基于提升FFT框架的快速离散Curvelet变换

为了降低Curvelet变换的计算复杂度,文中提出了基于提升傅里叶变换的快速离散Curvelet变换(Fast Discrete Curvelet Transform,FDCT).采用提升傅里叶变换解决传统FDCT中的傅里叶变换的非线性问题,将傅里叶变换中的复数乘法通过提升结构转变为简单的加法进行运算,极大降低了运算的复杂度.实验验证了该方法的有效性.     

基于快速离散Curvelet变换的多聚焦图像融合

Curvelet变换除了具有一般小波变化的多尺度,局部性外,还具有方向性,本文将以Curvelet变换为基础,对图像进行Curvelet分解得到图像的低频和高频系数,并分别讨论了低频系数和高频系数的选择原则。对低频系数采用基于局部边缘准则,而对于高频系数采用基于局部标准方差的方法。实验结果表明,这种方法能够在保留图像微小细节方面获得满意的结果,这种算法有效且优于其他的图像融合方法。     

基于Curvelet变换的自适应阈值图像去噪方法

与小波变换相比,Curvelet变换能更好地表达图像的边缘和细节,因此更适合做图像处理.提出了一种基于第二代Curvelet变换的自适应阈值图像去噪方法,采用不同的阈值自适应地对不同尺度和方向的Curvelet系数进行阈值处理.实验结果表明,提出的方法在去除噪声的同时,能更好地保留图像的细节.去噪后的图像有更高的峰值信噪比和更好的视觉效果.     

基于小波变换的图像增强技术

本文将小波分析融合到数字图像的增强技术中,在Matlab7.0环境下对基于小波变换的图像增强进行了仿真,并对传统的增强方法与小波增强方法进行比较。通过实验数据与分析表明:经小波增强后的图像更适合人类视觉和机器识别、解译。     

基于Curvelet变换的边缘锐化方法

介绍了Curvelet变换的基本概念,说明了Curvelet在边缘锐化的算法实现,提出了Curvelet变换在边缘锐化中的进一步研究方向,指出了Curvelet变换能更适合图像边缘锐化,它克服了小波变换在图像锐化应用中的不足,显示出了很多的独到之处。     

基于Curvelet变换的图像去噪

小波变换在分析二维图像中曲线或者直线边缘特征方面存在明显不足,而由小波变换而来的Curvelet变换具有很强的方向性,能更好地逼近和稀疏表达平滑区域和边缘部分。本文首先介绍了一代和二代Curvelet变换的概念及二代Curvelet变换快速离散算法的实现,然后分别采用小波变换和二代Curvelet变换的快速离散算法进行图像去噪实验。实验采用Wrap（Wrapping—based transform）算法实现有关Curvelet变换,即在USFFT方法上增加一个Wrap步骤,将任意区域通过周期化技术一一映射到原点的仿射区域。对比试验结果表明,在图像消噪中二代Curvelet变换的离散算法较小波变换有更好的视觉效果,而且PSNR也有一定的提高。     

基于非抽样contourlet变换的图像增强方法

针对实验图像光照不均、对比度低、噪声大等特点,提出一种基于非抽样contourlet变换的图像非线性增强算法.首先对原图进行非抽样contourlet变换,分解为低频和高频子带;然后对低频子图进行自适应直方图处理,以增强像素的对比度,对高频系数采用分层阈值处理和分段非线性变换;最后将其反变换得到增强的图像.仿真实验结果表明:此算法不仅增强效果好,鲁棒性强,而且具有较大的实用价值.     

基于二进小波变换的图像增强技术

文章给出了图像的二进小波分解与重构,通过理论分析和实验研究了基于二进小波变换的图像子带增强算法,重点是二进小波基的选取以及图像分解层次对图像中目标边缘增强的影响研究。二进小波变换提供平移不变表示,导致完备的高频分量适于图像增强,实验结果表明,二进小波变换增强方法可以减少噪声的放大,在增强图像微小细节和避免放大噪声两方面获得令人满意的结果。     

多尺度小波梯度图像增强方法

传统的图像增强算法在对图像增强的同时,也增强了图像的噪声信号,不利于图像的后期处理.在小波变换增强算法的基础上,提出了多尺度小波梯度图像增强方法.实验证明,该方法在提高图像对比度的同时,有效的解决了噪声也被增强问题,使增强后的图像便于图像分析和后期处理.     

基于多小波变换非线性自适应增益的图像增强

随着多小波理论的发展,它所拥有的对称性、光滑性、紧支性、正交性等重要的数学性质弥补了单小波的不足．提出了一种基于多小波变换非线性自适应增益的图像增强算法,将图像进行多小波分解,高频细节图像采用多尺度非线性自适应增益增强．低频平滑图像采用反锐化掩模增强．实验结果表明：该算法能突出图像中的细节部分,可以有效地消除噪声,并且具有良好的增强效果．     

基于第二代Curvelet变换的多聚焦图像融合方法研究

本文针对光学成像系统聚焦范围有限,很难使得同一场景中所有物体都清晰这一特点,将一种多尺度几何分析方法——第二代Curvelet变换引入到多聚焦图像融合之中。本文通过对多幅多聚焦图像Curvelet变换后的系数进行调整,再进行Curvelet反变换得到结果图像。实验结果表明,基于Curvelet变换的多聚焦图像融合结果好,空间质量得到显著提高。     

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.     

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.     

基于Curvelet变换水下声纳图像去噪研究

为了更好地消除水下声纳图像噪声及保持图像边缘效果，提出将Curvelet变换方法应用在水下图像去噪技术中．该处理方法克服了Ridgelet去噪只对直线边缘敏感的缺点，并对图像中存在的曲线特征起到了很好的边缘保持效果，并在实验输出数据比较中获得较好效果．     

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。     

改进的多尺度Retinex井下图像增强算法

为解决煤矿井下图像质量差、图像清晰度差、可分辨率低、模糊等问题,针对多尺度Retinex增强算法存在的不足,提出一种改进的基于S曲线函数的多尺度Retinex图像增强算法,该S曲线函数不同于基本的sig函数,函数图像具有S形状,为不对称函数.研究结果表明:应用改进后的算法,处理后的图像在有效增强目标图像的同时也抑制了背景噪声,图像的对比度与质量得到提高,能够获得目标区域的最佳视觉效果.     

基于局部均值和标准差的Curvelet变换遥感图像融合算法

为充分利用各种遥感图像的有用信息,在Curvelet变换的基础上,提出一种基于局部均值和标准差限定的遥感图像融合算法.通过Curvelet变换将同一场景下的高空间分辨率全色图像和低分辨率多光谱图像分解到不同尺度、不同方向的频带范围内,然后对低、高频系数分别采用最大值法和局部均值及标准差限定法的融合规则进行融合,最后进行Curvelet反变换得到融合图像.实验表明,基于该融合规则的Curvelet算法优于传统的遥感图像融合算法.     

基于Curvelet和小波变换的纹理图像识别

提出了一种基于Curvelet变换与小波变换相结合的纹理图像分类算法.小波变换在分析点奇异信号时具有良好的性能,而Curvelet变换更适合分析图像中的曲线或直线状边缘特征.算法通过提取两者分解子波段的统计学和灰度共生矩阵特征,采用支持向量机对纹理图像进行分类.实验结果表明,和单一的多分辨率变换特征提取相比,该算法具有更高的分类准确率.     

一种基于小波多尺度分析的水下图像增强方法

本文主要介绍了一种利用小波多尺度分析进行水下图象增强的方法。为降低对水下图像噪声增强程度,方法对不同尺度上的系数进行不同尺度的对比度增强。通过真实水下图像实验证明了该方法的有效性。     

基于二代Curvelet和PCA变换的遥感影像融合

提出了一种基于二代Curvelet变换和PCA变换的图像融合方法.首先对低分辨率多光谱图像进行PCA变换得到各个主成分,然后对高分辨率图像和低分辨率图像的前三个主分量进行Curvelet变换,并进行系数调整实现融合.最终得到PCA反变换后的融合图像.经实验结果表明,该方法有效,优于传统的融合方法.