小波变换在医学图像去噪中的应用研究

对医学图像进行去噪可以提高医学图像的信息利用率,小波变换是目前最新的时频分析工具,是图像去噪的强有力处理工具。提出了一种基于小波变换的去噪方法,实验证明,该去噪方法能有效去除医学图像中的噪声。     

一种亚像元遥感图像的小波复原方法

为了复原在轨卫星拍摄的退化遥感图像,以达到精确的对地观测的目的,利用交错半个像素的"亚像元"图像进行交错采样,重建成分辨率更高的的网格,然后对新建出的空格点进行小波插值估计.对插值后图像的高频进行中值滤波,融合两幅错半个像元的图像信息,最后复原成一幅地貌信息更丰富、分辨率更高的遥感图像.试验的仿真图像证明了这种小波复原方法的有效性.     

小波技术在毛细管电泳电化学检测中的应用与发展

小波变换是一种具有良好应用前景的信号处理技术。它能够同时提供信号的时域和频域信息,可将信号分频处理。毛细管电泳电化学检测器虽然有较高的灵敏度,但其电流噪声也影响其检测限和精密度。本文介绍了近年来利用小波变换处理毛细管电泳电化学检测信号的应用现状,表明该方法是提高毛细管电泳电化学检测检测限、优化图谱的方法之一。同时也对其在毛细管电泳电化学检测系统中的进一步发展做出了预测。     

基于Contourlet的图像融合新方法

首先分析了小波变换在进行图像处理时不能有效表示直线/曲线的奇异性问题,然后研究了能够很好表示二维或更高维奇异性的Contourlet变换的基本原理.接着讨论了将Contourlet变换应用于图像融合的可行性,提出了基于Contourlet变换方法进行图像融合的基本架构,并对变换系数的设置与融合过程的处理进行了详细说明.对主客观性能比较进行了仿真实验,结果表明,提出的新方法比其它几种方法的融合效果要好得多.     

基于Q位移二分树复数小波变换算法的图像特征提取

为了提高图像特征的识别率,研究并设计了基于Q位移二分树复数小波变换算法的图像特征识别系统.论述了Q位移二分树复数小波变换算法的基本原理及滤波器的工作原理.在设计中保留了复数小波的优点,满足完全重构条件,同时具有良好的对称性.实验样本采用农作物黄瓜霜霉病叶部病斑图像,在Visual C 软件平台上对样本进行了训练和学习的仿真实验,仿真结果验证了系统的有效性.     

小波变换用于视皮层简单细胞模型的特性分析

以视皮层简单细胞生理实验结果为基础,阐述了视皮层简单细胞的生理结构和功能。从视皮层简单细胞具有边缘检测功能出发,分析了"边缘检测型"视皮层简单细胞的数学模型,对小波变换在图像处理中的边缘检测原理进行了分析说明,并对小波变换的数学性质描述。结合"边缘检测型"视皮层简单细胞现有的数学模型的特点和小波变换的性质,对小波变换用于建立"边缘检测型"视皮层简单细胞模型的特性进行了分析。     

基于多小波变换的分水岭医学数字图像分割算法

医学影像技术广泛应用于临床和科研领域,而医学数字图像数据量大、噪声情况复杂。图像分割是图像处理基本步骤之一,也是其应用和发展的瓶颈问题,提出了一种改进的分水岭分割算法,数字图像通过多小波变换分解、能量计算、分水岭变换和区域融合等步骤,有效的克服了分水岭变换严重的过分割问题,实现了有意义的区域分割。     

基于视觉特性的Contourlet域图像压缩编码算法

为了有效克服小波变换难以准确捕获图像特征、而Contourlet变换存在冗余等不足,本文提出了一种基于视觉特性的Contourlet域图像压缩编码算法.该算法首先对原始图像进行小波分解,并对中高频小波子带进一步实施自适应方向分解;然后根据人眼视觉特性(HVS),对变换系数进行加权处理;再结合小波分解与方向分解特点,构造扩展的空间方向树结构;最后采用SPIHT编码思想完成图像的压缩.实验结果表明,本文提出的Contourlet域图像编码方法是一种高效的图像压缩算法,不仅其压缩效果明显优于SPIHT、WBCT等图像压缩方案(特别是低比特率下),而且具有比较强的通用性与适应性(SPIHT与WBCT对于Barbara之类纹理图像压缩效果较差,然而本文算法的压缩效果却较理想).     

小波分析及其在医学中的应用

介绍了小波变换的原理和特点以及小波分析法在 EEG、EP、ECG信号、医学图像等生物医学信号中的应用 ,并对小波变换在生物医学信号处理中的发展作了展望     

一种基于细尺度间小波系数相关性的图像去噪方法

图像去噪问题的研究一直是图像处理的热点问题.首先对噪声图像经小波分解后噪声小波系数在细尺度子带间的分布特点进行了研究,提出了一种结合尺度内和尺度间系数相关性的噪声统计模型--细尺度间噪声系数分布的"类零树结构",以及基于分块的Bayes阈值确定方法.在此基础上将二者相结合,提出了一种新的图像去噪方法.该方法首先通过Bayes阈值去噪法去除高层子带中的噪声,同时利用基于块阈值方法定位次外层子带中的噪声位置,然后利用"类零树结构"模型,估计对应的最外层子带中的噪声的分布,并进行相应的去噪处理.实验结果表明,该方法稳定、有效,去噪效果优于传统Bayes逐点阚值去噪方法,且具有较低的时间复杂度.