基于权重系数的木材图像增强及识别

为了进一步提高机器识别木材的准确性,提出基于权重系数的木材图像增强方法。将采集的图像利用离散小波变换分为4个不同的子带,对LL子带采用权重系数检测相似的像素点,对LH、HL和HH子带利用局部方差法进行定向筛选,对上述子带均采用傅里叶系数作差法,同时结合阈值进行混淆判断;对LL子带采用方向自适应滤波消除混淆,对LH、HL和HH子带采用自适应小波收缩消除混淆,最后经过小波逆变换得到增强后的重建图像。选取榆木木片和树皮为识别对象,对其图像进行增强处理,然后利用BP神经网络进行识别。结果表明,本研究方法较传统的图像增强方法提高了榆木木片和树皮的识别率。     

基于视觉特性的自适应图像水印算法

为了使数字水印具有较强的鲁棒性和不可见性,提出了一种基于人眼视觉特性和小波变换的图像水印嵌入方法．首先,通过混沌映射对二值水印进行置乱处理,然后,运用量化方法把水印自适应地嵌入小波变换系数中,且量化步长是根据图像局部相关特性和人眼视觉特性动态地进行调整．仿真实验表明,该算法不仅具有较好的透明性和安全性,而且对诸如叠加噪声、JPEG压缩、平滑滤波、几何剪切、图像增强等攻击均具有较好的鲁棒性．     

四层抽取小波分解后各个子带小波系数的直方图拟合实验研究

通过对特定图像进行四层抽取小波分解,用广义高斯分布对各子带高频系数进行拟合,用混合高斯分布对低频系数进行拟合,并利用χ~2拟合检验对直方图的拟合效果进行了评估。研究结果证明了广义高斯分布和混合高斯分布对小波系数直方图拟合的有效性,并初步讨论了不同尺度间系数分布的拟合趋势。     

基于小波变换的图像融合算法

图像融合技术的研究目的就是综合不同类型的传感器所获取的图像信息,通过对多幅图像间冗余数据的处理提高图像的可靠性和可观察性,通过对多幅图像间互补信息的处理提高图像的效果。提出了一种基于小波的融合算法,该算法基于小波图像的能量集中在低频子带、细节体现在高频子带的特点,在低频部分对小波系数采用基于局部能量的加权融合方法处理,高频部分采用基于边缘信息的加权算法进行融合。结果表明:所采用的方法避免了图像融合过程中因平均化而出现的模糊现象,融合后的图像内容更加清晰,更容易识别。实践证明,基于小波变换的图像融合可以取得良好的结果和较快的处理速度。     

基于小波分析的图像压缩与去噪研究

介绍了图像小波分析的基本理论和基于小波变换的分解与重构原理,利用小波变换对二维图像进行分解,将原始图像分解成不同方向、不同频率成分的子图像.同时对含噪图像进行小波分解,通过选取适当的阈值,对小波分解系数进行阈值量化,再对高低频系数重构,实现图像的去噪.最后运用MATLAB仿真平台进行仿真验证,仿真结果表明:利用小波分析对图像进行压缩和去噪可以得到非常好的压缩效果和去噪效果,对工程应用具有一定的借鉴意义.     

基于多尺度拉东变换的图像感知质量评价

[目的]量化图像退化程度,提出了一种基于多尺度拉东变换的部分参考型图像质量评价方法。[方法]首先利用小波变换获得图像不同方向频率成分的小波子带,然后计算小波子带投影谱及投影谱的分形维数,并将这些分形维数组成向量作为图像的特征表示,最后计算原始图像与失真图像特征向量的1范数预测图像质量。[结果]该方法在LIVE标准图像库上进行测试,线性相关系数PLCC为0.949 1,等级相关系数SROCC为0.951 9,优于传统方法。[结论]该方法得到的客观质量评价与人的主观质量评价之间具有较好的一致性。     

基于提升小波变换的薯类视觉图像滤波处理

对农产品检测过程中所获得的视觉图像中时常出现的噪声滤波问题进行研究,以薯类视觉图像为例提出了一种基于提升小波变换的自适应滤波算法。该算法首先采用分解、预测、更新对噪声图像进行单层提升小波变换,保留低频分解系数不变;其次对高频分解系数采用自适应Canny边缘算子进行边缘轮廓提取,保留边缘轮廓,对图像剩余部分进行有针对性地自适应滤波;再提出一种新型小波阈值函数模型对低频分解系数进行噪声抑制,最后进行分解系数重构。为了进一步改善滤波后图像的视觉效果,采用自适应同态滤波进行增强处理。仿真结果表明,该算法对薯类等农产品视觉图像中噪声的处理比小波阈值法、自适应中值滤波算法有优势。     

基于双通道PCNN的玉米种子机械裂纹检测方法

针对玉米种子机械裂纹检测准确率低的问题,提出一种基于双通道脉冲耦合神经网络(PCNN)模型的数字图像融合方法:1)运用离散小波变换(DWT)、非下采样轮廓波变换(NSCT)分别对预处理后的玉米种子机械裂纹图像进行分解,得到各自的高低频子带;2)对高低频子带系数分别采用不同链接强度的改进空间频率激励的双通道PCNN模型进行融合操作,得到融合后的高低频子带系数;3)通过NSCT反变换得到最终的玉米种子机械裂纹图像.试验结果表明:采用双通道PCNN模型检测玉米种子机械裂纹的准确率为97.2％;图像熵、相关熵、相关系数、均方根误差分别为0.3511、1.7314、0.9835和0.5263,整体优于LoG、DWT、NSCT和PCNN方法;双通道PCNN方法的单张图像的执行时间为14.9007 s,运行时间最长,但效果最优.     

基于内容的医学图像小波融合算法

针对CT和 MR医学图像的融合增强问题,基于小波变换方法,引入边缘检测和二值化处理的思想,对小波变换的融合规则进行改进,即在低频子带融合规则中引入边缘检测图像以保护图像轮廓信息,在高频子带融合规则中引入二值化图像以保护图像的细节信息。数值试验结果表明,该算法能在融合图像中较好地保留边缘和细节信息,使得合成图像更加清晰完整。     

一种结合小波变换的豆类图像增强算法

针对农业视觉图像时常受到噪声的干扰,导致图像质量在很大程度降低的问题,以豆类图像为例,提出了一种图像自适应增强算法。该算法将小波变换与改进自适应中值滤波有机结合,首先对降质豆类图像实现2层小波分解,小波基函数取sym8,获得小波高频和低频分解系数;然后从噪声检测、自适应滤波等2个环节中对自适应中值滤波加以改进,提出了一种改进自适应中值滤波算法用于对小波各方向高频分解系数的自适应滤波;最后实现小波低频和高频系数的重构。将本研究算法与小波软阈值法、自适应中值滤波进行仿真试验比较,结果表明,本研究算法效果最优,能够实现对降质的豆类图像高质量增强处理。     

探讨小波系数对图像质量的影响

小波系数是图像进行小波分解后得到的系数,小波系数的分布、大小、多少直接影响着图像的质量。本文主要探讨含有统计噪音的数字仿真图像Logan_Sheep图像,利用硬阈值法对正交小波分解系数处理的前后,高频域中的小波系数的多少对图像特征的保留的影响。试验表明只要有很少的大的小波系数就能保留图像的特征。     

基于对数熵最优小波包基树的图像编码压缩研究

图像的能量主要集中在高频部分,传统的小波变换图像编码压缩方法主要侧重低频信号,而把高频部分看为不重要的信息,这就导致图像的细节失真。考虑到图像能量分布情况,提出以对数熵为代价函数,选择最优小波包树的图像编码压缩方法,仿真结果表明这种方法不仅可以提高的压缩比,而且重构的图像效果比较好。     

一种新型高斯噪声滤波算法

为了更有效滤除数字图像中的高斯噪声,提出了一种新型滤波算法.该算法首先将含有高斯噪声的图像进行二维小波分解,得到高频和低频小波分解系数;然后保留低频小波系数不变,对高频小波系数通过维纳滤波器进行滤波,并进行小波系数重构;最后将重构图像进行多尺度小波分解,通过设定新的阈值和判别函数,弱化不重要的小波分解系数,并进行小波分解系数重构.分别采用该滤波算法、维纳滤波、小波阈值法以及均值滤波进行高斯噪声滤除处理,试验证明该滤波算法去噪后图像的PSNR值明显高于其他三种方法.     

基于CCD拼接的航空相机小波自动调焦方法研究

为精确地进行航空相机调焦,获取高清晰度的航空影像,结合CCD拼接的特点,提出一种新的航空相机调焦方法,便于航空成像设备进行自动调焦。考虑人类视觉系统的特点设置权值,利用图像的小波分解系数构造清晰度评价函数;分析小波基函数的性质,对不同频率成分的影像进行清晰度评价,从而使评价函数对图像的变化具有适应性,通过比较得出了利用symlet2小波进行3层分解获得的评价函数的效果最佳。为了提高清晰度评价函数的灵敏度,选取了细节丰富的区域作为评价区域,详细地阐述了航空相机利用CCD拼接结构的特点进行调焦的算法实现过程。试验证明,该方法获得的评价函数比传统的小波方法灵敏度高,可以满足航空相机的需要,大大提高了地物目标的识别和提取的精度。     

近红外光谱在砂糖橘果形指数分析中的应用

基于小波变换的原理,分别利用阈值滤波、小波包、小波收缩3种常用的去噪方法,对砂糖橘样品的可见/近红外光谱信号进行去噪处理,探讨每种去噪方法的最优参数组合(小波函数、分解尺度、阈值)的同时选择最适去噪方法,并通过偏最小二乘法(PLS)对去噪后的重构光谱和砂糖橘果形指数建模。结果表明,小波包去噪有利于消除导数光谱中的噪声,提高建模精度,其最优参数组合为默认阈值条件下,小波函数Bior1.3、2尺度分解,去噪后的砂糖橘果形指数光谱建立的PLS模型的预测集R为0.9632,RMSEP为0.0779。     

基于非线性分析的复杂机电系统故障特征提取

针对复杂机电系统振动信号呈现复杂非平稳性的特点,采用Hilbert-Huang变换(HHT)和基于小波包分解的频带能量比例非线性分析方法,对机电转子系统碰摩和不对中故障试验信号进行分析.分析结果表明:基于非线性分析的HHT和小波包频带能量比例方法弥补了原有传统频谱分析的不足,可以清晰的表征故障的瞬时和局部特性,实现故障特征的有效提取.     

计算机视觉在作物水分亏缺诊断中的应用进展

随着图像处理与分析技术的蓬勃发展,许多专家学者利用图像获取工具比人眼更精细的分辨能力,应用计算机视觉技术进行信息诊断研究。论文简要介绍了计算机视觉技术,着重分析了作物图像获取方法和作物图像信息的分析方法,指出基于计算机视觉的作物水分亏缺诊断在实际应用中存在的问题,并对该领域的未来发展进行展望,指出:多信息融合是图像信息描述的主流趋势,高效的图像识别与分析算法是关键;水分亏缺诊断与作物缺水临界点、作物灌水量研究有机结合是实现作物田间实时灌溉和精量灌溉的前提。     

基于加Blackman窗FFT和db44小波包变换的综合电力系统谐波分析

传统的傅里叶变换（FFT）主要适用于平稳信号的分析,确定信号的幅值和频率,但会丢失信号的局部信息,而小波包变换虽然可以准确得到信号局部细节的信息,但其分析精度不及傅里叶变换。将高分析精度的傅里叶变换和可以准确得到信号局部细节信息的小波包变换结合,提出结合两者优点的谐波分析方法。对平稳信号采用加Blackman窗傅里叶变换进行分析,得到信号的频率和幅值。对暂态信号采用db44小波包变换进行分解分析,得到信号局部细节的信息。通过 MATLAB仿真结果表明,该方法可以准确分析电力系统中的稳态谐波并准确定位暂态谐波。     

江西省农业自然灾害变化的小波分析

利用小波变换对江西省1949~2009年农业自然灾害变化率进行多时间尺度分析。结果表明,该省农业自然灾害率的变化存在4、12、36年特征时间尺度和相应的5、15、44年左右的周期性变化特征;小时间尺度的小波系数振幅逐渐增大,说明近年江西农业自然灾害日益频繁。     

基于多尺度分解的图像递进检索

提出了一种基于小波多尺度分解的图像递进检索匹配方法.首先用小波变换对图像进行多尺度分解,提取其各子带的前三阶矩(标准差、偏斜度)和最低频段(LL子带)的小波变换值作为特征值.然后在检索匹配时,用各尺度的标准差和偏斜度进行递进筛选,再用LL子带的HSV颜色直方图计算图像之间的相似性距离,进一步对检索结果求精.与传统的直接直方图方法比较,结果表明,运用该方法,不仅计算量大大降低,明显加快检索速度,而且检索精度也明显提高.同时,由于小波变换已经成为新一代图像压缩标准的核心,该方法可以直接在压缩域进行特征提取和检索.