首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到20条相似文献,搜索用时 31 毫秒
1.
基于小波变换的二值模式检索   总被引:1,自引:0,他引:1  
提出了一种基于小波变换后的二值模式图像检索。把图像库里的图像通过小波变换压缩预处理,方便图像快速入库提取图像特征。选取二值模式技术处理,以便有效提取图像的特征进行检索。实验数据库采用Brodatz纹理图像库,对比了边缘拟合算法,共生矩阵和灰度纹理矩检索图像的检索效率,得出小波变换后的二值模式检索效率较高。  相似文献   

2.
张涛  王成儒张瑞 《情报杂志》2005,24(11):104-105
小波包是基于纹理图像检索的重要工具,但标准小波包变换方法计算量与特征向量维数均随分解阶数的增加呈几何级数递增,使得该方法难以满足大规模纹理分析的需要。因此提出极结构小波包方法,在保留标准小波包良好的检索性能基础上简化计算和降低特征维数。实验证明,极结构小波包结构在图像检索中可以满足实时性较高的图像检索需要。  相似文献   

3.
针对纹理图像压缩提出了一种改进的SPIHT算法. 算法对一阶小波变换产生的LL、HL、LH、HH 4个子带系数分别进行小波再分解,之后对上述4个子带利用SPIHT算法进行联合编码;子带之间的量化比特分配嵌入在编码过程之中,因此可实现4个子带编码比特的自动精确分配. 编码过程充分利用了小波系数的高频分量信息,可有效保持图像中的纹理细节. 最后通过对纹理图像的压缩实验,证实了改进算法的有效性.  相似文献   

4.
根据图像内容的最小化嵌入失真原则,在空域通用小波相对失真方法(Spatial-UNIversal WAvelet Relative Distortion,S-UNIWARD)的基础上,提出一种结合小波边缘检测和校验格编码(Syndrome Trellis Code,STC)的图像自适应空域隐写术。首先利用小波变换检测图像边缘区域,然后根据S-UNIWARD定义图像像素的嵌入失真,并通过设置失真阈值选择图像的纹理区域,最后使用STC在边缘区域和纹理区域对秘密信息进行嵌入。实验表明本算法提高了S-UNIWARD在图像边缘区域和纹理区域的嵌入精度,且能提高算法安全性。  相似文献   

5.
图像融合是一种进行图像增强的有效技术方法,可以综合利用图像的空间纹理细节和光谱信息。图像融合分为像素级融合、特征级融合和决策级融合三个层次。像素级图像融合是最常用的图像融合方法,主要有HIS变换法、Brovey法、PCA变换法、SFIM变换法、小波变换法等。  相似文献   

6.
在传统的基于小波变换的人脸识别方法的基础上,加入稀疏表示的方法对人脸识别进行研究,进一步提高人脸识别率。小波变换把人脸图像分解为一幅低频人脸图像和三幅高频人脸图像,低频人脸图像代表人脸图像的全局(整体)信息,高频人脸图像代表人脸图像的纹理和边缘等细节信息。低频人脸图像在人脸识别中起到关键性作用,用正交投影的方法对低频人脸图进行识别得到的低频人脸图像分类隶属度。高频人脸图像在人脸识别中同样存在不可忽略的作用,用基于领域能量的方法把三幅高频人脸图像融合为一幅高频融合人脸图像,然后用稀疏表示的方法对融合图像进行识别得到高频人脸图像分类隶属度。最后把高、低频分类隶属度融合确定人脸图像所属类别,与传统人脸识别方法相比,进一步提高了人脸识别率。  相似文献   

7.
在二维平面图形渐变算法中,但是对于较为复杂的图形,由于传统算法本身存在的不足,图形渐变过程中有时会出现一些局部自交现象,影响图形的渐变效果。为了避免上述缺陷,提出了一种图像局部自交干扰排除的渐变优化算法。利用小波对图像的边沿像素进行变换,提取图像边沿的纹理特征,利用K均值聚类方法,对边沿纹理像素设置分类阀指,消除图像局部自交干扰。实验结果表明,利用本文算法下的图像渐变过程得到了优化,取得了令人满意的效果。  相似文献   

8.
提出了基于小波变换和隐马尔可夫模型的人像鉴别算法. 该算法首先对图像进行3级小波分解,然后把3个不同分辨率的低频子图像由小到大排列成树状结构,形成低频小波树. 接着利用独立元分析对每个小波树枝进行去相关、降维,形成特征小波树枝,并把它作为观测向量对隐马尔可夫模型进行训练,把优化的模型参数用于人脸识别. 分析了观测向量维数与识别率的关系,以及状态个数和高斯概率混合成分的个数对识别率的影响,定性描述了隐马尔可夫模型的本质. 在ORL人脸数据库上,同其他四种相关方法进行了比较,实验结果表明,该方法识别率较高,工程上易于应用.  相似文献   

9.
多源图像融合是将不同来源的某一场景的两个(或多个)目标进行两次(或多次)成像,将这些图像的清晰部分组成一幅新的图像,以得到一个多目标都聚焦清晰的融合图像。提出将小波变换方法应用于多信息源图像的融合,并选取适当的小波基、分解层数和融合算子。针对小波变换及图像的特点,本文选取了7类共50种小波基、4种小波分解层数和6种融合算子,共1200种小波变换的融合方法进行了比较。通过比较融合图像的相似性,对图像融合效果的评价表明,实验获得的最佳图像与理想图像的相似度均达到99%。  相似文献   

10.
本文介绍了数据压缩在图像传输中的重要性,并指出了小波变换是实现图像压缩的一种重要的方法,介绍了小波变换是通过对图像像素分解与重构来实现对图像进行压缩,并分析了压缩比。  相似文献   

11.
提出一种针对部分遮挡的人脸图像进行分类识别的新算法。采用Gabor小波变换对人脸图像进行特征提取,从而得到图像的Gabor特征矩阵。并利用支持向量机的方法实现遮挡人脸的分类识别。经仿真实验证明该算法有效。  相似文献   

12.
本文基于小波阈值去噪的基本理论,提出了一种基于Context模型的自适应小波去噪算法。该方法利用Context模型建立图像小波变换后的系数分类模型并根据分类使用不同的阈值去噪。实验结果表明本文提出的算法无论是PSNR值还是视觉效果,都大大优于传统算法。  相似文献   

13.
本文提出了一种将彩色数字水印嵌入到彩色载体图像的新算法,利用改进的Patchwork方法将一级小波分解的水印图像的低频部分分别四次嵌入到经过离散余弦变换和离散小波变换后的载体图像的RGB分量中,提取的时候,将四次嵌入的低频分量取出并求平均值,用来作为水印的最终低频分量。经过实验验证,该算法对很多攻击具有很好的鲁棒性。  相似文献   

14.
图像处理的目的就是对数字化后的信息进行某些运算和处理,以提高图像的质量或达到人们所要求的预期结果.小波被看做一种用于多层次分解函数的数学工具.图像信号经过小波变换后可以用小波系数来描述,小波系数体现了原图像信息的性质,图像信息的局部特征可以通过处理小波系数来改变.  相似文献   

15.
基于颜色和纹理特征的彩色图像检索方法   总被引:1,自引:0,他引:1  
由于单一特征不足以准确地描述图像的特征,文章提出了一种新的彩色图像检索方法,该方法在对图像进行分块的基础上,分别计算图像R、G、B三通道的均值和方差,获取了图像的颜色统计特征;然后通过小波包变换提取纹理特征。在进行图像间的相似性测量时,为了结合不同的特征进行全局的相似性检索,还采用Guassian模型对不同特征间的距离进行了归一化处理。仿真结果表明,提出的方法具有良好的检索效果。  相似文献   

16.
机加工表面纹理特征在实际的研究和应用中具有重要意义,而当前基于小波变换的方法由于丢弃了隐藏丰富特征信息的高频部分,因此准确度不高。本文提出利用小波包变换和奇异值分解的方法来提取图像特征,实验证明,该方法具有较高的准确度和较强的适应性。  相似文献   

17.
为解决不同聚焦深度下多幅图像的信息融合问题,提出一种变换域处理方法。首先基于非线性的中点滤波器,以非抽样方式构造出具有移不变性的形态中点小波变换。然后对形态中点小波变换进行提升,从而改善算法性能。最后,利用提升后的形态中点小波分解待融合图像,选取合适的融合规则处理变换域系数,通过反变换重构得到融合后的图像。计算机仿真实验表明,移不变形态中点小波多分辨率分析方法能有效融合多聚焦图像,与传统线性小波变换或其他较流行的小波变换相比,得到的整个场景更加完整清晰。  相似文献   

18.
提出一种新的基于双树复小波变换的SAR图像边缘检测算法.算法在复小波子带上求取图像直方图方向梯度矩阵,并基于复小波变换的多尺度性质和方向选择性求取全局的梯度矩阵.通过对这一矩阵阈值化实现边缘检测.该算法能有效检测出SAR图像上的显著边缘,并对SAR图像中存在的相干斑噪声、灰度不均匀性和边缘模糊等现象具有一定的鲁棒性.实验结果证明了该算法的有效性.  相似文献   

19.
为提高图像边缘检测的清晰度、精度、连续性以及抗噪性能。结合小波变换和数学形态学设计了一种图像边缘提取算法。重点论述了一种改进形态学边缘检测算子。该算法以含噪图像为研究对象,通过小波分解将原始图像分为高频和低频分量。利用小波变换模极大值法实现高频分量边缘检测,同时基于改进形态学边缘检测算子实现低频分量边缘检测。然后,通过图像融合得到完整边缘。仿真结果表明:所述方法抗噪性能较好,图像边缘清晰度高而且定位精准。  相似文献   

20.
应用小波变换和改进的几何归一化方法,提出一种强鲁棒图像零水印算法.该算法首先利用一种改进的几何归一化方法将原始图像化为标准图像,然后对标准图像利用Haar小波进行多级小波分解,最后根据高层的中高频小波系数的正负极性构造零水印.对算法性能进行测试的结果表明,算法对噪声、滤波、有损压缩等常规信号处理具有强鲁棒性,对旋转、缩放、平移、剪切等几何攻击也具有较好的鲁棒性.  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号