多尺度分析在圖像處理中的應(yīng)用研究.pdf

1、本論文主要圍繞多尺度分析及其在圖像處理中的應(yīng)用來(lái)進(jìn)行研究.主要進(jìn)行了以下幾個(gè)方面的工作:1.討論了小波圖像去噪的原理和各種閾值方法的選取與評(píng)估,并對(duì)小波系數(shù)的統(tǒng)計(jì)模型進(jìn)行了分析比較.提出一種將自適應(yīng)閾值和空域?yàn)V波相結(jié)合的去噪方法.2.討論了多小波的平衡及其在去噪方面的應(yīng)用.3.在研究對(duì)偶樹(shù)復(fù)小波變換(DT-CWT)特性的基礎(chǔ)上,提出了基于DT-CWT的圖像去噪算法.DT-CWT具有近似的平移不變性和良好的方向選擇性,與此同時(shí),它還具有完

2、全重構(gòu)特性.DT-CWT在每一層產(chǎn)生六個(gè)具有方向選擇性的子帶,去噪時(shí)采用雙變量的閾值收縮函數(shù),實(shí)驗(yàn)結(jié)果表明這是一種高效的去噪算法.4.提出了一種基于DT-CWT的圖像融合方法.5.討論了圖像的稀疏逼近問(wèn)題.包括Fourier非線性逼近,小波非線性逼近,不同的多尺度幾何分析方法的逼近性能比較.小波分析比Fourier分析能更"稀疏"地表示一維分段光滑或者有界變差函數(shù),而新的多尺度分析方法在高維空間中對(duì)多變量函數(shù)的稀疏表示具有較小波分析更好

3、的逼近性能.6.提出了一種基于Brushlet變換和二進(jìn)小波變換的紋理分類方法.該方法從矩特征和方向信息特征出發(fā),結(jié)合Brushlet變換的方向檢測(cè)特性和二進(jìn)小波變換的邊緣檢測(cè)特性,最后利用支撐矢量機(jī)對(duì)紋理圖像進(jìn)行分類.7.討論了脊波和曲線波在圖像處理中的應(yīng)用.脊波能夠有效地表達(dá)二維以及高維空間中的直線狀奇異性.提出了一種基于單尺度脊波變換的圖像融合方法,其效果優(yōu)于小波變換的融合效果.對(duì)具有曲線奇異性的目標(biāo),曲線波能對(duì)其進(jìn)行稀疏表示.對(duì)