基于非下采样Contourlet变换的图像自适应阈值去噪算法

利用非下采样Contourlet变换的平移不变性和多方向选择性,考虑非下采样Contourlet变换域内相邻尺度间和同一尺度、不同方向间图像系数和噪声系数之间不同的相关性,根据子带含有信息量的多少,自适应地调节BayesShrink阈值大小,不仅使弱的边缘细节被从噪声中提选了出来,而且避免了将较大的噪声系数判定为图像细...     

基于非下采样Contourlet变换的 SVM多聚焦图像融合

提出基于非下采样Contourlet变换的支持向量机(SVM)多聚焦图像融合算法. 采用非下采样Contourlet变换分解图像得到不同频域子带系数. 针对直接取系数绝对值最大融合规则不能反映图像区域的缺点,提出SVM分类系数融合规则. 根据各子带系数物理意义将区域方差、区域能量作为SVM核函数参考量来选择清晰像素点系数,根据融合系数重构得到融合图像. 结果证明该算法能有效并准确地融合图像中的信息.     

一种基于非下采样Contourlet变换的子带自适应阈值去噪方法

目的提出一种基于非下采样Contourlet变换的子带自适应阈值去噪方法。方法首先在贝叶斯估计的基础上,建立了系数萎缩处理阈值,它与尺度和方向相关,具有带自适应性,进而根据Contourlet的曲线特征,设计出一种弧形窗口,用于估计系数的信号方差。结果该方法可以有效消除图像中噪声且保护图像的边缘细节信息。结论与传统方法相比,可获得较高PSNR值且能保护图像的边缘等细节信息。     

基于脉冲耦合神经网络的RLNSW-NSCT卫星云图融合算法研究

提出了一种基于脉冲耦合神经网络(pulse coupled neural network,PCNN)的冗余提升不可分离小波-非下采样Contourlet变换(redundant lifting non-separable waveletbased non-subsampled Contourlet transform,RLNSW-NSCT)卫星云图融合新方法。首先采用基于冗余提升不可分离小波的非下采样Contourlet变换(non subsampled Contourlet transform,NSCT)变换对卫星云图进行变换。对带通方向子带系数的融合设计了基于PCNN的融合规则,而低通子带系数的融合则采用基于图像区域信息熵的系数加权融合规则。为验证算法的有效性,对不同多尺度变换算法和不同融合规则分别进行了融合实验。结果表明该方法在较多地保留云图红外信息的同时,具有更好图像细节表达能力,融合云图的云层特征更为分明。     

一种基于非下采样Contourlet变换的自适应水印方法

图像的多尺度方向分解和自适应水印方法是两个有趣的话题.利用非下采样Contourlet变换的多方向性和高冗余性,通过计算方向子带的掩盖系数,设计了一种自适应的图像水印方法.实验结果表明,该方法对绝大多数的图像失真都具有一定的鲁棒性.     

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。     

基于非下采样Contourlet变换耦合近似度规则的多聚焦图像融合算法

当前多聚焦图像融合算法主要通过单一的比值取大法来完成高频系数的融合,忽略了不同高频系数间的近似度,导致融合图像存在模糊效应与块效应等不足,采用非下采样Contourlet变换耦合近似度规则对多聚焦图像进行融合,来改善以上不足。利用非下采样Contourlet变换对图像进行多尺度、多方向的分解,获取图像的高、低频分解系数。利用图像的区域能量对低频系数的信息量进行度量,构造低频系数融合函数,用于低频系数融合。利用图像的平均梯度差值对不同高频系数的差异度进行度量,建立近似度规则,根据不同高频系数的近似度采用不同的融合方法获取融合高频系数。将融合后系数通过非下采样Contourlet逆变换获取最后融合图像。仿真表明,所提算法与当前多聚焦图像融合方法相比,融合的图像具有较好的质量。     

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.     

基于多小波和非下采样Contourlet变换的纹理检索

为了更有效地进行纹理图像检索,提出了一种新的基于多小波变换和非下采样Contourlet变换相结合的纹理图像检索方法.首先,采用多小波对图像进行多尺度分解以便保证变换平移不变性的同时也消除变换的冗余性;然后,将所得的高频子带采用非下采样方向滤波器组进行多方向分解,计算低频子带和各层方向子带的一阶几何矩作为纹理特征;最后...     

非下采样Contourlet变换耦合锐度制约的遥感图像融合

当前多数遥感图像融合算法主要是依靠比值法选取全色图像或多光谱图像中的其中一个高频子带作为高频融合系数,忽略了另一个高频系数所包含的信息,易导致融合图像出现模糊以及光谱失真等不足.对此,本文提出了基于非下采样Contourlet变换与锐度制约模型的遥感图像融合算法.通过亮度-色调-饱和度(IHS)变换,获取多光谱图像的I,H,S分量,利用非下采样Contourlet变换对多光谱图像的I分量以及全色图像进行多尺度精细分解,得到相应的低频子带与高频子带;利用像素点邻域的像素值之差构造锐度制约模型,完成低频子带的融合.考虑多光谱图像中I分量与全色图像的高频子带特征,构造高频子带融合模型,完成高频子带的融合;将融合后的高频子带与低频子带通过非下采样Contourlet逆变换,输出融合图像的亮度分量珔I,将珔I与H,S分量进行IHS逆变换,形成最终的融合图像.仿真实验显示,与当前遥感图像融合方法相比,所提方法的融合图像具有更高的视觉质量,可保留更多的光谱以及边缘等图像细节信息.     

基于NSCT变换的SAR图像融合的算法

首先分析了小波变换在进行图像处理时不能有效表示直线／曲线的奇异性问题,然后研究了能够很好表示二维或更高维奇异性的非采样Contourlet变换（Nonsubsampled Contourlet transform,NSCT）的基本原理。接着讨论了将NSCT变换应用于图像融合的可行性,提出了经NSCT变换分解得到的不同的频域子带系数,在选择低频子带系数时,提出了基于局部梯度的尺度系数融合的方案,在对带通方向子带系数进行融合时,采用了自适应尺度系数融合的方案。同时,对主客观性能比较进行了仿真实验,结果表明,提出的新方法比其它几种方法传统的基于小波变换的图像融合效果要好得多。     

基于广义邻域结构相似度的红外和彩色可见光图像融合

针对 HIS 空间各通道间不具有正交性,导致基于该颜色空间的图像融合中颜色畸变较明显,而 lαβ彩色空间具有感知去相关性,结合非下采样 Contourlet 变换系数在不同尺度、方向和位置间具有很强的依赖性,提出一种基于广义邻域结构相似度的红外和彩色可见光图像融合法,首先将彩色可见光图像转换到 lαβ空间,利用非彩色通道对红外图像重映射;然后 NSCT 分解非彩色通道和重映射图像,对低频系数采用不同融合规则比较,高频子带采用综合同尺度中邻域系数能量和兄弟子带间的结构相似度的融合规则,重构 NSCT 融合系     

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.     

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.     

一种适用于多模态医学图像融合的自适应脉冲耦合神经网络改进算法

针对医学图像融合存在伪影、边缘保持性弱等问题,提出了一种参数自适应的脉冲耦合神经网络(pulse coupled neural network,PCNN)图像融合方法。首先,对源图像通过非下采样Contourlet变换(non-subsampled contourlet transform,NSCT)得到一个低通子带和多个尺度多个方向下的带通子带。然后用区域标准差调整连接范围,进而调整突触权重矩阵以及加权系数;用各子带的改进空间频率中方向特征最显著的分量调整连接强度;对于外部激励,低通子带用区域能量和区域方差的线性组合计算,带通方向子带采用改进的拉普拉斯能量和计算。点火映射图的判决遵循取大原则。最后,通过NSCT逆变换得到融合结果图。实验结果表明,此算法能更多地保留源图像的信息,边缘保持能力更强,融合图像对比度高,视觉效果更佳,适用于多种模态医学图像之间的融合。     

一种基于非采样Contourlet变换的图像水印算法

基于非采样Contourlet变换(NSCT)具有多尺度性、多方向性和平移不变性的优点,本文提出一种基于非采样Contourlet变换和SVD结合的数字水印算法,首先对图像进行非采样Contourlet变换得到低频子带,并对该子带系数进行SVD分解,然后将水印信息嵌入到奇异值中.实验结果表明,算法对旋转、JPEG压缩和...     

基于光学多尺度几何分析的图像压缩去噪

基于变换的图像压缩方法应用较为广泛,小波在表示图像的边缘或纹理时,会产生大量的能量较大的系数。采用多尺度几何分析对图像进行稀疏展开,使变换具有强的非线性逼近能力。图像经过非下采样Contourlet变换转换成一种多尺度的、多方向和多分辨的表示形式再进行统计分析。利用图像系数相关性,不仅降低图像的维数,使弱的边缘细节能从噪声中被筛选出来,而且达到压缩去噪的目的。实验结果表明,采用该方法去噪后的图像处理效果很好,适用于高分辨率图像去噪。     

基于非下采样Contourlet信息熵的纹理图像检索

提出了一种基于非下采样Contourlet信息熵的纹理图像检索新方法.首先对原始图像进行三层非下采样Contourlet分解;然后计算各个子带的能量,并对其进行排序、合并,得到纹理直方图;最后以纹理直方图为概率密度函数,并用改进的信息熵方法求得函数的熵,以此作为纹理特征进行检索.实验结果表明,该方法与当前基于多分辨率的纹理图像检索方法相比具有更高的查全率和查准率.     

一种基于剪切变换和图像增强的融合方法

为了进一步提高可见光与红外线图像的融合效果,采用剪切波变换和方向滤波建立了一种图像融合方法.通过引导滤波器对可见光图像的场景信息进行增强,提高细节信息;利用剪切波变换对增强后的可见光图像和红外线图像进行多尺度分解,得到不同的低频和高频尺度子带;对低频尺度子带的系数选取能量保护的融合规则,而对高频尺度子带的系数选取PCA的融合规则进行融合;利用剪切波逆变换对融合的低频尺度的子带系数和高频子带的尺度系数进行变换得到融合结果.实验效果表明所提方法能有效地提高融合结果中的细节信息.     

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%.