完成声纳图像分割。实验结果从视觉效果和定量分析两方面验证表明,本文算法能有效地抑制噪声,较好地提取声纳图像的弱特征信息,具有较高的分割精度和鲁棒性。

基于图像小波树结构的数字水印算法

提出了一种基于小波变换和根据图像内容的自适应水印算法。该算法利用图像小波变换系数的树结构关系和各层小波系数的特点,对低频重要系数进行分类,并根据人类视觉特性,对不同类采用不同的嵌入方法。而且在水印提取过程中不需要原始图像,是一种盲水印算法。实验结果表明,该方法简单高效,可嵌入的数字水印信息容量大,而且通过与传统方法的比较,方法不可见性好,PSNR=52.28dB,对一般的图像处理和攻击如:JPEG压缩、滤波、加噪声、旋转、缩放等有很好的鲁棒性。

基于小波域方向树结构的图像水印算法

在小波变换域中,不同分辨率上、同方向子带内、相同空间位置的小波系数之间有较强的相似性,该文提出了一种基于小波域方向树结构的图像水印算法。该算法利用支持向量机建立小波系数方向树结构模型,通过调整模型的输出值与目标值的大小关系来隐藏水印。提取水印时,不需要原始载体图像。实验结果表明,该算法对常见的图像攻击具有很好的鲁棒性,而且水印嵌入容量大、隐蔽性好、安全性强、性能优越。

基于树结构矢量分类的小波图像网络编码矢量量化

本文基于零树编码、矢量分类和网络编码量化的思想 ,提出了对小波图像采用树结构矢量组合和分类后进行网格编码矢量量化的新方法。该方法充分利用了带系数的带间和带内的相关性 ,分类信息占用比特数少 ,对重要类矢量实行加权网格编码矢量量化 ,利用卷积编码扩展信号空间以增大量化信号间的欧氏距离 ,用维特比算法搜索最优量化序列 ,并采用基于人眼视觉特性的加权均方误差准则作为失真度量和码字匹配 ,提高了量化增益。仿真结果表明 ,该方法编码计算复杂度适中 ,解码简单 。

基于方向树结构矢量分类的小波图像网格编码矢量量化

本文提出了采用方向树结构矢量组合并分类对小波图像进行网格编码矢量量化（ＴＣＶＱ）的新方法。该方法矢量构成结合了子带系数的方向性，充分利用了子带系数带间和带内相关性，按能量和活跃度进行两级分类，降低了类中矢量的内部离散度，对活跃和非活跃类矢量实行加权ＴＣＶＱ，利用卷积编码扩展信号空间，用维特比算法搜索最优量化序列，比使用加权 ＶＱ提高了 ０．７ｄｂ左右。该方法编码计算复杂度适中，解码简单，有较好的压缩效果。

采用树结构矢量组合的小波图像分类矢量量化

本文提出了采用树结构矢量组合对小波图像进行分类矢量量化的新方法。该方法充分利用了子带系数的带间和带内的相关性，分类信息占用比特数少，并采用了基于人眼视觉特性的加权均方误差准则进行矢量量化，提高了量化增益。仿真结果表明，该方法实现简单，可达到很好的压缩效果。

小波域非完全贝塔变换增强红外图像对比度

对红外图像进行离散平稳小波变换后,对分辨率较好的各高频子带直接利用所提出的去噪方法去噪;对分辨率较差的各高频子带利用非完全贝塔变换法结合文中的去噪法进行增强;并给出一种评价增强图像质量的准则。实验表明,本文提出的方法在有效地增强红外图像对比度的同时,又能很好的抑制红外图像中白噪声和1/f噪声。

基于小波零树结构的图像压缩算法的改进与实现

基于小波变换的图像编码是一种有效的图像压缩方法 ,近几年来得到了广泛的发展 ,其中最著名的是 Shapiro提出的小波零树编码 (EZW)方法。文章根据小波零树的结构 ,并结合量化编码理论 ,对 EZW算法进行了改进。仿真实验证明 ,在相同的压缩比下 ,该算法较原

颅脑CT纹理识别中的树结构小波算法研究

介绍用树结构小波变换算法分析每一阶小波变换构成的子图像集,从中选择信息量较大的子图像集作为纹理识别的最优子图像集,用于描述颅脑CT图像的纹理信息。通过对134组颅脑CT图像用树结构小波变换算法进行纹理特征点的自动标记,结果显示树结构小波变换算法在描述颅脑CT图像问题特征上,性能优于金字塔结构小波变换算法。

采用方向树结构矢量组合的小波图像分类矢量量化

该文提出了采用方向树结构矢量组合对小波图像进行分类矢量量化的新方法。该方法的矢量构成结合了子带系数的方向性，充分利用了子带系数的带间和带内的相关性，按能量和活跃度进行两级分类，降低了类中矢量的内部离散度，分类信息占用比特数少，并采用了基于人眼视觉特性的加权均方误差准则进行矢量量化，提高了量化增益。仿真结果表明，该方法实现简单，可以达到很好的压缩效果。

基于小波域中SOT结构的SAR相干斑抑制

论述了在小波域中通过空间向树结构对合成孔径雷达(SAR)图像相干斑噪声的抑制。首先从SAR图像相干斑噪声产生的机理出发,论述了采用传统滤波方法去除SAR图像中相干斑噪声的局限性以及在小波变换域中如何通过空间向树结构对相干斑噪声进行有效的滤波;实验结果表明,此方法对SAR图像相干斑噪声有良好的抑制作用,同时还尽可能多保留目标的纹理细节。

卷积完全匹配层在二维弹性波计算中的应用

0引言在模拟计算弹性波在无限或半无限介质中的传播时,需要截断无限计算区域以解决计算机有限存储空间和节约计算时间的问题。因此,必须要有合适的边界条件来减小或消除由于边界截断而引起的边界反射。自1994年完全匹配层(Perfectly Matched Layer:PML)吸收边界条件由Berenger[1]提出,并将其应用于电磁波的截断计算中后,其作为经典技术被广泛的应用于数值计算中。

基于多小波域SOT结构的SAR图像去噪与压缩算法

合成孔径雷达(SAR)图像固有的相干斑噪声严重影响了SAR图像的判读和进一步压缩处理,提出一种在多小波域将空间方向树(SOT)去噪与压缩相结合的SAR图像压缩算法。首先利用SOT对高频子带的多小波系数进行软阈值去噪,滤除相干斑噪声;然后采用改进的多级树集合分裂(SPIHT)算法编码形成嵌入式码流。利用大量的机载SAR图像对该算法进行了仿真验证,实验结果表明采用该算法进行SAR图像压缩提高了重建图像的PSNR,同时对相干斑噪声进行了有效的抑制。

基于零树结构的可伸缩编码方法研究实现

文章利用小波变换多分辨分解特点和Ｓｈａｐｉｒｏ提出的ＥＺＷ编码的优点，实现了一种基于零树结构的可伸缩性编码新方法，其编码特点是可以输出分辨率多位率压缩位流，有效地改进了ＥＺＷ方法只能应用于单一分辨率视频服务的不足。该算法首先对小波变换系数进行一致标量量化；其次对量化后不为零的重要低频系数按照位平面次序进行编码；最后根据零树结构对高频小波系数，从低分辨率开始逐频带搜索得到不为零的重要系数，对搜索到的高频重要系数同样按照位平面次序进行编码，直至最高频带小波系数。该算法的特点是具有可伸缩性，即其编码位流不但可以进行多分辨率解码，而且可以进行多位率解码。实验结果表明，该压缩方法性能优于Ｓｈａｐｉｒｏ的ＥＺＷ方法，能在一定程度上提高峰值信噪比（ＰＳＮＲ）。

利用完全重构滤波器组进行图像的多尺度边缘提取

本文将我们在《一种适用于多尺度边缘提取的完全重构滤波器组的构造》一文中从三阶样条函数出发所构造的小波从一维推广到二维情况，并利用它对图像进行多尺度边缘提取实验，进一步证实了这种方法的正确性与有效性．

基于形态学与不完全树形小波分解的图像纹理特征提取算法

针对不完全小波树形结构分解提取纹理特征仅对清晰度高的图像效果佳,运算速度慢的问题,提出基于形态学预处理的不完全小波树形分解快速提取图像纹理特征的算法。首先采用形态学高帽—低帽变换对图像进行预处理,去除图像噪声,增强对比度;在提取纹理特征时,采用一致性判别;对于一致性强的图像,只利用图像的一部分进行不完全小波树形结构分解提取出能量、方向性等纹理特征,提高了运算速度;最后使用双概率神经网络(DPNN)的方法自适应地对纹理图像进行识别。利用Brodatz纹理库进行了仿真实验,并将该算法应用到了现场拍摄的海水中藻类细胞图像的识别。实验结果表明,该算法特征提取和识别速度快,尤其对于清晰度不高、现场拍摄的纹理图像具有较好的效果。

基于双密度双树复小波的结构化CS图像重构

提出了一种基于双密度双树复小波(double-density dual-tree complex wavelet transform,DDDT-CWT)基的结构化CS图像重构算法,该算法将图像在双密度双树复小波变换下的系数呈现的树结构化特征与Co Sa MP重构算法相结合,实现了对原始图像的更精确重构.实验结果表明:在相同压缩比的前提下,与传统使用DWT基且未考虑变换系数结构化特征的重构算法相比,使用DDDT-CWT基和融入结构化特征的重构算法分别可获得2.9～3.2 d B与0.2～1.2 d B的增益,综合两者后的重构算法可获得3.8～4.3 d B以上的增益.