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.     

基于小波变换的图像增强算法

根据小波的时频特性及多分辨率特点,提出了一种基于小波变换的图像增强算法,对图像小波变换得到不同分辨率下表征图像低频及高频信息的小波系数,对小波系数单支重构,对各分辨率下低频单支重构信息分段线性增强并线性叠加,增强图像低频轮廓;对各分辨率下高频单支重构信息分段线性增强并线性叠加,增强图像边缘。实验结果表明:算法具有很高的灵活度,既可以实现对图像轮廓的增强,也可以实现对图像边缘的增强。     

基于小波变换的图像增强算法

结合小波变换中相关系数理论,提出了一种基于小波变换的图像增强算法,该算法先区分小波域中由细节及噪声产生的高频系数,对由细节产生的信息进行增强,对噪声进行抑制·解决了通常算法中增强细节信号的同时也放大了噪声这个问题·实验表明,该算法在得到很好的图像增强的同时,能很好地抑制噪声,对于多噪声环境下的弱细节信号能达到很好的增强效果·     

基于Contourlet变换的SAR图像压缩算法

针对小波变换不能充分表示图像的方向性信息,以及Contourlet变换过采样的问题,提出小波与Contourlet相结合的变换对SAR图像进行稀疏表示。分析了Contourlet变换系数的特点。采用固定阈值对小系数进行了剔除。最后结合游程编码对SAR图像进行压缩。实验表明,此方法较小波变换和Contourlet变换的SAR图像压缩方法有更好的效果。     

基于小波变换的多层次图像增强算法

提出了基于小波变换的多层次图像增强算法.首先对图像进行4级小波分解,得到尺度系数和多个层次的小波系数;然后对不同层次的小波系数采用不同的增强算法进行处理,并对图像的尺度系数采用多尺度方法进行处理;最后用得到的小波系数和尺度系数进行逆变换得到增强后的图像.试验结果证明,该算法具有优于传统增强算法的增强效果和抗噪性能.     

小波Contourlet变换图像压缩算法

为改进Contourlet变换冗余大的缺点,提出了一种小波Contourlet变换的图像压缩优化算法。实验结果表明,在高压缩率下算法具有优势。     

基于曲波变换的视网膜血管图像增强算法

视网膜血管图像存在像素对比度低等特点,干扰正常的视网膜图像分割.针对视网膜血管的图像特性,提出了一种改进的基于曲波变换的视网膜血管图像增强算法.首先选取视网膜图像的绿色通道分量进行预处理,然后通过对变换系数的自适应增强完成图像的增强处理,并结合改进的形态学变换,实现图像细节的增强和背景噪声的抑制,使得图像对比度得到增强,细节信息更加明显.通过与其他增强算法的比较表明,该算法在增强对比度、降低噪声干扰等方面优于其他算法.     

基于阈值改进Contourlet变换的图像融合算法

为获得到效果更好的融合图像,提出了一种基于结构相似度(SSIM)阈值自适应判定融合规则的改进算法.该算法对低频子带采用了基于相关系数离均差的加权求和融合算法,以保留更多的概貌信息;对高频子带则先计算待融合图像各个区域的SSIM,然后取平均值作为阈值,再根据各个区域的SSIM与阈值的关系自适应地选择高频子带融合算法,以保留更多的细节信息.实验结果表明,文中改进的图像融合算法可以获得细节更丰富和边缘更清晰的融合图像,融合图像质量的客观评价指标更优.     

基于小波变换的低照度图像增强算法

针对光照不足或均匀性较差的图像,传统增强算法容易导致敏感细节信息丢失或高亮度信息饱和等问题,文章提出基于小波变换的低照度图像增强算法,对不同频率特性采用不同的增强系数进行分层处理以达到图像增强的目的.实验结果表明,该算法在增强图像对比度的同时更多地保留了场景细节信息.     

基于双重Sigmoid变换的PCB图像增强算法

 在基于边缘的PCB缺陷检测中提出了一种新的图像变换方法——双重Sigmoid变换,并导出了Sigmoid变换算子。试验表明,采用该变换对PCB图像进行增强能有效地锐化边缘,对边缘附近的噪声滤除能力强,有利于精确定位边缘,对原图像的清晰度及均匀性要求不高。     

基于幂律变换的MSRCR矿井图像增强算法

针对复杂矿井图像亮度不均的问题,提出基于幂律变换的MSRCR图像增强方法(Plt-MSRCR)。首先,对图像进行自适应直方图均衡化处理,将RGB空间转换为HSV空间,利用自适应最大类间方差(OTSU)将V分量分割为高低灰度等级分量V_H和V_L;其次,对V_L进行自适应CLAHE处理来拉伸灰度等级,对V_H进行阈值分割,得到高低亮度分量V_HH和V_HL;再次利用Plt-MSRCR算法完成V_HL分量的灰度拉伸和亮度抑制,得到调整后的V_HLnew;最后,将所有V分量进行融合,对S分量进行伽马校正,融合重组成RGB图像。实验结果表明,该算法能够有效解决矿井下光照过低、光照较低和光照不均对图像的影响,对暗区域亮度增强的同时保证了增强亮度的均匀性和图像的清晰度。相较于其他同类算法,该算法在信息熵、平均梯度和标准差方面效果和性能更好。     

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。     

基于非下采样Contourlet变换的无人机景象匹配算法

卫星导航作为无人机重要的导航方式常因受到干扰而不可用,针对此问题,提出一种同样可辅助惯性设备进行导航的景象匹配算法。首先采用非下采样Contourlet变换(NSCT)对基准图和实测图进行多层级分解,以获得不同分辨和方向的稀疏表示图像,然后以基于稳健统计量的Hausdorff距离(LTS-HD)作为相似性测度进行由粗到精的分级匹配。仿真结果表明,基于NSCT方法的图像匹配概率相对于小波分解提高了14%;景象匹配辅助惯导后,可有效抑制位置误差发散,误差被控制在30 m以内,可满足无人机中等精度导航要求。     

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).     

基于小波变换的一种红外图像增强算法

图像增强处理是红外图像预处理的必要和关键环节,但目标物体信号弱造成红外图像的对比度差,外界噪声干扰严重造成图像质量差。基于此,提出了一种基于小波变换与奇异值分解和阈值滤波相结合的增强算法。本文用小波分解将红外图像的高频与低频系数分开,低频域用奇异值分解处理方法来增强对比度和图像质量,高频域用阈值滤波处理来消除噪声突出细节;最后,经过小波逆变换和小波重构得到最终的增强图像。实验结果表明：此方法对比传统的红外增强算法,可以将红外图像的对比度提高,增强红外图像细节,在直观上更符合人的感官感应,是一种有效的红外图像增强方法。     

基于小波变换的低对比度图像增强改进算法

提出一种基于小波变换的图像增强算法。利用小波变换的时频局域性和方向性特点,对分解后的高频系数进行子树划分,以子树为单位实现图像的对比度增强。在VC++环境下实现了该方法,实验结果表明该算法能得到整体视觉好的图像,是一种有效的图像增强算法。     

基于Harr小波-Contourlet变换的图像增强算法

为了解决噪声图像增强中抑制噪声和增强边缘细节的矛盾,提出一种基于Harr小波-Contourlet变换的噪声图像增强方法.Harr小波-Contourlet变换具有多分辨率、局部定位性、多方向、各向异性等特点,能够较好捕获图像的方向特征和边缘信息.根据这一特点,先在变换域中设置阈值抑制噪声;再用非线性增强算子对变换的各子带系数做增强处理.实验结果表明,该方法有效增强了图像的边缘细节和纹理特征.     

一种多尺度X射线胸片图像增强算法

针对医学X射线胸片增强的同时会在大尺度边缘产生伪影从而影响医学诊断的问题,提出了一种基于边缘的非线性X射线胸片增强算法(MSCE).该算法先将图像进行多尺度分解,然后结合人眼视觉对对比度敏感的感知特性,计算图像基于边缘的局部对比度,通过结合其局部对比度信息控制各尺度信号增强系数,最后重建得到增强后的图像.MSCE算法能在保证小信号增强能力的同时,较大限度地抑止大尺度信号边缘伪影.实验结果表明,与Vuylsteke以及Stahl的非线性增强算法相比,在保证同样细节增强能力的同时,其大尺度边缘区的平均局部方差分别下降了约36.78%和29.64%,实验验证了MSCE算法具有优越的整体视觉质量.     

基于非抽样Contourlet变换的高定位精度认证水印算法

本文提出了一种基于非抽样Contourlet变换的高定位精度图像自适应认证水印算法。对原始图像进行非抽样Contourlet变换,选取低频子图分块后进行奇异值分解,通过自适应量化修改奇异值嵌入经混沌置乱后的二值水印信息。整个分解过程没有任何抽样环节,各尺度下各方向子带均与原始图像具有相同的尺寸,从而提高了篡改定位的精度,增加了水印的嵌入量。水印的提取只需要由混沌初值和量化参数构成的密钥,保证了算法的安全性。同时该水印算法对JPEG压缩稳健,对恶意操作敏感。