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.     

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。     

结合NSCT高低频特征的图像边缘检测算法

为提取丰富的边缘信息,利用非下采样轮廓波变换(NSCT)能够很好逼近图像的方向信息这一特征,设计了一种图像边缘检测算法.该方法将图像变换到NSCT域,对高频和低频子带信息分别处理:首先只保留高频系数矩阵中的较大的系数并利用其得到高频特征图像,根据自适应阈值法对高频图像进行处理得到高频边缘信息;然后对低频子带信息提取其低频边缘信息;最后利用低频边缘信息对高频边缘信息进行补偿,同时去除孤立噪声点,得到最终的边缘图像.通过对灰度图像及彩色图像的仿真实验,与sobel、canny、log及prewitt算子的检测结果进行比较,给出了定量的评价指标,验证了提出方法的有效性和优越性.     

基于NSST变换的超声图像降噪算法

针对超声图像降噪算法在降噪的同时无法很好地保留图像的细节信息问题,提出了一种改进的基于非下采样剪切波变换(NSST)的超声图像降噪算法.首先通过对数变换将乘性噪声转换成加性噪声,然后使用NSST变换对噪声图像进行多尺度分解得到高频子带和低频子带,低频子带使用同态滤波增强细节信息,高频子带采用改进的阈值处理函数降低噪声,...     

基于NSCT的含噪图像边缘检测算法

为提高含噪图像的边缘提取性能,本文提出基于NSCT的含噪图像边缘检测算法。该算法先利用硬阈值方法去除各子带中的噪声信息,然后对得到的高频图像进行自适应阈值法处理得到高频边缘信息,利用对低频图像提取的低频边缘图像对高频边缘图像进行补偿,得到最终的边缘图像。实验结果表明提出算法在不同噪声密度下均能获得良好的边缘检测效果,验证了提出方法的有效性和优越性。     

基于局部能量的多层级红外与可见光图像融合算法

针对传统的融合方法对于可见光图像丰富的背景信息不能有效地保留到融合图像的问题,本文结合像素级和特征级融合的优势,提出了一种新的图像融合算法.首先,对来自同一场景配准后的红外与可见光图像进行NSCT变换;其次,在保留红外图像中目标信息的基础上,出于尽可能比较完善地将可见光的背景信息融入到融合图像的目的,对于低频图像采用基于区域能量比的自适应加权平均的方法;再次,考虑到低频图像和高频方向子带中包含大量的边缘细节信息,本文在Petrovi'c多层级融合方法的基础上进行相应的改进,利用低频子带边缘特征的融合以指导高频方向子带系数的融合;最后,通过NSCT逆变换得到融合图像.对多组红外与可见光图像进行实验,并对融合图像进行主客观评价,实验结果表明,该算法得到的融合图像具有非常好的主观视觉效果和客观量化指标,融合性能显著地优于传统的融合方法.     

基于NSCT和KFCM聚类的图像边缘检测方法

为进一步提高现有图像边缘检测方法的性能,提出了一种基于非下采样Contourlet变换(NSCT)和核模糊c-均值(KFCM)聚类的图像边缘检测方法.首先通过NSCT将原始图像分解成低频分量和高频分量;然后对含噪声较少的低频分量提取边缘信息,并采用KFCM聚类算法进行聚类得到低频边缘图像,以提高定位精度,而对于边缘细节信息较多的高频分量各个子带,通过模极大值检测边缘以减少伪边缘,丰富图像细节;最后对低频和高频图像边缘进行融合得到完整的边缘.实验结果表明,相比于Canny方法、边缘检测算子与模糊聚类结合的方法、边缘信息与混沌粒子群优化的模糊聚类结合的方法、NSCT域模极大值方法,文中方法具有更好的边缘检测效果,边缘定位准确、完整、连续、细节丰富.     

改进的分数阶微分及图论的粘连血细胞图像分割

针对血细胞图像模糊及对比度不高的现象,提出一种改进的分数阶微分的图像预处理方法.即将形态学去噪和改进的类圆形掩膜算子的分数阶微分增强结合起来,在滤除血细胞图像的染色污染和颗粒噪声的同时较好地保留了细胞边缘细节.针对分水岭算法存在的过分割和最小生成树算法存在的效率较低问题,采用分水岭算法和最小生成树算法相结合的图像分割算法.首先用分水岭算法初分割分数阶微分增强的细胞图像,接着算法选取过分割区域映射为节点,最后基于改进的最小生成树算法再分割细胞图像.实验表明,该算法能有效缓解分水岭算法的过分割,并且有效减少了最小生成树算法中节点的数目,提高算法效率.     

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.     

结合稀疏表示与神经网络的医学图像融合

临床辅助诊断对医学图像视觉效果提出了较高的要求,但非下采样轮廓波变换(NSCT)分解获得的低频子带系数不具有稀疏性,不利于保持源图像的细节信息。针对上述问题,提出了一种结合稀疏表示与脉冲耦合神经网络(PCNN)的医学图像融合算法。首先,通过NSCT将源图像分解成低、高频子带系数;其次,利用K奇异值分解(K-SVD)法训练低频子带系数获取过完备字典D,利用正交匹配追踪(OMP)算法稀疏编码低频子带系数,完成低频子带稀疏系数的融合。然后,利用高频子带的空间频率激励脉冲耦合神经网络,根据点火次数选择高频子带的融合系数。最后,将融合的低、高频子带系数通过NSCT逆变换重构出融合的医学图像。实验结果表明:对于边缘信息传递因子Q~(AB/F)指标,该算法灰度和彩色图像融合结果相比于对比算法约提升了34%和10%,且融合结果综合性能优于现有算法。     

基于人工蜂群优化的NSCT域图像模糊集增强方法

针对实际应用中所采集的图像对比度低、边缘细节模糊的问题,提出了基于非下采样Contourlet变换(NSCT)、模糊集、人工蜂群(ABC)优化的自适应图像增强方法.首先对输入图像进行NSCT分解,得到一个低频子带和多个高频子带;然后依据贝叶斯萎缩阈值和非线性增益函数增强高频子带系数,采用模糊增强法增强低频子带系数,并利用ABC算法优化其中的模糊参数,以提高模糊增强法的自适应性;接着用低频子带图像的信息熵作为ABC算法的适应度函数,同时引入较劣种群随机初始化策略改进ABC算法,以缩短增强方法的运行时间.文中采用该增强方法对淡水鱼、铁轨表面、储粮害虫3类图像进行了增强实验,并依据主观视觉效果和对比度增益、清晰度增益、信息熵3个客观定量评价指标,对文中方法及其他3种同类增强方法进行了比较.结果表明,所提出的方法视觉效果最佳,能提高图像的对比度和清晰度,目标边缘光滑,且增加了图像的信息量,便于后续准确地进行图像检测与识别.     

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。     

非采样轮廓波变换下的红外与可见光图像融合

针对红外与可见光图像融合存在的边缘模糊、视觉效果不佳的问题,提出了一种改进的基于非下采样轮廓波变换(NSCT)的红外和可见光图像融合方法。首先采用NSCT对红外与可见光图像进行多尺度、多方向分解,然后对低频系数采用基于边缘的方法进行融合;对高频系数采用基于区域能量的方法进行融合。最后,通过NSCT反变换来获取融合图像。实验结果表明:文中改进算法得到的融合图像不仅边缘等细节部分更加清晰,而且在视觉效果上更加符合人眼视觉特性。     

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.     

一种基于WT和NSCT变换的复合医学图像融合算法

提出了一种基于WT和NSCT的复合医学图像融合算法。首先,对原始图像采用NSCT变换获得各方向的低频分量和高频分量,然后计算图像之间的相关系数,采用NSCT根据不同分解层的方向特征,对高频系数根据方向区域进行能量融合。最后,重新组合融合后的高频和低频分量,采用反变换的NSCT得到最终的图像融合结果。实验表明了该方法能完好保留原始图像的边缘和过渡区域信息,具有较好的细节表征能力和融合效果。     

基于改进方向波变换的泡沫图像增强新方法

针对矿物浮选过程中浮选槽内气泡与矿浆背景灰度反差小、光照影响严重且存在大量噪声干扰等问题,提出一种基于改进方向波变换的泡沫图像增强新方法.采用改进方向波变换对浮选泡沫图像进行分解,保证信号产生平移不变性,避免图像边缘模糊;针对分解后低频子带系数值相差甚小,受工业光照影响严重的问题,引入多尺度Retinex算法实现增强效果,改善其亮度均匀性;并对高频部分构造一种双结构元素多尺度形态滤波方法,有效地消除噪声并保持边缘信息.采用工业现场大量泡沫图像进行试验.研究结果表明:所提出的方法可增强泡沫边缘细节,抑制噪声,明显改善泡沫图像的视觉效果,解决泡沫边缘不明显和噪声所带来的图像欠分割问题,有助于泡沫形态特征提取和工况分析.     

结合NSCT和区域特征的图像融合新算法

提出一种把非下采样Contourlet变换(NSCT)和区域特征相结合的图像融合新方法.该方法能够获取更好的空域和频域中的局部特征,同时提高融合图像的质量.用NSCT对已经配准的源图像在不同尺度和方向进行分解,低频子带分量采用区域平均能量和匹配度相结合的融合规则,高频子带分量使用改进的拉普拉斯能量和取大的融合规则.然后,利用逆NSCT变换对图像重构得到融合结果.实验结果表明,新方法优于其他三个常用的方法,且较好地保留图像的边缘和细节信息.     

基于非下采样contourlet变换的纹理图像检索算法

提出一种应用非下采样contourlet变换(nonsubsampled contourlet transform,NSCT)进行图像检索的算法,以获取一种兼顾纹理图像概貌和细节信息的特征,从而提高图像检索的性能.该算法利用NSCT对图像进行多尺度、多方向分解,获得子带系数矩阵;对低频子带系数提取能量和方差作为全局纹理特征,并对高频子带系数分别提取尺度间和尺度内纹理信息;通过非高斯双变量模型拟合子带系数,利用信息熵描述尺度间特征;尺度内特征通过对同一层子带图像按主方向排序,获得直方图图像,计算其加权信息熵作为特征向量.对Brodatz标准纹理库的检索实验结果表明,与同类算法相比,该文方法具有更高的检索性能.     

人工蜂群优化的非下采样Shearlet域引导滤波图像增强

针对现有图像增强算法边缘保持性能不佳、抗噪性弱的问题,提出了一种改进的引导滤波图像增强算法——ABCO-NSST-GF。通过非下采样Shearlet变换(NSST)将图像分解成低频和高频2部分,利用引导滤波来增强低频系数,避免了高频噪声的放大;对图像的高频系数进行非线性增益函数变换,在增强边缘及细节的同时抑制噪声。最后,对处理后的低频和高频系数实施NSST反变换,重构出最终的增强图像。由于引导滤波中的盒滤波半径与正则化参数对增强结果有较大影响,采用了混沌蜂群算法搜索其最佳值,确保增强结果达到最优。针对约70幅实际工程图像进行了实验,结果表明,ABCO-NSST-GF算法能够明显改善图像视觉效果,与NSCT自适应阈值法等4种算法相比,所得图像清晰度、对比度和信息熵平均提高25.2%,与空域引导滤波算法相比,P峰值信噪比平均提高20.9%。     

基于NSCT与PCNN的自适应图像融合

提出了一种新的基于非下采样轮廓波(NSCT)和脉冲耦合神经网络(PCNN)相结合的自适应图像融合方法.对已经配准的源图像进行NSCT分解,得到低频子带系数和不同方向的高频子带系数.对NSCT分解的低频部分采用简单的加权平均融合规则;而高通子带系数,采用改进的拉普拉斯能量作为PCNN链接强度的方法.最后,对融合的系数进行NSCT逆变换得到融合图像.实验结果表明,本文算法明显优于其他几种方法,具有更好的融合性能,清晰度更高,是一种可行、有效的图像融合方法.