小波域数字图像建模及其应用

第1章 数字图像小波变换及其统计模型

1．1 从傅里叶变换到小波变换

1．2 小波变换

1．2．1 连续小波变换

1．2．2 离散小波变换

1．2．3 二维信号的小波多分辨率分析

1．3 自然图像小波变换的基本性质

1．4 自然图像的小波域统计模型

本章参考文献

第2章 基于小波域统计模型的图像去噪算法

2．1 小波域图像去噪算法综述

2．1．1 图像退化模型描述

2．1．2 小波域图像去噪算法综述

2．1．3 各种小波变换在信号去噪中的应用

2．1．4 不同噪声场合中的小波去噪算法

2．1．5 图像去噪算法的性能衡量标准

2．2 基于快速参数估计的小波域HMT模型及其图像去噪算法

2．2．1 小波域隐马尔科夫树(HMT)模型

2．2．2 基于小波域HMT模型的去噪算法

2．2．3 基于快速参数估计的小波域HMT模型的去噪算法

2．2．4 Gibbs效应的消除

2．2．5 实验结果分析与结论

2．3 基于二元树复小波的局部高斯混合模型图像去噪算法

2．3．1 局部高斯混合模型(Local Gaussian Mixture

Model LGMM)

2．3．2 二元树复小波变换(Dual-Free Complex wlavelet

Transform)

2．3．3 基于二元树复小波变换的局部高斯混合降噪算法框架

2．3．4 基于二元树复小波变换的局部高斯混合模型的

参数估计

2．3．5 算法描述

2．3．6 实验结果分析与结论

2．4 基于自适应阈值分类的小波域混合模型去噪

2．4．1 小波系数的分类

2．4．2 基于分类的小波域混合模型图像去噪算法

2．4．3 算法描述

2．4．4 Gibbs效应的消除

2．4．5 实验结果分析与结论

本章参考文献

第3章 基于小波域统计模型的图像超分辨重构

3．1 引言

3．2 图像退化模型

3．3 病态问题分析

3．4 超分辨率思想概述

3．5 超分辨率算法综述

3．6 基于MCA与小波域HMT扩展模型的图像超分辨率算法“

3．6．1 形态分量分析(：MCA)

3．6．2 小波域HMT模型的扩展

3．6．3 基于贝叶斯的图像超分辨算法框架

3．6．4 图像的先验模型

3．6．5 基于MCA与HMT的图像的超分辨率重构算法

3．7 基于零空间追踪的图像超分辨率算法

3．7．1 显微镜采样时间与采样分辨率之间的矛盾

3．7．2 零空间追踪算法

3．7．3 基于零空间追踪的图像超分辨率重构算法

本章参考文献

第4章 基于小波域统计模型的图像复原算法

4．1 引言

4．2 小波域复原(反卷积)问题综述

4．2．1 复原问题的小波域描述

4．2．2 小波域复原(反卷积)贝叶斯理论

4．2．3 复原(反卷积)问题的规整化理论及方法

4．2．4 小波域图像复原的研究现状

4．3 基于快速估计的小波域HMT模型图像复原

4．3．1 图像复原的．Bayes方法及其小波域表示

4．3．2 基于小波域HMT模型图像复原算法

4．3．3 实验结果分析与结论

4．4 基于小波域局部高斯模型的图像复原算法

4．4．1 问题描述

4．4．2 小波域局部高斯模型

4．4．3 基于小波域局部高斯模型的图像复原算法

4．4．4 实验结果分析与结论

4．5 基于傅里叶与小波域双变量模型的图像复原算法

4．5．1 频率域规整化求逆

4．5．2 小波域双变量模型的收缩去噪

4．5．3 算法描述

4．5．4 。仿真结果及结论

4．6 基于非抽取小波域双变量模型的图像复原

4．6．1 基于双变量模型的非抽取小波域图像复原

4．6．2 算法的描述

4．6．3 实验结果分析

本章参考文献

第5章 小波域的图像修复算法

5．1 基于小波变换的图像修复算法

5．1．1 基小波的选取

5．1．2 低频图像修复

5．1．3 高频信息的预测和自然化处理

5．1．4 算法实现

5．2 基于小波变换的纹理图像修复算法

5．2．1 算法总体描述

5．2．2 数据准备

5．2．3 确定优先权

5．2．4 纹理块的填充

5．2．5 实验结果与算法分析

本章参考文献

第6章 小波域图像数字水印算法

6．1 图像数字水印技术介绍

6．2 基于阈值分类的小波域图像数字水印算法

6．2．1 小波域图像数字水印算法的关键技术

6．2．2 低频子带水印嵌入方法

6．2．3 高频子带水印嵌入方法

6．2．4 算法描述

6．2．5 实验结果

6．3 基于EM分类的小波域图像数字水印算法

6．3．1 EM算法原理

6．3．2 基于EM分类的小波域图像数字水印算法

6．3．3 实验结果分析与结论

本章参考文献

第7章 基于小波域快速参数估计的I-IMT’模型纹理分割

7．1 纹理分割综述

7．2 小波域局部参数快速估计的HMT模型

7．3 基于小波域局部参数快速估计的HMT模型纹理分割

7．3．1 纹理特征矢量训练

7．3．2 纹理分割

7．3．3 纹理分割结果融合

7．3．4 实验结果分析与结论

本章参考文献

肖志云编著的《小波域数字图像建模及其应用》以小波变换为工具，系统讨论了小波域中刻画尺度间、尺度内以及两者结合的各种图像统计建模，并将这些模型作为先验知识，在贝叶斯算法框架下，深入研究了小波域图像去噪、图像超分辨率重构、图像复原、图像修复、图像数字水印以及纹理分割等方面的应用。本书内容丰富，基本上涵盖了小波分析在图像处理中的各种应用。本书可供在图像处理、小波分析应用等领域从事科学研究的广大科技工作者参考。肖志云编著的《小波域数字图像建模及其应用》讲述了：小波变换是近十几年来发展起来的一种新的信号处理工具，由于其特有的多分辨率分析特性与良好的时频局部分析特性，使其被广泛应用于信号和图像处理领域。基于小波域的各种图像统计模型在图像处理领域中充当了一个重要角色。《小波域数字图像建模及其应用》以小波变换为工具，系统讨论了小波域图像统计模型在图像降噪、图像超分辨率重构、图像复原、图像修复、图像数字水印等方面的应用。