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.     

基于非下采样Contourlet变换和PCNN的表面缺陷自动识别方法

基于多尺度几何分析的表面缺陷特征提取方法中,常用的可分离二维Wavelet基是各向同性的,无法有效表示图像的纹理和边缘,且通常对多尺度分解系数所提取的特征不全面.提出基于非下采样Contourlet变换(NSCT)和脉冲耦合神经网络(PCNN)的特征提取方法,并应用于冷轧带钢表面缺陷自动识别.首先用NSCT对缺陷图像进行多尺度多方向分解;然后将子带图像输入PCNN迭代点火,计算点火图的熵序列作为子图的特征,合并各子图特征得到原图的特征向量;最后用支持向量机进行分类识别.该方法能够全面准确提取缺陷图像信息,尤其是纹理边缘等方向信息,且方法可并行实现,PCNN不需要训练.利用从生产线现场采集的缺陷图像对文中方法进行了试验,识别率达95.44%.     

结合分数阶微分的浮选泡沫图像NSCT多尺度增强

针对浮选槽低照度环境下采集的泡沫图像对比度低、边缘弱、噪声干扰等问题,提出了一种结合自适应分数阶微分和非下采样Contourlet变换(NSCT)的泡沫图像多尺度增强算法.首先对泡沫图像进行NSCT多尺度分解,根据低频子带的梯度特征构造自适应分数阶微分阶次函数,结合改进的带亮度控制参数的Tiansi算子对低频子带图像进行增强处理;然后对各高频方向子带,根据能量分布特征自适应计算阈值,再结合尺度相关系数去除噪声,并通过非线性增益函数增强边缘系数;最后对处理后的图像进行NSCT重构.对不同大小类型的泡沫图像进行实验,结果表明:与现有算法相比,文中算法改善了图像的亮度,具有更高的对比度、清晰度和信息熵,保留更多的纹理细节,在有效抑制噪声的同时气泡边缘得到明显增强,为后续的泡沫图像分割和边缘检测奠定了基础.     

基于结构相似性的多传感器图像融合

采用SCDPT变换对图像进行多尺度、多方向分解,得到图像不同尺度、不同方向的频带系数.然后对低频子带系数采取基于结构相似性(SSIM)、区域能量和区域平均梯度的融合规则,对方向子带系数采取基于SSIM和区域方差的融合规则.最后通过SCDPT逆变换得到融合图像.采用信息熵、平均梯度、互信息、边缘强度、均值等作为客观评价指标,实验结果表明,相对于小波变换、拉普拉斯金字塔变换、梯度金字塔变换,所提出的算法能够充分提取图像特征,具有更灵活的方向性和平移不变性,并且能够准确捕获图像轮廓特征信息和纹理细节信息.融合结果优于大部分基于其他多尺度变换的图像融合算法.     

改进的直方图均衡化和NSCT变换的红外图像增强

针对红外图像对比度低、噪声大等特点,提出一种基于改进的直方图均衡化和NSCT变换(nonsub sampled contourlet transform)相结合的的红外图像增强方法。首先对红外图像进行NSCT变换,得到多尺度多方向的高频子带系数和一个低频子带系数。高频子带首先采用自适应降噪函数降低高频系数的噪声同时很好地保护边缘信息,然后采用非线性增益函数调整高频分量;在低频分量上采用改进的直方图均衡化方法进行增强。最后经NSCT逆变换得到增强图像。实验结果表明,提出的算法可以有效地提高红外图像的对比度,抑制图像的噪声,增强图像对比度,突出图像的边缘轮廓信息。     

基于多尺度及多方向分析的纹理图像检索算法

提出一种基于多尺度及多方向分析的纹理图像检索算法.针对纹理图像的特点,从不同尺度和方向比较了实数离散小波变换和双树复小波变换的性能.充分利用双树复小波变换的旋转不变性、良好的方向选择性以及有限的冗余等优点,将其有效地应用于纹理特征提取过程中.通过提取各子带上的能量和标准差作为特征矢量.采用Camberra距离作为相似度量进行检索,减小了计算量,取得了良好的检索效果.实验结果表明,双树复小波提取纹理特征所获得的检索性能优于实数离散小波检索算法,也优于经典的灰度共生矩阵算法,且算法具有良好的旋转不变性.     

一种改进的压缩感知图像融合方法

传统基于压缩感知的图像融合算法在通过压缩感知观测图像高频分量时会丢失分量的空间信息,仅能采用简单规则进行融合,导致融合图像纹理细节等信息效果较差。针对此,文中提出了一种结合图像高频特征的自适应融合规则。首先,对融合图像进行非下采样contourlet变换(NSCT),分解后得到的低频子带系数采用区域能量融合规则,较传统低频系数处理更好的保留源图像的背景信息;然后,由于高频子带系数具有较高稀疏性,因此通过压缩感知进行压缩后根据标准差特征自适应选择融合规则;最后,对重构系数进行非下采样contourlet逆变换。实验结果表明:与传统经典算法相比,新方法不仅精准提取到红外目标,同时充分保留可见光图像的细节信息,兼顾了待融合图像的背景信息和红外目标信息,有效提高了融合效果和主观感受。     

基于NSCT-PCNN变换的多传感器图像融合

针对同源和异源的多传感器图像的特征,提出了一种基于非下采样Contourlet变换(NSCT)和脉冲耦合神经网络(PCNN)的新的图像融合算法。首先,用NSCT对已配准的源图像进行分解,从而准确地提取出了二维和更高维的边缘纹理信息;其次,对低频子带系数采用区域方差进行了整合,从而得到融合图像的低频子带系数,而对高频子带系数提出了一种改进的基于PCNN的图像融合方法来确定融合图像的各带通子带系数;最后通过对所有子带系数进行NSCT逆变换,从而得到了融合图像。实验结果表明,该方法优于Mallat小波方法和传统的NSCT方法,有更好的视觉效果。     

一种融合信息熵和改进SIFT算法的图像检索方法

针对图像检索中基于单一全局颜色特征或局部特征的检索方法存在查准率和查全率低等问题,提出了一种融合信息熵和改进尺度不变特征变换算法的图像检索方法。首先,利用改进的尺度不变特征变换算法提取图像的局部特征;然后,计算图像的全局颜色特征和信息熵;最后,利用信息熵动态分配全局颜色特征和局部特征的权重,计算图像间的相似度进行图像检索。实验结果表明:该方法的检索性能优于颜色直方图法和尺度不变特征变换算法。     

基于FFT配准和多尺度融合的声纳图像拼接算法

针对声纳图像视野窄,无法一次性反映大体积目标或同时呈现若干目标完整视觉信息的问题,提出一种声纳图像拼接算法.该算法主要步骤分为:声纳图像配准和声纳图像融合.根据声纳图像高噪声和低分辨率的特点,采用FFT图像配准方法配准声纳图像.对于准确配准后的声纳图像,提出一种基于NSCT多尺度分解的声纳图像融合算法.首先,对源图像进行NSCT多尺度分解,得到一系列不同尺度和不同方向上子带分解系数;然后,根据声纳图像特殊性,构建声纳图像融合规则:分别对低频子带采用门限判别法,高频子带计算局部区域对比度指导融合规则,产生融合图像在相应尺度和方向的融合系数.最后,对融合系数进行NSCT多尺度逆变换,生成融合后的拼接图像.通过声纳图像拼接实验验证提出方法有效性.