针对传统图像融合算法目标不突出、边缘及纹理细节不清晰或缺失、对比度降低等问题，提出一种基于引导滤波（GF）和双树复小波变换（DTCWT）的红外与可见光图像融合算法。首先，根据红外与可见光图像的特点，在DTCWT分解前对可见光图像进行GF增强，同时对经DTCWT分解后的红外高频分量进行GF增强；然后，根据不同频带系数特点，提出一种基于显著性的自适应加权规则对红外与可见光低频子带分量进行融合，采用一种基于拉普拉斯能量和（SML）与梯度值向量的规则对不同尺度、方向下高频子带进行融合；最后，对融合后的高、低频系数进行DTCWT逆变换以得到最终重构图像。将所提算法与6种高效融合算法进行对比评价，实验结果表明，所提融合算法在不同场景下具有显著的目标特征，同时背景纹理和边缘细节清晰，整体对比度适宜，并且在4类客观评价指标上也取得了较好的效果。

为了去除红外图像中高斯噪声的同时，更好地保持和恢复图像的纹理边缘和细节特征，提出了基于双密度复小波与系数相关性的红外图像去噪方法。该方法充分利用双密度双树复小波在图像处理上的优势: 图像信息的平移不变性、图像纹理细节的多方向选择性等，基于对图像小波系数分布的假设，根据当前小波系数与其父、子小波系数的相关性，对无噪的小波系数作贝叶斯估计，以恢复无噪的红外图像，最后对去噪图像进行引导滤波，去除图像的波纹效果。实验数据显示，该方法在EPI和FSIM以及图像的视觉效果上优于部分现有算法，证明该方法在噪声去除、纹理边缘的保持和恢复上具有更好的性能。

针对现有的红外图像去噪算法在边缘恢复和保持上的缺陷, 提出了基于双树复小波与最大后验估计的红外图像去噪方法。充分利用双树复小波变换的多分辨率分析、平移不变性和多方向选择性等优秀特性, 对含噪的红外图像作双树复小波变换; 基于对高斯噪声和无噪图像的概率密度分布的假设, 在小波域中对无噪图像的小波系数作最大后验估计, 实现红外图像的去噪和恢复。红外图像去噪实验证明了方法的有效性, 算法在有效去除噪声的同时, 对边缘细节的保持和恢复较理想, 去噪的图像质量指标PSNR和SSIM比现有的方法分别提高1dB和2%以上。

针对现有的高斯噪声去除方法的边缘保持能力差、去噪图像对比度低等缺陷，提出一种带边缘增强的双树复小波阈值去噪方法。充分利用双树复小波的平移不变性和多方向选择性等优秀特性，根据高斯噪声的数学模型，由假设推导出一种自适应的双树复小波阈值去噪模型；提出一种多向梯度算子，对由阈值去噪模型得出的去噪图像进行边缘提取；最后对边缘图像与去噪图像进行线性有参叠加，得到边缘增强的去噪图像。实验结果证明，所提方法具有良好的去噪性能、边缘保持能力和快速的计算效率。

针对多重水印信息的有效嵌入和提取,提出了一种基于峰值信噪比-归一化相关系数函数(PSNR-NC)优化和非抽样双树复小波变换的自适应多重水印算法。该算法首先利用PSNR-NC函数来确定水印的最佳嵌入位置,其次通过非抽样双树复小波变换-奇异值分解(UDTCWT-SVD)算法将多个相互独立的水印信息嵌入到彩色宿主图像中,最后通过水印提取算法在含水印图像中提取多重水印,有效实现了多个版权信息的嵌入和提取。实验结果表明,嵌入水印图像具备良好的不可见性,所提算法对常见的图像处理攻击,特别是在抵抗JPEG压缩、噪声攻击和滤波攻击方面表现出较强的鲁棒性。

针对大多数图像信息隐藏技术需要先验信息及训练难度大的问题,提出一种基于复小波变换和自适应像素聚类的图像信息隐藏方法。方法利用新型的无监督种群优化算法对秘密图像进行自适应的像素聚类处理, 采用支持向量机选择载体图像双树复小波变换的最优小波子带, 将最优小波子带作为信息隐藏的载体以保证信息隐藏的不可感知性。实验结果表明方法具有较强的不可感知性,能够抵抗隐写分析模型的入侵, 在信息隐藏过程中不需要原载体图像和秘密信息的先验知识,属于全盲信息隐藏方法。

由于轻元素自身特征X射线以及测量元素间特征X射线的相互干扰, 受仪器能量分辨率的影响, 实测X射线荧光光谱会产生严重重叠。 以色谱分离度Rs作为计算谱峰重叠程度的指标, Rs低于0.5的重叠峰作为研究对象, 提出一种峰锐化法结合双树复小波变换分解低分离度重叠峰的新方法, 并对模拟X射线荧光光谱和实测X射线荧光光谱进行了新方法的验证。 首先, 在详细介绍峰锐化法和双树复小波变换分解重叠峰原理的基础上, 通过仿真结果发现: 当Rｓ=0.38时, 两种方法皆不能单独实现重叠峰的分解; 然而, 峰锐化法处理后的信号不仅保留了原始信号的峰位特征, 还出现了分离度明显变大的现象。 因此, 可以通过调节峰锐化法的权值实现对低分离度重叠峰的初步锐化, 再对锐化后的信号做双树复小波变换, 结果实现了对模拟重叠峰的分解, 验证了新方法分解低分离度重叠峰的优越性。 其中, 双树复小波变换的分解层数为2~6层, 第一层选择near_sym_b滤波器, 第一层以上选择qshift_d滤波器, 且当细节系数放大倍数为1~10时, 重叠峰的分解结果更准确。 然后, 模拟了K元素Kα能量峰与其Kβ能量峰的重叠光谱(Ｒｓ=0.44)以及Fe元素Kβ能量峰与Co元素Kα能量峰的重叠光谱(Ｒｓ=0.34), 用新方法对谱线进行处理, 结果实现了重叠峰分解, 且分解后峰位和峰面积的相对误差分别在1%和6%以内, 验证了该方法分解光谱中低分离度重叠峰的可行性。 最后, 用新方法对实测的Ca元素X射线荧光光谱进行处理, 最终也实现了重叠峰分解, 且分解后的峰位相对误差分别为0.8%和0.7%。 结果证明: 峰锐化法结合双树复小波变换能够有效分解低分离度重叠峰, 且在解决X射线荧光光谱中谱峰严重重叠的问题上具有实用性。

本文针对传统离散小波变换（ DWT）在图像融合中细节丢失的问题，提出了一种基于双树复小波变换（DT-CWT）的低频域区域能量取大和高频域自适应脉冲耦合神经网络（PCNN）图像融合算法（简称 DC-SA-PCNN）。实验结果显示，采用同样的融合规则， DT-CWT融合图像的互信息量 MI、边缘保持度 QAB/F、融合积 MQ＝MI×QAB/F均高于 DWT融合图像，基于自适应 PCNN算法获得的融合图像具有更优的 MI、QAB/F、MQ指标。结果表明，DC-SA-PCNN算法有效地综合了红外图像和可见光图像中的信息，融合图像更加全面地携带了源图像中的有效信息特征。

立体图像失真会影响图像边缘、结构和深度等低层次结构特征,为此,基于人眼对图像低层次结构的理解提出一种无参考立体图像质量评价方法。首先,对输入左右视图、合成图和视差图进行双树复小波变换;其次,提取左右视图、合成图和视差图小波子带的相位幅度特征,以及左右视图和合成图小波子带的梯度特征;最后,将所得特征输入支持向量回归(SVR)中训练,获得特征到质量分数的映射关系模型,预测立体图像质量。分别在LIVE3 DIQD Phase 1数据库和LIVE3 DIQD Phase 2数据库中测试本文算法性能,实验结果表明,本文算法与人眼视觉特性保持很高的一致性,且优于目前大多数主流算法。

提出了一种非抽样双树复小波变换域结合幅值阈值化和相位正则化的自适应图像去噪算法。首先将非抽样双树复小波变换系数进行幅值相位表示，在分析了幅值分布特点后，使用瑞利分布模型作为系数幅值的先验分布，然后在贝叶斯去噪框架下推导出闭式形式的阈值函数，为了更好地抑制噪声，我们亦对相位信息进行平滑处理，最后通过逆非抽样双树复小波变换得到去噪图像。由于同时对幅值和相位信息进行处理，实验显示所提算法抑制噪声效果明显，与一些经典算法相比，本文方法在主、客观上皆获得了有竞争力的结果。