使用小波变换新技术过采样损坏的图像答案.doc

使用小波变换新技术过采样损坏的图像 Archit Yajnik 摘 要：本文介绍一种过采样技术来克服图像二值化时的损失，在这样的很少有文献中提到可用的技术近似损失图像。这项技术是基于小波变换估计(EWT),可以满足损失,使图像平滑。Coiflet和Daubechies D8小波用于EWT和性能与传统的高斯低通滤波器。所有三种方法在七种扭曲的图像上测试,并观察到Daubechies D8和Coiflet小波用EWT能够比高斯低通滤波器更好地近似图像。本文用了七种图像中的两种。 关键词：小波变换估计 Coiflet和Daubechies D8小波 1. 引言 小波被用于各种各样的应用,例如图像压缩、边缘检测,插值有限信号[4 - 8]。迄今为止,小波变换估计技术用于近似一维信号。这是第一次应用于近似破碎的二维图像。本文的目的是在图像近似时发生损失。三种技术应用,即:(1) Coiflet小波使用EWT,(2) Daubechies小波使用EWT,(3) 高斯低通滤波器。第三种是过采样图像的传统方法通过适当的高斯窗的大小和前两个新技术来解决这一问题。采用前两种技术,原始图像的大小增加了一倍,合成图像变得平滑。有时这些两倍大小的图像会产生噪声,使用离散小波变换的图像压缩技术使它们得到过滤。压缩图像的大小也会同样的原始图像和不间断的形象。灌装的技术是探索环境的损失一般和分离连接组件从乏味的或模糊的图像。由于离散小波变换的二元属性,图像的大小也要被考虑即使使用估计小波变换，它仅仅在没有发现二值图像最佳阈值时是有用的。问题定义.在图像二值化时，一个合适的阈值需要固定分离高、低频率像素值。图和分别显示了古吉拉特语单词的低分辨率和相应的矩阵表示的示例文本。图1a所描述的图像是以“png”格式存储，图像的尺寸是。像素值的范围介于到。例如，在传真传输、复制材料和历史记录遇到这样的文章。 图1a.古吉拉特语单词的图像 图1b.古吉拉特语单词的矩阵 不连续 图2a.古吉拉特语单词的图像 图2b.破碎的字的矩阵 图1b使用的二值化阈值是202，可以容易的观察到图2a所示的图像破损了，因此，相应的矩阵也不连续项图2b所示的那样。 在处理与模式识别、关联组件分离相关的任务中起重要作用。如图2a所示，由于发生不连续性，第一个符号分为两个不寻常的部分。这会使一个符号可能失去一个重要的特性。当扫描就文献时会多次发生这样的现象。为了克服这些问题，一种方法是增加阈值。随着阈值增加1（即203），图像以一个不满意的方式连接如图3a和3b所示，字符中间与（“Kana”)垂线连接如图3所示。 不连续 图3a. 古吉拉特语单词的图像 图3b.矩阵的误导中间字形 图4.小波变换估计 2. 使用小波变换估计近似图像 设是一个多分辨分析，假设是一个层分辨率信号，对每个(整数的集合），序列和分别是信号的第和层水平分辨率。 设，然后提出的高分辨率 （1） 其中和是（近似系数）和（详细的系数）的双重序列，被定义为和，其中是信号的长度。和是上取样和下取样算子，表示卷积[2]。 考虑图4序列1和3的代数和，即HHH和HHL部分和增加的因素，我们得到 （2） 其中和分别表示一维信号的尺度和小波系数.（2）式代表的更高近似，的大小翻了一倍.图4、图5所示的流程图用Java实现. 用在图5中的符号： 代表第列的大小， 表示第层二值图像的水平分辨率， 代表（2）式更高层近似， 在第四节图10对使用近似系数得到的分解信号. 图5描述的图像块演示了用EWT新图像近似技术,Coiflet C12 和Daubechies D8 小波在这些实验中应用,这些小波将在第3部分简述. 列式 否 行式 是 图5.图像近似新技术的流程图 3. 实验过程和结果分析 基于这篇文章我们从小波理论来强调基本的结果[3],设是一个双通道正交小波系统的低通滤波器,尺度函数递归的定义膨胀方程 且小波定义如下 低通滤波器和高