基于密度聚类与灰度变换的NSST域声呐图像去噪

传统图像去噪方法在去除声呐图像斑点噪声的同时,难以有效保留细节特征.针对该问题,提出一种基于密度聚类与灰度变换的非下采样剪切波域图像去噪方法 .利用非下采样剪切波变换将含噪图像分解为高频系数和低频系数,根据声呐图像中斑点噪声的分布特性,采用基于密度的噪声应用空间聚类（Density-based Spatial Clus...     

一种基于NSCT和对比度拉伸的红外与可见光图像融合算法

针对传统的红外与可见光图像融合算法所存在的边缘信息缺失等问题,提出了一种基于非下采样轮廓波变换和对比拉伸度的图像融合方法.首先,采用非下采样轮廓波对红外与可见光图像进行分解,得到高低频子带系数,采用"绝对值取大"和"窗口系数绝对值取大"的融合规则融合高频子带,低频子带采用改进的局部拉普拉斯能量的融合规则进行融合,经过N...     

基于NSST变换的超声图像降噪算法

针对超声图像降噪算法在降噪的同时无法很好地保留图像的细节信息问题,提出了一种改进的基于非下采样剪切波变换(NSST)的超声图像降噪算法.首先通过对数变换将乘性噪声转换成加性噪声,然后使用NSST变换对噪声图像进行多尺度分解得到高频子带和低频子带,低频子带使用同态滤波增强细节信息,高频子带采用改进的阈值处理函数降低噪声,...     

结合NSCT高低频特征的图像边缘检测算法

为提取丰富的边缘信息,利用非下采样轮廓波变换(NSCT)能够很好逼近图像的方向信息这一特征,设计了一种图像边缘检测算法.该方法将图像变换到NSCT域,对高频和低频子带信息分别处理:首先只保留高频系数矩阵中的较大的系数并利用其得到高频特征图像,根据自适应阈值法对高频图像进行处理得到高频边缘信息;然后对低频子带信息提取其低频边缘信息;最后利用低频边缘信息对高频边缘信息进行补偿,同时去除孤立噪声点,得到最终的边缘图像.通过对灰度图像及彩色图像的仿真实验,与sobel、canny、log及prewitt算子的检测结果进行比较,给出了定量的评价指标,验证了提出方法的有效性和优越性.     

一种基于内容增强的可见光-红外线图像融合方法

为更好地保留可见光图像的丰富细节信息, 提出一种基于方向导波的动态图像压缩增强方法对可见光图像和红外线图像进行融合. 首先, 利用方向导波增强方法对可见光图像进行增强; 其次, 对增强后的可见光图像和对应的红外线图像利用非下采样轮廓波进行分解, 得到一个低频子带和一系列高频子带, 用稀疏表示理论对低频子带进行融合, 用参数自适应的脉冲耦合神经网络对各高频子带进行融合; 最后, 利用非下采样轮廓波的逆变换得到融合图像. 实验结果表明, 该方法在客观质量评价和视觉检测方面均优于传统方法.     

多孔小波和非下采样滤波器组去除遥感图像的多种噪声

结合àtrous小波变换和非下采样轮廓波变换的优点,提出一种基于àtrous 非下采样轮廓波变换的遥感图像去噪方法.该方法用非抽取离散小波变换的àtrous算法对图像进行多尺度分解,然后用非下采样的多方向滤波器组对得到的细节分量进行多方向分解.对含有多种噪声的遥感图像,àtrous 非下采样轮廓波变换将图像中不同种类的噪声分解到不同的小波系数分量中,使得可以根据噪声特性选择最合适的去噪方法,比用一种方法去除所有类型的噪声更科学且去噪效果更好.     

基于NSST与改进稀疏表示的医学图像融合方法

针对单一模态的医学图像无法为临床诊断提供全面、 互补信息的问题, 提出一种基于非下采样剪切波变换(NSST)与改进稀疏表示(ISR)的多模态医学图像融合方法. 首先用NSST分解工具将待融合图像分解为一个低频子带和若干个高频子带; 其次, 用ISR方法融合低频子带, 通过Sobel算子和引导滤波器去除低频子带的细节特征, 从而提高低频子带的融合效率, 同时对高频子带采用绝对值最大的融合规则进行融合; 最后, 将融合后的低频子带和高频子带进行逆NSST变换得到最终的融合图像. 实验结果表明, 该方法在主观视觉性能和客观评价上均优于其他对比融合方法.     

基于NSST与改进稀疏表示的医学图像融合方法

针对单一模态的医学图像无法为临床诊断提供全面、 互补信息的问题, 提出一种基于非下采样剪切波变换(NSST)与改进稀疏表示(ISR)的多模态医学图像融合方法. 首先用NSST分解工具将待融合图像分解为一个低频子带和若干个高频子带; 其次, 用ISR方法融合低频子带, 通过Sobel算子和引导滤波器去除低频子带的细节特征, 从而提高低频子带的融合效率, 同时对高频子带采用绝对值最大的融合规则进行融合; 最后, 将融合后的低频子带和高频子带进行逆NSST变换得到最终的融合图像. 实验结果表明, 该方法在主观视觉性能和客观评价上均优于其他对比融合方法.     

结合PCNN和局部能量的NSST域声呐图像融合

针对声呐图像局部特征模糊和边缘信息丢失的问题,提出一种结合参数自适应脉冲耦合神经网络和改进的局部能量融合规则的非下采样剪切波域声呐图像融合方法。利用非下采样剪切波变换将多幅源图像分解为高频系数和低频系数,采用参数自适应脉冲耦合神经网络对高频系数进行处理,整合图像边缘信息;对传统局部能量融合规则进行改进,并应用在低频系数的处理中,保留图像的大部分原始能量。最后,将处理后的高频系数和低频系数进行重构,实现声呐图像的融合。仿真结果表明,该方法可将源图像中的边缘信息和特征信息有效传递到融合图像中,使声呐图像质量得到较大提升。     

结合多尺度和分数阶微分的单幅图像去雾算法

提出一种非下采样轮廓波变换(non-subsampled contourlet transform, NSCT)和分数阶微分相结合的图像去雾算法.该算法首先通过对低质有雾图像进行NSCT分解,得到一个低频子带与多尺度多方向的多个高频子带;然后采用分数阶微分算子对图像的低频子带进行增强,同时通过对各子带的高频系数进行非线性处理,实现高频子带的增强;最后进行NSCT重构,得到增强后的图像.对不同低质有雾图像进行实验比较,结果表明：本算法增强了主观视觉效果,使图像变清晰的同时,具有较高的对比度增益、清晰度增益、信息熵和平均梯度.