提升小波的高效算法设计及其在数字图像处理中的应用

摘要

小波理论及其应用的研究是一项十分有意义的课题。经典小波分析方法在理论上和在工程应用中获得了巨大的成功，但它不是十分完美的，存在一些严重的不足。 提升格式小波变换与经典小波变换相比具有小波构造简单、变换容易实现和节省存储空间等优点。另外，提升格式提供了一种比Mallat 算法更快、更简洁和更易操作的小波变换方法，而且还可以立即得到其逆变换。在讨论带参数双正交整数提升小波构造方法的基础上，探讨了基于提升小波变换的图象压缩、数字水印和图像融合改进算法。 针对SPIHT 算法中存在中频和高频子带小波系数的不重要数具有相关性，设计了SPIHT 改进算法。新算法利用一个组合函数来减少相应位置中频子带的不重要小波系数的冗余，同时构造集合d 来减少高频子带带间的冗余。数值实验表明，新算法有较为理想的压缩效果，峰值信噪比和人眼视觉效果均有所提高。 在数字水印方面，安全性和鲁棒性一直是研究的热点与难点。分别提出了基于小波和人类视觉系统的稳健数字水印算法和基于混沌置乱和人类视觉系统的小波域数字水印算法。数值实验表明，这些算法在抗压缩和抗剪切攻击方面均有很强的能力，具有较强的鲁棒性。特别是第二个算法使嵌入的水印具有更强的不可见性。混沌密钥的使用与小波域重要系数修改的隐蔽性，加强了水印信息的保密性，性能优于文献上相近的方法。 为了提高水印技术性能，一个有效的策略是探索图像和水印的特征而自适应地嵌入水印。作者还提出了基于神经网络的小波域稳健盲数字水印算法。利用神经网络的学习特性，找出嵌入的水印与重要系数的关系。训练后的神经网络可以从水印图像中恢复出水印。 提出了一种基于小波对比度和神经网络的多聚焦图像融合算法。首先对各源图像进行小波变换，根据变换后系数计算出图像的小波对比度，选取源图像部分区域小波对比度作为前溃神经网络的训练样本，调整神经网络权重；然后用训练好的神经网络组合融合图像的小波系数，对组合后的系数进行一致性校验；最后对该系数进行小波逆变换，得到融合图像。数值实验表明，该算法能够较好地解决多聚焦图像融合问题，生成的融合图像效果优于传统图像融合方法。 曲波是小波理论的发展，在图像处理方面具有小波所不具有的优点。它能够为数字图像中的边缘以及线性特征提供一种比小波多分辨率分析更加精确的分析方法。 在研究了曲波变换的特性后，提出了一种基于曲波变换的图像融合方法，并分别将由不同传感器获得的不同分辨率的遥感图像和医学图像利用此方法进行了融合。新方法不仅能够完好地显示了源图像各自的信息，而且能很好地将源图像的细节融合在了一起。数值实验表明采用这种方法可以得到更好的融合效果。