一种基于小波的Contourlet变换的图像压缩算法

针对JPEG2000图像压缩不能有效地保护图像边缘的局限，提出了一种结合基于小波的Contourlet变换与最优截断嵌入码块编码（EBCOT）的静止图像压缩算法（CEBCOT）．在Contourlet变换中采用小波变换取代拉普拉斯塔式变换获得了非冗余基于小波的Contourlet变换，它通过方向滤波器组把小波变换的高频子带进一步分解为多个方向子带，从而更稀疏地表示了图像的边缘和纹理．CEBCOT采用了改进的EBCOT编码，它依照方向子带大小进行编码块分割，提高了编码性能．实验结果表明，相对于JPEG2000，所提出的算法获得的压缩图像边缘更加清晰，峰值信噪比提高了0．1～0．8dB．     

一种基于Contourlet变换的图像边缘检测方法

基于小波变换域图像边缘检测算法只能有效检测出图像有限方向的边缘,而且这种算法所得到的边缘图像往往出现断裂现象.Contourlet变换是一种新的多尺度几何分析方法,它不仅拥有小波变换的时频局域特性和多分辨率特性,而且还具有很好的方向性和各向异性.提出一种新的基于Contourlet变换的边缘检测算法.仿真结果表明,该算法对图像边缘细节的提取比基于小波的图像边缘检测方法更加丰富,且具有较好的连续性.     

一种新颖的图像多尺度几何变换及其应用

提出了一种新颖的图像多尺度几何变换方法,主要由预处理、方向滤波器组和最优方向小波变换等组成.方向滤波器组将预处理后的高频分量分解为多个方向子带,然后每个方向子带执行改进的最优方向小波变换.该变换兼有Bandelet变换和Contourlet变换的多尺度几何分析特性,能更稀疏地表示边缘和纹理特征.分别将EBCOT编码和硬阈值去噪应用到图像变换系数中,从而实现了有效的图像压缩和去噪,很好地保护了图像细节.实验结果表明,对于纹理和边缘丰富的图像,所提出的图像压缩和去噪方法在视觉质量上明显优于基于Bandelet或Contourlet变换的方法,峰值信噪比也提高了0.1 dB以上.     

一种基于非降采样Contourlet变换的遥感图像融合方法

给出了一种非降采样Contourlet变换和HIS变换相结合的遥感图像融合算法.非降采样Contourlet变换是一种平移不变的小波变换方法,且具有良好的方向选择性,其对图像做多分辨率分析得到的高频子带,有效地表达了图像中的细节特征信息.结合HIS变换,非降采样Contourlet变换将细节注入到多光谱图像得到的融合图像,不但具有较高的空间分辨率,而且有效保持了多光谱图像的光谱特征.实际的SPOT全色图像和TM多光谱波段融合结果表明,所提议方法的性能优于目前广泛使用的小波域方法如离散小波变换和A Trous小波变换以及Contourlet变换等融合方法.     

基于图像内容认证的Contourlet域半脆弱水印算法

本文针对小波变换不能有效表达二维信号的状况,提出了一种基于图像内容认证的Contourlet域半脆弱水印算法,算法修改了小波域的HVS模型,将修改后的模型应用于Contourlet变换域,提取图像的颜色、边缘、纹理特征作为水印信息.水印嵌入时选择变换后能量最大的方向子带,将该方向子带利用混沌映射置乱后嵌入水印.实验证明本算法提高了载体图像的透明性与水印的安全性.认证检测时,无需原始图像和原始水印,实现了盲认证.算法能够抵抗JPEG、JPEG2000压缩等一般的图像处理操作,并对恶意篡改报警,定位篡改部位.滑动窗口滤波消除了一般图像处理操作产生的虚假的报警点.     

基于标准差的图像分块自适应压缩方法

针对传统小波变换缺乏必要的方向性和Contourlet变换给图像造成空间冗余性的缺点,提出一种基于标准差的图像分块自适应压缩方法.该方法首先将图像分成大小为N?N且互相分离的若干子块;然后计算各子块的标准差,通过各子块标准差确定阈值,根据子块标准差与阈值大小自适应选取小波变换或Contourlet变换;最后在编解码段,通过引入快速排序算法对SPIHT编码LIP列表中的像素值进行递归排序,进一步提升了编码效率.实验结果表明,本文方法融合了小波变换和Contourlet变换的各自优点,在保证重构图像拥有较多纹理信息的同时降低了Contourlet变换产生的空间冗余性,并且使重构图像的峰值信噪比在一定程度上有所提高.     

基于小波变换的数字图像压缩

利用小波图像系数特点,实现高效压缩编码.给出了小波图像系数统计数据实例.然后对基于小波变换的嵌入式图像编码方法中最具代表性的SPIHT编码算法的原理进行了分析.并通过实验对SPIHT算法进行了性能分析及其改进.并给出了实验结果.     

基于Contourlet变换的图像匹配算法

Contourlet变换结合了不可分离的方向滤波器组,具备多尺度和多方向特性,能有效地捕获到图像中的轮廓.提出了一种图像匹配算法,该算法充分利用了图像Contourlet变换系数的特征,形成描述纹理特征的特征向量,并将其作为匹配的特征向量,然后将该方法与基于小波变换纹理分析的方法进行了比较,试验结果表明:在Contourlet变换域上的匹配高于在小波域上的匹配,从而验证了该方法的可行性.     

基于Contourlet变换的医学图像检索

针对医学图像特点,提出了一种基于纹理的医学图像检索算法.Contourlet变换结合了不可分离的方向滤波器组,具备多尺度和多方向特性,能有效地捕获到图像中的轮廓,并对其进行稀疏表示.本算法充分利用图像Contourlet变换系数的统计特征,形成描述纹理特征的特征向量,并将其作为检索的特征向量.采用上述算法对CT图像数据库进行了检索实验,并与基于小波变换纹理分析方法进行了比较.结果表明,在Contourlet变换域上检索查准率高于在小波域上的查准率,从而验证了该算法具有良好的检索性能.     

基于小波域软阈值的指纹分割方法研究

鉴于指纹图像的质量对于其后续识别步骤具有非常重要的影响,因而需要对采集的指纹图像进行增强处理.提出了一种新的基于小波域软阈值Contourlet变换的指纹图像分割算法.Contourlet变换是一种新的多尺度几何分析方法,它不仅拥有小波变换的时频局域特性和多分辨率特性,而且还具有很好的方向性和各向异性.实验结果表明,该算法能够有效提升指纹图像的质量,提高指纹纹线谷脊清晰度,且具有较好的连续性.