基于二元树复数小波变换的特征融合算法

提出了一种利用二元树复数小波变换(DT- CWT)提取遥感图像纹理特征的方法,不仅使得纹理分析具备小波分析的多尺度特性,而且具备了6 个方向的选择性、良好的重构性和近似的平移不变性.利用DT- CWT变换提取目标图像的纹理特征,构造目标概率密度函数,并采用基于D-S证据理论的特征层融合算法对目标进行识别处理,实验结果表明,采用基于DT- CWT纹理特征的特征层融合算法对多源低分辨率可见光遥感图像中小目标的识别是有效的.

基于二元树复数小波变换的文种自动识别

提出了一种基于二元树复数小波变换的文字种类自动识别技术,相对于传统的离散小波变换,这种小波变换具有近似的平移不变性和良好的方向选择性等特点。在文本图像的特征提取中,可以得到更加稳定和更多方向的纹理特征。在实验中选取了6种语言(中文,英文,日文,韩文,俄文和阿拉伯文)不同格式和字体的文本图像,作实验结果表明:本文算法的识别效果要优于传统的离散小波变换算法。

复数小波域的高斯尺度混合模型图像降噪

由于复数小波变换具有近似平移不变性和良好的方向选择性,因此适用于图像去噪。为了取得更好的降噪效果,提出了一种基于复数小波的高斯尺度混合模型降噪算法。该算法首先对自然图像的复数小波系数建立统计模型,即将位于相邻位置和尺度的系数邻域建模为一个高斯尺度混合模型;然后用该模型对子带系数进行贝叶斯最小均方估计,以达到降低噪声的目的。由于这一模型很好地利用了复数小波系数幅值尺度间和尺度内的相关性,因此可以取得较好的降噪效果。实验结果表明,该算法无论从峰值信噪比还是从主观视觉上都优于一些传统的降噪算法。

基于复—方向小波变换和视觉表示的图像增强

针对复—方向小波变换具有好的平移不变性、方向选择性、对图像边缘特征的表示比传统实小波要好等优势,提出了一种基于视觉表示统计特性和复—方向小波变换的图像增强新方法。该算法在图像的多尺度复—方向小波变换域内进行动态范围(亮度)修正和局部对比度调整以增强图像。实验结果表明,与目前经典的多尺度增强算法相比,运用本文的算法增强的图像视觉效果好,在边缘和细节处失真小,而且对图像源的变化具有很好的鲁棒性。

平移不变小波在图像融合中的应用

二元树复数小波变换(DTCWT)分析图像纹理特征,它具有:近似的移动不变性;在二维变换中具有良好的方向选择性、完备重构性、有限冗余性和计算高效性等优点.DTCWT能得到较好的图像纹理特征和具有更好的鲁棒性.在图像有较小位移情况下,基于DTCWT算法的融合结果要比DWT好得多,融合效果较好.

基于纹理分析的多源信息融合方法研究

基于二元树复数小波变换的优良性能,结合遗传算法及证据理论,对图像纹理特征进行分析处理.首先利用DT-CWT的移动不变性、良好的方向选择性、完备的重构性、有限的与尺度无关的冗余度以及很高的计算效率等特点提取丰富的图像纹理特征;然后应用遗传算法的寻优能力对纹理特征进行约简;最后采用基于证据理论的数据融合方法实现多源信息融合目标识别.物体非损伤性评价实验表明该算法具有很好的识别效果.