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.     

基于中性集合与双边滤波的NSCT域声呐图像去噪

声呐设备在获取水下图像时，由于海底混响、散射回波和设备等因素，会产生严重的斑点噪声干扰，降低图像质量.为了克服这一挑战，提出基于中性集合与双边滤波的非下采样轮廓波变换声呐图像去噪.该方法探索了一种适合处理非下采样轮廓波变换分解的高频子带噪声的聚类去噪方法，将中性集合域作为聚类的方法应用在每一层高频子图像，用真子集、不确定集和假集表示，实现分离噪声，保留有效信息；再使用双边滤波去除真子集中被误认为是图像信息的噪声；对低频系数使用双边滤波进行平滑.最后将处理后的低频子带与高频子带进行NSCT重构，达到从图像中去除斑点噪声的目的.实验表明，本文方法能够提高图像视觉效果，改善图像均方误差、峰值信噪比等评价指标，同时也适用于去除高密度噪声.     

一种基于分水岭变换和模糊C均值聚类的彩色图像分割算法

针对分水岭算法对在图像分割中容易产生过分割,提出了一种基于分水岭变换和模糊C均值(FCM)聚类算法的彩色图像分割算法。该算法先对图像进行分水岭分割,再对分水岭产生的过分割进行聚类合并。在合并过程中采用区间差异度和区域面积来确定模糊C均值聚类个数。该算法的优点是解决了分水岭变换算法的过分割问题的同时解决了模糊C均值聚类算法的初始值以及聚类中心难以确定的问题。实验结果表明,该算法可以准确地分割出目标并应用到自动分割系统中。     

基于复轮廓波域高斯比例混合模型SAR图像去噪

在分析了SAR图像的噪声成因及其噪声模型的基础上,提出了一种适用于复轮廓波变换域的高斯比例混合模型的SAR图像去噪(CCT-GMS)算法.本文所提出的算法具有多方向多尺度移不变性,并且充分的利用了复轮廓波的时域和频域的特性,改善了图像的视觉效果.实验结果表明:相比使用小波-轮廓波加上Cycle Spinning去噪,本文算法的峰值信噪比提高2 dB,相比使用BLS-GMS去噪,本文的算法抑制了人造纹理产生,视觉效果得到了明显的改善.     

基于FCM和标记分水岭的粘连岩石颗粒图像分割

模糊C均值算法可利用图像的多种特征值进行准确的图像分割,但不能分割粘连物体;传统的分水岭分割算法能够获得准确的物体边缘轮廓,但容易造成过分割.为了解决这个问题,提出基于FCM和标记分水岭的粘连图像分割.该方法首先对原始彩色图像中值滤波后进行基于LUV颜色空间的FCM聚类;对聚类后的图像用形态学方法去杂质、空洞填充后进行距离变换;然后根据距离变换图像找出局部最大值,得到种子图像;最后对距离变换图像进行基于标记的分水岭分割,得到最终的分割图像.该方法对粘连岩石颗粒图像进行分割,取得了较好的实验效果.     

一种鲁棒的无监督聚类图像分割算法

针对目前基于模糊C-均值聚类图像分割算法的噪声敏感问题, 提出一种基于无监督可能性聚类的自动加权图像分割算法. 该算法先应用均值漂移迭代确定可能性C-均值聚类算法的初始化中心, 利用可能性聚类的模式搜索性质自动确定聚类划分; 然后根据像素间灰度值关系进行图像加权, 通过将加权系数与像素噪声的可能性相关联, 降低噪声对图像分割的影响. 实验结果表明, 相对于基于模糊C-均值聚类的图像分割算法, 该算法不仅取得了较好的分割效果, 而且无监督分割时计算效率更高, 对噪声的鲁棒性更强.     

一种鲁棒的无监督聚类图像分割算法

针对目前基于模糊C-均值聚类图像分割算法的噪声敏感问题, 提出一种基于无监督可能性聚类的自动加权图像分割算法. 该算法先应用均值漂移迭代确定可能性C-均值聚类算法的初始化中心, 利用可能性聚类的模式搜索性质自动确定聚类划分; 然后根据像素间灰度值关系进行图像加权, 通过将加权系数与像素噪声的可能性相关联, 降低噪声对图像分割的影响. 实验结果表明, 相对于基于模糊C-均值聚类的图像分割算法, 该算法不仅取得了较好的分割效果, 而且无监督分割时计算效率更高, 对噪声的鲁棒性更强.     

基于动态加权模糊核聚类算法的医学图像分割新方法

采用动态加权的模糊核聚类算法对CT医学图像进行分割.该算法对模糊核聚类算法中的特征向量进行动态加权,以自动削弱噪声特征向量在聚类中的作用,这样可以减小噪声对图像分割的干扰.实验结果表明,采用该种新算法对CT图像分割后,可以获得更清晰的分割图像.     

基于分水岭变换和主动轮廓模型的舌体轮廓图像分割

舌体轮廓的图像分割是计算机辅助舌诊系统进行图像分析的前提条件.提出了一种基于分水岭变换和主动轮廓模型相结合的自动轮廓分割算法.采用了分水岭变换的结果作为主动轮廓模型算法的初始曲线.在分水岭变换中,通过引入标记函数和强制最小值技术解决了传统分水岭变换可能导致的过分割问题;同时,在保证分割质量的基础上,通过降采样的方法来提高分割速度.算法对678例临床舌像进行了分割,正确分割率为96.9%.     

二代小波变换的抗噪Otsu图像分割方法

针对一维、二维最大类间方差(Otsu)方法分割含噪声图像时分割效果不佳、抗噪性不足的问题,提出了一种二代小波变换的抗噪Otsu图像分割方法.算法通过二代小波变换,在小波域中对目标与背景的噪声进行抑制后再计算最大类间方差进行了研究.实验结果表明该算法是一种抗噪性强、分割效果好的图像分割算法.与现有的二维、三维Otsu法相比,算法不仅计算效率高,而且抗噪性能更稳健.     

基于Contourlet变换的红外视频监控图像去噪算法研究

提出了将基于Contourlet变换结合循环平移的去噪算法应用到红外视频监控图像中。对于加性高斯噪声背景下的红外视频图像,实验结果表明,本算法较基于传统小波变换,小波变换结合循环平移以及单一使用Contourlet变换的算法,可以更有效地提升图像去噪后的视觉效果,同时明显提高了图像的峰值信噪比(PSNR).     

基于小波变换和动态聚类的图象分割方法

本文讨论了一种结合小波变换和非监督动态聚类的图象分割算法。在图象分割过程中,首先用小波变换提取图象中的边缘信息,再利用所得的边缘信息和原图象的灰度信息进行聚类。实验证明了这种方法是行之有效的。     

多尺度和多方向特征的图像去噪

提出一种基于多尺度和多方向的自适应图像阈值去噪方法。先对图像进行非下采样Contourlet变换得到不同尺度和不同方向上的变换系数,然后根据变换系数特征,引入尺度和方向阈值因子,用分解尺度系数的均值和区域能量表示图像的纹理信息。在相同分解尺度下,区域能量越大,表示该方向具有更多的纹理信息,阈值应该设置就越低,反之阈值就越大。根据尺度和方向阈值因子,自适应地确定图像去噪的阈值。最后对变换系数进行反变换,实现图像去噪。实验结果表明,与小波变换和Contourlet变换相比,保留了更多的图像轮廓细节,提高了图像的质量。     

一种新的基于连续小波变换的图像分割算法

研究一种基于空域-时域可连续小波变换的图像分割算法,运用可分离的小波函数作为滤波器提取运动参数,根据运动参数所提供的物体的运动特征实现基于运动估计的图像侵害从而有效地提高了图像分割算法对图像噪声、物体形变以及物体之间遮挡的适应性,由于小波函数的可分离性,大大降低了高维连续小波变换过程中计算的复杂性;采用序贯搜索及由“粗”到“精”的分层聚类相结合的策略,进一步提高了分割效率。通过对算法的仿真研究,验证了本算法的可行性及有效性。     

一种基于Contourlet变换的自嵌入图像水印算法

在对Contourlet变换分析的基础上,提出了一种基于Contourlet变换的自嵌入图像水印算法.该算法利用奇异值分解方法提取图像的特征信息生成水印,并将其通过量化的方法嵌入到图像的Contourlet域.实验结果表明:该算法具有较好的不可见性,可区分非恶意操作和恶意操作,并能对图像的篡改区域定位.     

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．     

基于Contourlet变换的多聚焦图像融合算法研究

针对传统图像融合算法某些方面的不足,提出了一种基于Conlourlet变换的多聚焦图像融合算法。首先对两幅多聚焦图像进行Contourlet变换,得到不同分辨率层次下的Contourlet系数,包括低频分量和高频分量,利用Contourlet变换将图像的低频子带与高频子带进行分离,低频部分采用平均方法求出相关系数,高频部分采用绝对值取大的方法求出相关系数,对两个相关系数进行融合处理。实验结果表明,与传统的多聚焦图像融合算法相比,该算法增强了图像融合在细节方面的表现能力。     

基于多分辨率-分水岭算法的图像分割方法

提出了在小波多分辨率域中使用分水岭算法对图像进行区域分割和融合的新方法,该方法首先使用小波变换理论将原始图像变换为不同层次的金字塔多分辨率图像；然后通过分水岭算法获得最低分辨率下的分割图像；最后。利用逆小波变换将分割的图像映射到原始分辨率上．从而获得分割图像．实验结果表明：此方法可以大大减少噪声存在下的过分割现象．