搜索资源列表
WvltRevers&ConsEnhance
- 图象对比度增强及小波系数的复原，包括完成图像对比度信息的增强及图像小波系数的复原。-Image Contrast Enhancement wavelet coefficients and the recovery, including the completion of the image brightness information and images to enhance the resilience of the wavelet coefficients.
20070815
- 提出了一种基于小波域的图像数字水印算法·该算法将相互正交的两种水印(鲁棒水印和参考 水印)同时添加到经过DWT后的载体图像小波系数中,然后用小波反变换得到添加了水印的图像·用提取出 的参考水印来估计图像所受到的攻击,由于提取出的鲁棒水印所受的攻击与参考水印受到的攻击一样,因此 可以估计出原始的鲁棒水印·通过对嵌入水印的图像进行加入噪声、滤波、压缩以及裁剪等大量图像处理等试 验,均能正确检测出水印,表明该算法具有很好的感知效果和鲁棒性
jpeg2000图像Arnold变换加密
- 针对JPEG2000格式的图像，利用了Arnold变换对图像的小波系数进行加密，对初步研究JPEG2000图像加密算法的有试用价值
B样条小波边缘检测的改进算法
- 第1章为绪论。简要介绍了课题研究背景、意义及研究现状。 第2章具体介绍小波变换应用在图像边缘检测的基本原理。在连续小波变 换基础上引入实际中应用范围较广的离散小波变换，重点分析了多分辨率小波 变换。 第3章介绍B样条小波边缘检测的改进算法。基于B样条小波变换，将 Contourlet变换应用在多尺度自适应阈值边缘检测中。 第4章介绍多层次自适应空间系数高斯小波边缘检测方法。将灰度共生矩 阵特征值应用在高斯小波变换中，提出一种多层次自适应算法。 第5章介绍Canny算子与小波变换结
多尺度边缘检测实例
- 一个多尺度边缘检测实例，方法是： 1、先对图像进行3个尺度的小波变换； 2、求小波系数的模值及其梯度方向； 3、确定模的极大值，即候选边缘点； 4、通过反变换合成3个尺度的模的极值图像,A multi-scale edge detection example, the method is: 1, first image of the three-scale wavelet transform 2, and the modulus value of wavelet coefficient and
test4_wavelet_DIPUM.rar
- 用二维小波包分解得到水平垂直细节系数，据此组合合成图像的边缘，并与传统算子方法对比,Two-dimensional wavelet packet decomposition has been the level of vertical detail coefficient, which images the edge of combinatorial chemistry and operator with the traditional methods
wavlet
- 图像小波变换，可以求图像小波分解系数图，阶数可以自己设定-tuxiangxiaobobianhuan
1-encryprion-JPEG2000-Image-by-Arnold
- 针对JPEG2000格式的图像，利用了Arnold变换对图像的小波系数进行加密，对初步研究JPEG2000图像加密算法的有试用价值-JPEG2000 image format for the use of the Arnold transform the image of the wavelet coefficients encryption, preliminary study of the JPEG2000 image encryption algorithms have tested th
MyDwt2D
- 对图像进行二维离散小波变换, 变换级数大于等于3级,然后统计系数中0的个数（百分比表示），并进行重构, 最后计算重构图像的峰值信噪比(PSNR). 里面还附上了我写的实验报告，对大家理解Mallat算法和图像压缩很有帮助-Image two-dimensional discrete wavelet transform, transform series greater than or equal to 3, and then statistics of the number of c
a2
- 传统小波阈值去噪法 小波阈值收缩法去噪的主要依据是：小波变换特别是正交小波变换具有很强的去数据相关性，它能够使图像的能量在小波域集中在一些大的小波系数中；而噪声的能量却分布于整个小波域内，因此，经小波分解后，图像的小波系数幅值要大于噪声的系数幅值，可以认为，幅值比较大的小波系数一般以图像信号为主，而幅值比较小的小波系数在很大程度上是噪声。于是采用阈值的办法可以把信号系数保留，而使大部分噪声系数减少至零[-Study on Algorithm of Image Denosing Based o
Adaptive_blind_watermark_algorithm
- 一种嵌入可读水印的自适应盲水印算法， 本文提出了一种基于DWT的嵌入可读水印的自适应盲水印算法,通过分析图像经离散小波变换后细 节子带系数的特性,把细节子带系数的均值和方差作为水印信息的一部分来自适应地修改图像小波分解后某些细节 子带的系数值,在满足水印不可感知性的条件下自适应地嵌入水印信息,实现了水印不可感知性和鲁棒性之间的折 衷. 同时,水印的提取无须求助于原图像,很好的实现了水印的盲检测. 这里的水印是一幅有实际意义的二值图像. 实 验结果和攻击测试表明,本文提出的算
21-72
- ：：针对传统的基于小波变换的反锐化掩模图像增强算法中存在的问题，即对比度相同而幅角不同的边缘达到的增强效果之间差别较大，提出了一种新的基于小波变换的反锐化掩模图像增强算法。该算法在对原始图像进行小波分解的基础上，根据小波变换所提供的幅角，对小波系数进行-:: For the traditional wavelet transform based on unsharp masking image enhancement algorithm for the problems that exist,
zy1
- 摘要 该文主要考虑利用图像噪声再生技术来提取图像细节 其思想是利用被滤除的噪声信号进行回收再利用 通过对噪声信号和初步去噪信号进行小波变换 比较它们的小波系数 当噪声信号的小波系数达到一定的阈值时 将噪声信号的小波系数保留叠加至初步去噪信号的小波系数 然后利用传统的软阈值去噪的方法来进行图像的去噪 从而达到既能够去除噪声 又能保留图像细节的目的 实验证明 该方法较传统的方法在去噪和细节保持上有改进-Abstract In this paper, consider using images to
z1
- 基于图像小波分解的特点和小波分解后高频小波系数的统计特性 构造了一种新阈值函数的去噪算法 摘 要 , 。 : 介绍了新阈值函数的原理 推导了算法公式 该阈值函数连续 可导 实验结 对比传统的硬阈值 软阈值去噪算法 , , 。 、 。 、 利用新阈值函数进行图像去噪 能够有效地抑制图像噪声及马赛克效应 果表明 。 , ,-Accordingtoanalysisofthepropertiesofwavelettransformandstatistica
MatermarkingDWT_DCT
- 提出一种基于DWT和DCT域的有意义二值图像数字水印算法 利用Arnold变换对水印序列进行置乱,消除 象素的空间相关性,增加水印的安全性 而结合小波变换和离散余弦变换的特性,将水印信息嵌入到图像变换域的低频和 中频系数中,提高水印的鲁棒性和不可见性 实验证明该算法具有较好的抗压缩、抗噪音和抗剪切性。-Watermarking in DWT and DCT area
image_denoise
- 以实例说明如何通过图像的提升小波分解进行图像的去噪，其方法与一般去噪方法相同，都是对小波分解的高频系数进行阈值量化来达到去噪的目的-Take example to explain how to denoise the image by lifting wavelet decomposing
wave
- 此压缩包包含有小波变换图像处理的多个matlab源代码，包括：小波分解，小波系数分解，小波重构，小波灰值处理等-This compression bag contains wavelet transform image processing of multiple matlab source, including: wavelet decomposition, wavelet coefficients of wavelet decomposition and so on
基于小波变换的数字水印系统设计
- 本文提出一种基于小波变换的图像数字水印算法，通过将低频子图分块并量化其小波系数，实现水印的嵌入和提取，并对其进行抗噪声、JPEG压缩、旋转等实验。对于旋转攻击，该算法结合了图像的归一化技术。实验结果表明，该算法对常见图像处理和旋转都有较好的鲁棒性。
代码
- 图像分割，图像增强，断点连接均有效，小波变换中通过改变高层和底层小波系数的权重达到增强目标的作用。(Image segmentation, image enhancement, and breakpoint connection .By the wavelet transform, the target is enhanced by changing the weights of the high-level wavelet coefficients and the underlying wav
小波基函数
- 我们通常用的函数dbn中的n就是这个小波函数的消失矩; 消失矩越大,它的支撑长度就越大,通常是支撑长度不少于2*n-1的; 消失矩越大,对应的滤波器越平坦,而且小波函数的振荡很强. 光滑函数在利用小波展开后的零点越多,也就是说小波的消失矩的大小, 决定了小波逼近光滑信号的能力.这一点也可以用来进行图像压缩. 越大的消失矩将使高频系数越小,小波分解后的图像能量也就很集中,压缩比例就越高. 通常我们都愿意采用消失矩较高的小波函数. 我们可以对一个信号,采用不同的消失矩的小波函数来分