一种基于小波系数特征的遥感图像融合算法

多光谱图像和全色图像是目前卫星遥感领域最常见的传感器图像。为了更充分地发挥这两类遥感图像数据的价值,人们利用两类数据的互补性,将多传感器融合技术引进了遥感图像处理领域。在IHS彩色空间变换和小波多分辨率分析的基础上,利用图像高频小波系数的多个特征来定义特征量积,并利用特征量积作为依据提出了一种图像融合新算法。通过一组多光谱图像和全色图像数据进行融合仿真试验,并将该算法与IHS,HPF等算法和归一化矩算法作了比较。证明该方法能在保留多光谱图像光谱信息的基础上,有效地提高多光谱图像的空间分辨率。

基于对比度的多分辨图像融合

本文给出一种基于对比度的多分辨图像融合算法 .首先 ,利用小波变换得到待融合图像的多分辨分析 ,同时得到图像的多分辨对比度序列 ;然后以对比度为判据 ,在图像的多分辨分析的相应各级上进行融合 ,得到融合图像的多分辨分析 ;最后 ,利用小波逆变换重构融合图像 .算法使用同一场景可见光图像和红外图像进行了验证 ,结果表明 ,融合图像完好地显示了源图像各自的信息 .

基于小波变换的图像多尺度数据融合

现有的图像数据融合方法对目标检测并不十分满意 ,为了提高目标检测的分辨率 ,抑制每个传感器的检测噪声 ,提出一种基于小波变换的图像数据融合新方法 .在图像分解的高频域内 ,选择多源图像绝对值较大的系数作为重要小波系数 ;在低频域内 ,新的逼近系数通过对多源图像的逼近系数进行加权平均得到 ,然后利用重要小波系数和加权逼近系数进行小波反变换 ,即可得到融合之后的图像 .实验结果表明 ,基于小波变换的图像数据融合方法具有良好的效果 。

基于复数小波变换的遥感图像融合新算法

提出了一种基于复数小波变换的影像融合新算法,用以融合全色影像和多光谱影像。试验结果表明,该算法可以取得比传统的实数小波变换融合算法更好的效果。

离散小波变换图像压缩技术综述

1.引言 自从1984年"小波"这一概念诞生以来,小波及多分辨分析理论和应用得到了迅猛发展.特别是在图像压缩领域,由于离散小波及多分辨分析与子带编码的天然联系,以及离散小波变换本身具有的良好去相关特性,使之逐渐成为图像压缩中的主流变换.例如:在最新推出的JPEG2000静态图像压缩国际标准中,已采纳离散小波变换作为标准的像素去相关变换.在最新的MPEG4视频图像压缩国际标准中,也大力推荐采用离散小波变换.

基于软阈值的小波图像增强方法

针对传统图像增强中存在的一些问题,如增强噪声、丢失细节等,提出了一种基于软阈值的小波图像增强方法。图像经过小波分解后可以得到一系列不同尺度上的子带图像,在不同尺度的子带图像上进行基于软阈值滤波的细节系数增强,再进行小波重构,即可得到增强后的图像。该方法可以有效地增强图像的细节信息,保持图像的边缘特征,改善图像的视觉效果。

基于边缘的小波图像融合算法

提出一种基于边缘的小波图像融合算法,针对小波分解的不同频率域,分别对高频系数和低频系数设计不同的融合规则。采用小波系数局部模极大和定义的局部信号强度比相结合的方法融合高频系数;对低频系数采用一种基于边缘的方法,在两幅原图像中选择最有可能是边缘的点加以保留。实验结果表明:采用此融合规则得到的融合图像具有良好的融合效果。

基于离散分数阶正交小波变换图像降噪新方法

分数阶小波变换是小波变换时间-频域的分析方法在时间-分数阶频率域的推广,在时间和分数阶频率域具有表征信号特征的能力.本文在离散分数阶正交小波变换(DFRWT)多分辨率分析(MRA)理论基础上,推导出DFRWT系数分解及重构新形式并作二维扩展.根据图像DFRWT子带系数能量随不同阶数p变化的特点,提出基于DFRWT阈值降噪新方法.该方法在保持子带低频能量为绝对大值条件下,适当提高子带高频能量值,更利于抑制图像噪声.实验结果表明,与传统小波阈值降噪方法相比,该方法主观质量得到了明显增强,提高了峰值信噪比.

图像多尺度几何分析新进展:Contourlet

contourlet 是继小波分析后的新一代信号分析工具,具有多分辨、局部化和多方向性等优良特性,更适合处理图像等高维信号。本文分析了 contourlet 变换及其构造原理,探讨了 contourlet 变换在图像处理中的部分应用,最后给出了今后关于 contourlet 理论所值得研究的若干方向。

基于Matlab 的图像融合方法

利用Matlab的工具箱函数实现数字图像融合。采用手动选取控制点进行图像配准；模拟时域加权函数，提出基于小波变换的归一化Mask方法进行图像融合，体现了时域中不同区域的重要程度。算法易于实现，应用方便。实验表明，融合图像平滑自然。

一种从SAR海洋图像中检测舰船航迹的算法

分析了合成孔径雷达 (SAR)图像中舰船航迹的特性和斑点噪声模型及其局部统计特性 ,在此基础上 ,提出了一种结合小波多分辨率分析、自适应阈值选择、边缘检测算子和Radon变换进行斑点噪声抑制和航迹检测的算法。数据处理的结果表明 ,该方法较直接对SAR图像应用Radon变换更有效。

基于小波和脊波的图像联合去噪方法

为了在图像去噪时更好地保持细节特征,提出了联合小波和脊波的阈值去噪方法。在含噪图像小波分解后,对每一尺度下三个高频子带的细节分量进行单层逆变换,得到该尺度下的细节图像。对细节图像进行脊波阈值去噪处理,然后再进行单层小波分解。用所得的高频子带分别代替先前小波分解所得的高频子带。最后对处理后的图像小波系数进行小波逆变换,得到去噪图像。实验表明,在处理具有直线特征的图像时,该方法要优于单纯的小波或脊波阈值方法。

基于改进小波变换的医学图像融合方法

小波变换在图像融合中的应用已有不少,但大多是热图像和可视图像的融合,在医学图像融合方面的研究还比较少。针对这一现状,提出了基于形态学小波的医学多分辨率融合方法和小波域基于差值图像分割的加权融合方法。该方法保留了小波的视觉效果,同时在很大程度上减少了运算的复杂度,优化了加权系数的计算方法,得到了较好的融合效果。实验结果表明了该算法的优越性。

基于小波分析的图像子带增强算法研究

介绍了图像的小波分解与重构,通过理论分析和实验研究了基于小波分析的图像子带增强算法,重点是小波基的选取以及图像分解层次对图像中目标边缘增强的影响研究,并针对目标边缘突出,将其与传统图像增强方法进行了比较。实验表明,针对目标边缘突出,基于小波分析的图像子带增强算法优于传统的图像增强方法,在该算法中,小波基选取db1-db5较好,分解层次定为5层增强效果优。

小波变换在电力谐波分析中的应用

电力系统的谐波是影响电能质量的重要因素,谐波对电力系统和用电设备产生了严重危害和影响。文中应用小波变换分析电力系统的谐波,小波变换能描述频谱含量如何随着时间变化,同时在时间和频率上表示信号的能量和作用。与傅里叶变换对比,小波变换不仅可以知道哪些频率分量在信号中出现,而且可以知道这些频率分量在时域内是如何变化的,可以更精确地分析非平稳信号的谐波。

板带钢表面缺陷检测系统的多尺度边缘检测算法

针对冷轧带钢表面缺陷在在线检测过程中,无法准确地检测到图像中缺陷的边缘问题,提出了一种基于小波变换模极大值的板带钢表面缺陷多尺度边缘检测算法.该方法较好地解决了边缘检测精度与抗噪性能之间的协调问题,实现了在多个尺度上板带钢表面缺陷的边缘提取.实验结果表明该方法对伪缺陷边缘的去除有很好的效果,同时能够较好地保留图像中缺陷的边缘细节信息,具有更好的边缘检测性能,为带钢表面缺陷在线检测系统中的后续处理,如图像自动分割、缺陷识别等奠定了基础.

基于小波变换的虚拟现实场景中的图像处理

提出一种基于小波分析理论的虚拟现实场景中的图像处理方法 ,旨在对用于景物表面的纹理贴图或背景图像进行小波分解 ,在量化编码中以视点与图像的距离作为度量 ,选取一系列不同的阈值对图像进行压缩处理 ,从而得到一系列不同质量的图像 ,然后在虚拟现实场景中根据视点与景物的距离调用不同级的图像文件 .此方法对于降低系统负荷 。

一种基于小波变换的多分辨图像融合算法

图像的融合过程是将两个或更多的图像结合成一个图像,融合图像保留了每一个图像的重要特征。图像融合技术能够提高图像质量和数据的实用性。主要描述了图像融合的两个课题:(1)融合算法;(2)质量评估。介绍的图像融合算法是先对原图像进行多分辨小波变换,再把输入图像的小波变换系数通过一定的融合规则进行选择,然后经过逆小波变换得到新的图像,对图像融合的质量评估也进行了讨论。

基于小波变换的图象处理技术

小波变换是新近发展起来的一门技术，已广泛应用于信号处理、图象处理、量子场论、地震勘探、话音识别与合成、音乐 、雷达、CT成相、机器视觉、机械故障诊断与监控以及数字电视等科技领域.又由于它具有时域和频域具有良好的局部化性能，因而在图象压缩编码中得到普遍应用.本文就是在此前提下，对小波变换的原理及离散小波变换算法结构进行了研究，提出小波理论应用于图象处理的基本思路，并通过对三维医学图象有效编码的具体描述，例证了小波变换在图象处理技术中的实用价值。

骨肿瘤X光片的多分辨特征增强

首先应用多分辨分析法将骨肿瘤Ｘ光片进行小波塔式分解，并根据各子图像的特性，在不损失边界信息的情况下，采用非线性函数对各子图像进行对比度增强，然后再进行重构．最后通过计算图像的信息熵将文中的方法与传统的图像增强方法进行比较。