小波分析及其在數(shù)字圖像處理中的應用

第1章 緒論
1.1 背景
1.2 小波分析的國內(nèi)外研究現(xiàn)狀
1.2.1 小波分析的發(fā)展簡史
1.2.2 小波研究的國內(nèi)外現(xiàn)狀
1.3 主要內(nèi)容
本章參考文獻
第2章 傅里葉變換、Gabor變換和小波變換的對比分析
2.1 傅里葉變換
2.2 Gabor變換
2.2.1 高斯函數(shù)的特性
2.2.2 高斯函數(shù)的傅里葉變換特性
2.2.3 測不準原理
2.3 小波變換
2.3.1 小波變換的定義
2.3.2 小波的時頻窗
2.4 Gabor變換與小波變換的對比
2.5 本章小結
本章參考文獻
第3章 小波變換的理論研究
3.1 小波變換的離散化
3.1.1 連續(xù)小波變換離散化滿足的條件
3.1.2 二進小波的穩(wěn)定條件
3.1.3 二進小波變換和重構
3.1.4 穩(wěn)定條件的意義
3.2 小波框架
3.2.1 小波框架的物理意義
3.2.2 緊框架和完備標準正交基的關系
3.3 R基和R小波
3.3.1 R基的定義
3.3.2 R基和框架的關系
3.3.3 小波分析中的R基
3.3.4 R小波
3.4 多尺度分析和雙尺度方程
3.4.1 多尺度分析
3.4.2 正交MRA的物理意義
3.4.3 尺度函數(shù)（t）的雙尺度方程
3.4.4 小波函數(shù)（t）的雙尺度方程
3.5 正交小波
3.5.1 正交尺度函數(shù)和小波所滿足的條件
3.5.2 正交濾波器H（）和G（）所滿足的關系
3.5.3 濾波器系數(shù)所滿足的關系式
3.5.4 Mallat算法
3.5.5 緊支集正交小波的構造
3.6 緊支集雙正交小波
3.7 函數(shù)的正則性和消失矩
3.8 本章小結
本章參考文獻
第4章 小波變換在圖像壓縮中的應用
4.1 圖像壓縮方法簡介
4.1.1 圖像壓縮方法分類
4.1.2 統(tǒng)計編碼
4.1.3 預測編碼
4.1.4 變換編碼
4.1.5 混合編碼
4.2 空間太陽望遠鏡在軌圖像壓縮需求
4.2.1 空間太陽望遠鏡主要技術指標
4.2.2 SST裝載的科學儀器
4.2.3 SST數(shù)據(jù)處理系統(tǒng)
4.2.4 SST對數(shù)據(jù)傳輸分系統(tǒng)的需求
4.2.5 SST圖像數(shù)據(jù)與傳輸?shù)拿?br />4.2.6 SST圖像在軌壓縮需求
4.3 SST圖像的壓縮方案選取
4.3.1 SST圖像的壓縮編碼方法選取
4.3.2 小波基的選取原則
4.3.3 小波基選取影響因素分析
4.4 二維小波的構造
4.4.1 構造方法
4.4.2 圖像分解過程
4.5 SST圖像壓縮過程分析
4.5.1 壓縮過程概述
4.5.2 小波變換和逆變換過程
4.5.3 延拓方法的選取
4.6 嵌入式小波零樹壓縮算法研究
4.6.1 嵌入式小波零樹編碼的特點
4.6.2 嵌入式小波零樹編碼概貌
4.6.3 嵌入式小波零樹編碼原理
4.6.4 比特平面的重要性順序
4.6.5 零樹編碼過程舉例
4.6.6 嵌入式小波零樹壓縮算法實現(xiàn)
4.7 基于集合劃分的等級樹壓縮算法研究
4.7.1 基于集合劃分的等級樹算法的基本思想
4.7.2 集合的劃分
4.7.3 SPIHT壓縮算法實現(xiàn)
4.8 本章小結
本章參考文獻
第5章 圖像的壓縮質(zhì)量評價方法和應用實例
5.1 圖像壓縮質(zhì)量的評價方法
5.1.1 壓縮信噪比
5.1.2 壓縮比
5.1.3 主觀評價方法
5.2 不同類型小波基壓縮效果分析
5.2.1 SST圖像壓縮結果
5.2.2 SST圖像壓縮后的質(zhì)量分析
5.2.3 SST圖像壓縮后的主觀質(zhì)量評價
5.3 小波分解層次的影響
5.4 采用閾值處理方法的圖像壓縮實例
5.4.1 不同小波基的能量集中度比較
5.4.2 不同閾值的壓縮結果
5.4.3 結果分析
5.4.4 不同變換方法的壓縮效果
5.4.5 小波變換分解層次對圖像壓縮效果的影響及分析
5.5 小波變換在信號消噪和突變點檢測中的應用
5.5.1 小波分析用于信號的消噪
5.5.2 小波分析用于突變信號檢測的原理
5.5.3 小波分析用于信號突變點檢測的實例
5.5.4 小波變換域圖像去噪自適應閾值技術研究
5.6 本章小結
本章參考文獻
第6章 小波變換在數(shù)字水印中的應用
6.1 小波分析在數(shù)字水印中的應用概述
6.2 數(shù)字水印技術的歷史、現(xiàn)狀和發(fā)展
6.3 數(shù)字水印理論
6.3.1 數(shù)字水印的基本原理
6.3.2 數(shù)字水印的基本框架
6.3.3 數(shù)字水印的基本特性
6.3.4 數(shù)字水印的分類
6.4 數(shù)字水印的典型算法
6.4.1 空間域數(shù)字水印
6.4.2 變換域數(shù)字水印
6.4.3 數(shù)字水印的攻擊
6.5 混沌理論與置亂技術概述
6.5.1 混沌的發(fā)展
6.5.2 混沌的定義
6.5.3 混沌的特征
6.5.4 典型的混沌模型
6.5.5 混沌在數(shù)字水印中的應用
6.5.6 數(shù)字圖像置亂技術
6.6 基于小波變換的數(shù)字水印應用實例
6.6.1 小波變換與人類視覺模型
6.6.2 基于混沌加密與Arnold變換的水印生成算法
6.7 基于混沌和幻方置亂的小波域數(shù)字水印
6.7.1 基于幻方思想的混沌置亂矩陣的生成
6.7.2 基于混沌加密和置亂的水印生成算法
6.7.3 數(shù)字水印嵌入與提取
6.7.4 實驗結果及分析
6.8 基于小波變換的擴頻數(shù)字水印嵌入算法研究
6.8.1 概述
6.8.2 擴頻水印嵌入算法
6.8.3 算法實驗結果
6.9 基于混沌加密和Arnold變換的隱性數(shù)字水印算法研究
6.9.1 數(shù)字圖像水印的混沌加密
6.9.2 數(shù)字水印的嵌入方法和原理
6.9.3 實驗結果與分析
6.10 基于Arnold變換的小波域半脆弱數(shù)字水印算法
6.10.1 水印嵌入的方法和原理
6.10.2 實驗結果與分析
6.10.3 結果和討論
6.11 本章小結
本章參考文獻
第7章 Gabor小波在人臉 識別中的應用研究
7.1 人臉識別典型方法
7.1.1 子空間方法
7.1.2 基于連接機制的人臉識別方法
7.1.3 隱馬爾可夫模型識別方法
7.1.4 基于貝葉斯的人臉識別方法
7.1.5 基于流形的人臉識別
7.2 隱馬爾可夫模型
7.2.1 隱馬爾可夫模型介紹
7.2.2 隱馬爾可夫模型的三個基本問題
7.2.3 隱馬爾可夫模型算法實現(xiàn)中的問題
7.3 基于Gabor臉和HMM的人臉識別方法
7.3.1 研究背景
7.3.2 Gabor小波概述
7.3.3 利用Gabor小波進行特征提取
7.3.4 主元分析降維
7.3.5 HMM人臉識別
7.3.6 算法復雜度分析
7.3.7 實驗結果及分析
7.3.8 結論
7.4 基于Gabor小波、ICA和HMM的人臉識別方法
7.4.1 獨立元分析降維
7.4.2 實驗結果及分析
7.4.3 結論
7.5 本章小結
本章參考文獻
第8章 小波樹在人臉識別中的應用研究
8.1 基于小波樹和HMM的人臉識別算法
8.1.1 人臉圖像二維離散小波變換
8.1.2 低頻小波樹
8.1.3 實驗結果及分析
8.1.4 利用ICA降維
8.1.5 結論
8.2 基于小波樹和Fisher線性鑒別的人臉識別算法
8.2.1 Fisher 線性鑒別
8.2.2 實驗結果及分析
8.2.3 結論
8.3 基于小波樹和二維主元分析的人臉識別算法
8.3.1 二維主元分析
8.3.2 分類
8.3.3 實驗結果及分析
8.3.4 結論
8.4 基于小波樹和非參數(shù)鑒別分析的人臉識別算法
8.4.1 非參數(shù)鑒別分析
8.4.2 實驗結果及分析
8.4.3 結論
8.5 本章小結
本章參考文獻
第9章 Gabor小波在紋理圖像分割中的應用研究
9.1 圖像分割概述
9.2 基本原理
9.2.1 特征提取
9.2.2 二維滑動矩形窗傅里葉變換的快速遞推算法
9.2.3 能量函數(shù)表示形式
9.3 數(shù)值實現(xiàn)
9.4 性能分析和實驗結果
9.5 本章小結
本章參考文獻
展望