1) tree structured wavelet transform
树型小波变换
1.
First, features of the image to be segmented are extracted by the tree structured wavelet transform.
通过树型小波变换提取图像特征 ,再用模糊联想分类神经网络将待分割图像划分为灰度图像或纹理图像 ,并根据分类结果确定分割算
2) tree-structured frame-wavelet transform
树型框架小波变换
1.
This paper proposed a new image segmentation method,which integrated the theory of tree-structured frame-wavelet transform,scale co-occurrence matrix(SCM),principal component analysis and self-organizing neural network,and applied them to the clinical ultrasonic image finishing image segmentation.
本研究将图像树型框架小波变换、尺度共生矩阵、KL变换主分量分析和自组织神经网络聚类相结合应用于医学超声图像,提出一种分割新方法。
3) Tree-structured Wavelet Transform
树型结构小波变换
4) dual tree complex wavelet transform
双树复小波变换
1.
Shift invariant and directionally selective dual tree complex wavelet transform was introduced for source image′s decomposition.
算法引入具有平移不变性和良好的方向分析能力的双树复小波变换对源图像进行多尺度分解;然后对分解得到的各尺度的高频子带采用基于跨尺度的邻域空间频率的融合策略,最高层的低频子带采用基于改进的邻域熵的融合策略进行融合处理;最后对融合后的各个频带进行双树复小波逆变换,重构出融合图像。
2.
In order to remove a small amount of noise in the texture image, we employ the dual tree complex wavelet transform,and then reconstruct the profile.
在轮廓构建中先对纹理图像进行类似纹理再提取,去除当中少量的噪声,其中使用了双树复小波变换。
5) dual-tree complex-wavelet transform
双树-复小波变换
1.
In order to efficiently accomplish the face recognition using dual-tree complex-wavelet transform(DT-CWT),a method composed of DT-CWT and orthogonal neighborhood preserving projections(ONPP) is proposed.
为了有效地利用双树-复小波变换(DT-CWT)进行人脸识别,提出一种将DT-CWT与正交邻域保持投射(ONPP)相结合的方法。
6) DTCWT
双树复小波变换
1.
In this paper,we propose a video watermarking algorithm based on texture object in MPEG-4 and the dual-tree complex wavelet transform(DTCWT).
该文根据MPEG-4引入的视频对象概念以及对视频对象纹理的编码原理,利用双树复小波变换实现视频图像的纹理分析,将水印嵌入与视频编码结合起来,提出了基于DTCWT和MPEG-4纹理对象的视频水印算法。
2.
Based on the traditional wavelet transform,this paper presents three remote-sensing image fusion methods,IHS and DTCWT image fusion,local deviation of DTCW.
介绍了DTCWT(双树复小波变换)的基本原理,与传统小波变换相比,DTCWT具有良好的平移不变性和方向选择性,能够提高小波分解和重构的精度,更好地保持边缘、纹理等细节。
补充资料：Radon变换和逆Radon变换
Radon变换和逆Radon变换
X线物理学术语。CT重建图像成像的主要理论依据之一。1917年澳大利亚数学家Radon首先论证了通过物体某一平面的投影重建物体该平面两维空间分布的公式。他的公式要求获得沿该平面所有可能的直线的全部投影(无限集合)。所获得的投影集称为Radon变换。由Radon变换进行重建图像的操作则称为逆Radon变换。Radon变换和逆Radon变换对CT成像的意义在于，它从数学原理上证实了通过物体某一断层层面“沿直线衰减分布的投影”重建该层面单位体积，即体素的线性衰减系数两维空间分布的可能性。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条