传统的基于CNN的方法在对低分辨率图像进行重构处理过程中, 并未将图像中的低频结构信息和高频细节信息进行区别处理, 且网络的层与层之间缺乏信息交流, 从而造成高分辨率重建图像结果中出现信息缺失。为获取更多图像各层次特征的结构与细节信息, 本文构建了基于小波域的残差密集网络(WRDSR)。该网络在二维离散小波变换形成的小波域内, 利用密集连接和残差连接对图像不同频率的信息进行充分提取后, 将融合后的特征输入到亚像素卷积层生成高分辨率图像的小波子带图像, 最后通过二维离散小波逆变换生成高分辨率图像。与Bicubic、SRCNN、VDSR、LapSRN、DWSR、SDSR等算法相比, WRDSR在评价指标PSNR/SSIM上平均提高了2.824 dB/0.059 5、0.747 dB/0.016 8、0.016 dB/0.002 4、0.025 dB/0.004 3、0.21 dB/0.004 7和0.20 dB/0.005 7, 在更高效地利用原始图像信息的同时, 解决了信息缺失的问题, 使得重建图像的纹理更清晰, 细节更丰富, 视觉效果更佳。

现有的自适应多尺度分块压缩感知算法忽略了高频信息在重建中的作用,导致图像的边缘轮廓得不到充分重建;并且在压缩分块过程中采用固定分块大小,没有充分利用图像自身的稀疏性。针对上述不足,提出一种多尺度分块的自适应采样率压缩感知算法。该算法充分利用小波变换后的高频信号和低频信号,同时针对图像的固定尺寸分块进行改进。首先,对低频部分利用自适应邻域特征的空域滤波算法消除块效应;其次,对高频部分依据纹理特征自适应选取图像块的大小,实现样本块尺寸的自动划分和采样率的自适应;最后,分别对纹理信息各异的图像进行压缩重建仿真。结果表明,本方法重建效果明显优于已有的自适应采样率算法。

视频监控或激光成像在大气环境监测中有着广泛应用,然而在雾天条件下获取的图像不可避免地存在视觉质量降低的问题。 针对雾天图像对比度增强以及噪声抑制的需要,提出了一种改进的雾天图像增强算法。首先对原图像进行正反双向的双直 方图均衡处理与融合,然后重复采用上述方法对融合图像的小波分解低频系数矩阵进行增强处理,最后将处理结果和高频系数矩 阵进行小波重构得到输出图像。实验结果表明,该算法处理雾天监控图像能够取得较好的对比度增强与噪声抑制效果。

傅里叶域与小波域的联合去模糊算法在低噪声时具有优越的恢复效果, 但是这种联合去模糊算法并不适用于含噪声的模糊图像.为了解决这一问题, 本文将先验约束分别引入傅里叶域的去模糊步骤和小波域的去噪步骤.在傅里叶域, 用矩阵形式表示目标函数.对目标函数添加平滑约束并且通过噪声水平和模糊图像高频信息计算得到平滑约束项的滤波系数.同样方式, 在小波域对小波域目标函数添加能量约束, 实现小波域目标函数的正则化过程.分析傅里叶域的噪声放大程度, 通过傅里叶域的滤波系数计算得到小波域能量约束的滤波系数.傅里叶域的平滑约束可以抑制滤波过程中噪声的产生, 小波域的能量约束可以提高小波域滤波的鲁棒性.仿真实验表明, 改进的算法相比于原始算法具有更好的鲁棒性, 可以有效提高图像的恢复质量.对于噪声标准差为0.01~0.1的模糊图像, 改进算法恢复图像峰值信噪比比原始算法恢复图像的峰值信噪比高1左右.并且改进算法对于高斯型点扩散函数误差具有鲁棒性, 当点扩散函数估计方差与实际方差相差0.4时, 改进算法的恢复效果仍优于原始算法.

针对单波段红外弱小目标检测难度大、信息量少的问题, 提出一种基于小波域的双色红外弱小目标检测算法。首先运用小波滤波器对双色图像进行分解, 利用双色图像的特征差异提出了不同的阈值确定方法对高频图像进行分割, 通过采用不同策略的布尔逻辑运算完成高频分割图像的融合, 最后运用形态学运算和多帧累积检测的方法完成弱小目标的检测。

从图像噪声的统计特性出发，结合贝叶斯萎缩法(BayesShrink)原理，提出了基于小波域的Contourlet 变换法的图像去噪方法。根据贝叶斯准则估计阈值Ti,j，并考虑邻域局部相关性，改进阈值的自适应选取方法，获得最优阈值 Ti,j[σX (LD)]，实现图像去噪，同时分析文中算法的去噪的峰值信噪比(PSNR)和计算的复杂度。仿真实验证明，与DWT-NABayesShrink 去噪方法、DTCWT-BayesShrink 和CbATD 去噪方法相比，视觉效果和PSNR 都有明显提高。

采用机器人实现水果的自动化精确采摘是现代水果采摘技术发展的基本趋势之一。但由于成像条件以及机器人自身电子电路等因素的影响, 使得所获取的图像或多或少存在大量噪声。将小波变换与双边滤波算法有机结合, 提出了一种针对水果图像中颗粒噪声的滤波算法。该算法首先对噪声图像实现小波分解, 对于各高频子图像, 给出了相似像素的基本定义并分别设计出尺寸为 5的多方向的相似像素检测窗口；然后根据检测窗口中相似像素的个数与检测窗口全部像素点个数的比值大小, 分别采用自适应双边滤波算法和改进加权中值滤波算法加以处理。最后实现小波系数重构。实验仿真结果表明, 该滤波算法性能优于双边滤波算法以及小波域双边滤波算法, 对于农产品视觉图像、基于流媒体技术设施现场采集的图像处理等领域也具有一定的参考价值。

在光纤周界安防系统中, 蓄意入侵和环境噪声均能引起光纤传感器振动, 在保证系统高灵敏度的前提下区分入侵和非入侵事件极为重要。为了有效识别各种光纤振动信号, 本文依据入侵和环境噪声引起的光纤振动信号在时域上的短时特性以及复小波域各尺度上能量分布特征, 提出了两级判别法识别光纤信号。第一级用时域特征, 短时能量和短时平均过零率判断是否有振动发生; 第二级用复小波提取光纤信号的能量分布特征, 联合时域特征形成特征矢量, 支持向量机 (SVM)作为分类器识别是否为入侵信号及入侵类型。实验结果表明, 此方法可以有效识别入侵信号和环境噪声引起的非入侵事件, 提高了系统报警率, 降低了误报率。

针对融合图像质量评价问题，分析了图像质量评价与融合图像质量评价的关系，给出了融合图像质量评价方法的一般表达公式，指出构造实际并不存在的参考图像是解决融合图像质量评价问题的关键。在此基础上，基于空域结构相似度评价方法，对输入源图像和融合图像分别进行小波分解，利用输入源图像小波分解系数构造参考图像小波系数，然后根据人眼视觉敏感度带通特性对参考图像和融合图像的各小波频带进行加权，从而得到整幅图像的小波域结构相似度评价指标，利用目标可探测性、细节可分辨能力和图像整体舒适性构成主观评价指标分别和交互信息量、基于空域的结构相似度比较。实验结果表明，相比于传统的客观评价方法，提出的方法所得结果与主观评价结果的一致性更好。