基于多小波构造的纹理特征表示与提取

本项目将通过构造多小波和改进已有多小波来探讨不同结构的图像纹理的表示理论、方法和分析模型，侧重研究由多个不同性质尺度函数生成的、同时具有同时具有非光滑性、紧支性、对称性和正交性的多小波的构造理论，并解决多小波理论中长期未能很好解决的分解与重构算法，建立基于构造的多小波域的高斯马尔科夫模型，并用该模型来表示与分析图像的纹理结构和隐含的方向信息，探讨模型的参数估计理论与方法。同时基于构造的多小波，把表示与分离不同结构的奇异性（边缘）与不同结构纹理研究结合起来，希望探讨它们之间的共同特点并建立表示与分离不同结构边缘和纹理的理论及相应实现算法，为不同结构纹理的表示和提取探讨新的理论工具和方法，希望能突破传统小波方法中对图像中不同结构纹理与方向特征表示定位模糊、识别率低、计算量大等局限，使得图像中不同结构纹理特征的表示和提取形成一个基于新构造的多小波的相对独立和系统的理论体系。

本项目研究多小波以及多小波滤波器的构造理论，并应用它们探讨不同结构的图像纹理的表示理论、方法和分析模型。项目重点探讨和研究了多个不同性质尺度函数生成的、同时具有非光滑性、紧支性、对称性和正交性的多小波的构造理论，探讨并部分解决了多小波理论中的分解与重构算法。在此基础上，探讨了基于构造的多小的纹理图像的表示模型及相应纹理特征表示方法，重点探讨了表示与分析图像的纹理结构和隐含的方向信息的新方法。应用构造的多小波滤波器对不同结构的奇异边缘和纹理特征进行了表示和刻画。并将一般图像纹理特征表示理论和方法推广到多谱图像特征的表示和提取上，结合近年机器学习部分最新成果，部分解决了基于小波和统计学习的多谱图像的特征表示与提取理论和算法。对传统小波方法中对图像中不同结构纹理与方向特征表示定位模糊、识别率低、计算量大等局限有一定突破，在部分生物图像、多光谱图像纹理和方向特征的表示和提取应用上取得了一些较好结果，为不同结构图像纹理特征的表示和提取探讨一些新的思路和理论方法。