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。

提出了一种空域与小波域相结合的水印算法。算法采用有意义的二值灰度图像作为水印,首先将水印 分成2部分,一部分包含重要信息,另一部分包含次要信息。然后利用二维离散小波变换对原始载体图像进行 多级分解,并对含重要信息的水印分量进行 Arnold变换,以达到置乱图形和消除空间相关性的目的,接着将水 印数据叠加到载体图像的小波分解系数上,实现水印的嵌入。对于含次要信息的水印分量则通过 LSB算法嵌入 到经逆向小波变换生成的图像的空域中。实验证明:该算法对 JPEG有损压缩、噪声和剪切等常见水印攻击显示 出了较强的

小波域高斯尺度模型去噪，使用贝叶斯最小均方估计系数

图像去雾的小波域RETINEX算法.pdf

对小波阈值去噪中的常用阈值和阈值函数进行分析，提出一种自适应的模糊阚值去噪算法，该算法在BayesShrink阈值基础上，通过增加一个修正因子，并结合模糊理论，自适应地对图像进行模糊阈值函数处理。实验表明该算法与BayesShrink软阈值函数去噪算法相比，去噪后图像的峰值信噪比PSNR和最小均方误差MSE均有所提高，并且图像也更清晰，具有较好的去噪效果。

 随着现代科学技术的进步，数字水印技术逐渐成为了人们研究的一个热点问题。本文旨在研究临界可见误差（Just Noticeable Difference， JND）模型的小波域图像盲水印算法，并根据人类视觉系统（Human Visual System， HVS）的视觉特性，对宿主图像进行了二阶小波变换，并提出了较为新颖的实验算法，对实验结果进行了较为充分的分析。实验结果表明，在满足数字水印不可察觉性的基础上，本算法对于一些常见的水印攻击，都可以保持良好的鲁棒性，是一种有效的盲水印算法。

针对红外图像对比度和分辩率低、噪声大的特点，提出一种基于平稳小波域的红外图像增强新方法。对高频子带中幅值较小的噪声系数进行衰减，幅值较大的边缘细节系数进行放大；对低频子带系数的幅值采用所提出的正弦函数进行伸缩处理。实验结果表明，本文提出的方法在有效地增强红外图像对比度及边缘细节的同时，又能很好地抑制背景噪声，综合性能明显优于传统的直方图均衡化和反锐化掩膜增强方法。

在小波变换域实现图像噪声抑制。原则上讲，传统上使用傅立叶分析的地方，都可以用小波分析取代。小波分析优于傅立叶变换的地方是，它在时域和频域同时具有良好的局部化性质。

经典小波分解对信号稀疏化效果不佳，为此设计了基于小波域经验维纳滤波器的稀疏表示算法. 该算法可自适应地衰减每个小波系数，增大系数的稀疏度及可压缩性，从而提高压缩感知算法对信号的恢复质量. 仿真结果表明，与传统的基于小波变换的信号稀疏表示及恢复算法相比，该算法较大地提升了对信号及图像的恢复质量。

本科毕业设计，本文从小波去噪的特点出发，首先介绍了小波变换的基础原理，然后介绍了两种常规的小波阈值去噪硬阈值、软阈值，一种基于同步压缩连续小波变换的新型去噪方法，然后对三种去噪方法的去噪效果进行了对比，得出新的改进的同步连续小波变换去噪效果远好于常规的去噪方法。