基于四元数小波变换HMT模型的图像去噪

实小波变换域中的图像去噪会产生伪Gibbs现象,为此,提出一种基于四元数小波变换的隐马尔可夫树模型(Q-HMT),并应用于图像去噪。模型结合四元数小波变换理论与HMT模型,体现小波系数层间的相关性,捕获小波系数邻域的统计特征。实验结果表明,该模型的图像去噪效果在峰值信噪比以及视觉效果上均优于经典的去噪方法。

基于四元数小波变换及多分形特征的纹理分类

将四元数小波变换(QWT)和多分形相结合进行纹理分类,充分利用了QWT的旋转不变特性和纹理图像的多分形特性,能弥补传统的应用小波变换进行纹理分类时缺乏将输入图像分解成多个方向的不足。通过对UIUC数据库中的纹理图像分类,表明四元数小波与多分形相结合的方法具有较高的分类精度,平均分类正确率可达96.69%,是一种合理有效的纹理分类方法。

基于四元数小波变换域统计模型的图像去噪

图像去噪是图像处理的基本问题,四元数小波变换是1种新的多尺度分析工具。图像经四元数小波变换后,其小波系数不仅在尺度间具有相关性,而且在尺度内也具有一定的相关性。首先利用层内及层间的相关性,用非高斯分布对四元数小波系数进行建模,然后给出分类准则,把小波系数分类为重要系数和不重要系数,再用非高斯分布模型对重要系数与其邻域系数进行建模,最后运用最大后验估计原图像的小波系数,从而达到去除图像噪声的目的。仿真实验表明,文中方法不仅可以获得较高的峰值信噪比,而且在视觉上达到明显的去噪效果。

基于四元数小波变换和自适应神经网络的图像融合处理

夜晚环境下,同一物体的可见光图像、红外图像以及环境噪声等特征信息往往融合在一起,从而导致所提取的图像清晰度变差,边缘模糊等。为改善夜间图像的可视化效果,提出了一种基于四元数小波变换和自适应神经网络的红外与可见光图像融合算法。该算法首先对夜间原图像中的弱光信息进行动态压缩和自适应增强;再利用四元数小波变换对增强后图像的可见光、红外部分进行分解;在低频部分,取系数最大的融合算法;在高频部分,采用神经网络参数自适应融合算法;最后,采用四元数小波逆变换得到融合图像。理论与实验表明,该算法能很好地改善夜视场景下同一目标图像的提取效果。

四元数小波变换的无参考图像质量评价

提出了一种新的利用四元数小波变换的通用型无参考图像质量评价算法,其利用四元小波金字塔将二维图像映射到四维空间,每层可以表示为1个幅值和3个相位(Φ,θ,ψ),其中ψ相位包含丰富的图像纹理信息,能有效表征图像的结构信息。因此,通过提取各尺度ψ相位中能有效表征图像失真程度的特征,并构成特征向量,通过支持向量回归(support vector regression,SVR)模型预测图像质量得分。实验结果表明,该算法能有效反映各失真类型图像的视觉感知质量,斯皮尔曼等级相关系数值能达到0.942。

基于四元数小波变换和奇异值分解的图像水印

文章提出了基于四元数小波变换(QWT)和奇异值分解(SVD)的数字图像水印算法,该算法对原始载体图像进行四元数小波变换和奇异值分解,对水印图像进行Arnold变换和奇异值分解,并把分解的水印嵌入到分解后的原始载体图像中。结果表明,该算法对高斯噪声、剪切、JPEG压缩及滤波具有较强的鲁棒性。

基于四元数小波变换和2APCNN的NSST域图像融合

针对传统基于非下采样剪切波变换(NSST)的图像融合算法中存在的不足,提出一种基于四元数小波变换(QWT)和脉冲耦合神经网络(PCNN)相结合的NSST域图像融合算法.这种算法结合了两种变换域算法的优势,在图像细节和纹理信息的保留方面取得了很大的改进.从多组实验的对比分析发现,该算法能够在红外与可见光图像融合上达到较好的视觉效果.

基于四元数小波变换的清晰度评价

针对当前各种图像清晰度评价方法在清晰度判别过程中单调性和区分度不够以及适用范围较小的问题,提出了一种基于四元数小波变换(QWT)幅值与相位的图像清晰度评价方法。该算法通过四元数小波变换将图像从空间域变换到频率域,对得到的四元数小波变换系数进一步计算之后获得低频子带与高频子带的幅值与相位信息,求得低频子带幅值各方向的梯度之后与对应方向的相位相乘求和,最终得到两个清晰度指标值。采用该算法与多种现有算法对不同内容的图像、不同程度模糊的图像以及含有不同程度噪声的图像进行清晰度评价实验:相对于现有算法,所提算法在对上述多种图像的清晰度评价中都保持着很好的单调性与区分度。实验结果表明,所提算法不但克服了现有算法在单调性与区分度上的不足,而且所提清晰度评价指标可以应用在图像处理中。

基于四元数小波变换的医学图像边缘检测

医学图像的边缘检测可以使医生更准确清晰地获得有用信息,区分病灶部位便于疾病的诊断。为了能够准确获得医学图像边缘,并且抑制医学图像产生过程中的噪声和伪影,本文提出一种新的医学图像边缘检测算法,利用四元数小波变换的本质二维属性,从水平、垂直和对角子带对医学图像进行分解和重构,最终选择合适阈值显示出图像的边缘。实验结果表明,本文提出的方法较传统的边缘检测算子效果有明显的提高,通过边缘检测评价显示本文算法具有精确的医学图像边缘定位检测能力和抗噪声伪影特性。

基于多核学习和四元数小波变换的无参考图像质量评价

为了能够有效地对各种类型失真立体图像的质量进行评价,文章基于广义高斯分布统计特性,提出了一种利用四元数小波变换的通用型无参考立体图像质量评价算法,通过广义高斯函数来拟合小波系数分布,采用SSIM匹配算法获取立体图像的深度信息,并通过多核学习的方法,对失真立体图像的失真程度进行客观的评价,得到对应图像的客观评价值。

四元数小波变换优化单目图的无参考立体图像质量评价

通过四元数小波变换分解立体图像的左右视图,获取不同尺度不同方向的幅值相位信息,并结合人眼视觉特性生成单目图;对左右视图和单目图作亮度去均值对比度归一化(MSCN)处理,获取MSCN系数图,采用广义高斯分布模型拟合MSCN系数和MSCN四方向邻域系数乘积,提取统计参数特征(联合峰度、偏度、标准偏差和能量),组成特征向量,通过XGBoost模型预测图像质量感知得分。结果表明,所提立体图像质量评价算法在LIVE3D图像库上优于其他方法,并且运行速度得到大幅度提高。

基于非高斯分布的四元数小波图像去噪

图像去噪一直是图像处理的经典问题之一。四元数小波变换是一种新的多尺度分析图像处理工具,图像通过四元数小波变换后的小波系数尺度间具有一定的相关性,而广义高斯分布不能体现这个特性。本文首先采用非高斯二元分布的贝叶斯统计模型来模拟四元数小波系数的统计分布,然后运用最大后验概率估计从带噪声图中的小波系数估计原图的小波系数,从而达到去除噪声的目的。实验表明;该方法不仅可以达到明显的去除噪声的效果,而且在峰值信噪比上也要优于目前的许多算法。

基于四元数小波幅值相位表示及分块投票策略的人脸识别方法

提出一种基于四元数小波幅值相位表示及分块投票策略的人脸识别方法。该方法首先对人脸图像进行预处理,利用四元数小波变换的四路小波提取多个角度方向的小波系数,并求取四元数幅值和三个相位,将这些幅值和相位特征组合并分成若干子块,对每个子块根据最近邻原则进行分类,对各子块分类结果进行投票以实现人脸图像最终识别。对五个人脸数据库的实验表明,该方法具有较高识别率和对表情及光照变化的鲁棒性。

四元数小波和AdaBoost在人脸识别中的应用

提出一种基于四元数小波变换(QWT)幅值相位表示及AdaBoost的人脸识别方法。四元数小波变换具有近似的移不变特性,可以同时支持1个幅值和3个相位,其中两个相位编码局部图像移动,而第三个相位蕴含纹理信息。方法对人脸图像进行预处理,进行四元数小波变换并计算四元数幅值和相位特征,将这些幅值和相位组合并应用AdaBoost分类器进行分类,以实现人脸图像的最终识别。对Yale、ORL和FERET三个人脸数据库应用此方法的实验结果表明,该方法在识别率上优于AdaBoost和Gabor+AdaBoost。特别是在FERET数据上精度提高更为明显,而且在计算复杂度上QWT特征提取明显低于Gabor特征提取。

基于自适应PCNN模型的四元数小波域图像融合算法

针对红外和可见光图像的自身特点,本文提出一种基于四元数小波变换(QWT)和自适应脉冲耦合神经网络(PCNN)模型相结合的红外图像与可见光图像融合的新算法。首先将红外图像与可见光图像分别进行四元数小波变换,分别得到低频子带和高频子带系数;其次,采用局部区域方差匹配的融合准则处理低频子带系数,并用自适应的PCNN模型处理高频子带系数,用一种改进的空间频率作为PCNN模型的刺激输入,且采用拉普拉斯算子调节PCNN模型的阈值;最后经过四元数小波逆变换实现图像的融合。将本文提出的新算法与经典的图像融合算法进行对比分析,实验结果说明,新方法取得了较好地视觉改进效果,并在客观标准上也达到一定的提高。

一种新的基于NIG模型的四元数小波图像去噪方法

基于正态逆高斯模型和快速双边滤波,本文在四元数小波变换域提出一种新的图像去噪算法。首先将噪声图像进行四元数小波变换分解,其次应用快速双边滤波算法处理低频子带,高频子带采用正态逆高斯模型对其进行建模,并结合最大后验概率估计准则推导出相应的阈值函数,最后结合最优线性插值得到的阈值算法实现图像去噪。对提出的算法进行实验仿真,通过与已有优秀去噪算法比较,结果显示本文方法取得了不错的视觉效果,且在峰值信噪比和平均结构相似性上都得到一定的提高。

基于DCT变换的QWT域改进的图像盲水印算法

针对数字图像的版权保护,基于离散余弦变换和四元数小波变换,提出了一种新的改进的盲水印算法,先根据待嵌入水印的大小对载体图像进行四元数小波变换,获得与幅值和相位信息相对应的4幅低频子带,然后对每个低频子带分别进行全局离散余弦变换,最后通过修改两个随机子带中特定位置上DCT系数的大小关系嵌入水印,利用分阶线性Logistic映射产生的混沌序列预处理经Arnold置乱后的水印信息和确定水印的嵌入位置。实验结果表明,该算法对添加噪声、JPEG压缩、滤波和亮度及对比度调整等攻击都具有很强的鲁棒性。

极端学习四元数小波特征的立体图像质量评价

为了有效、实时地对各种类型失真立体图像质量进行评价,提出了一种基于极端学习(ELM)和四元数小波交换(QWT)的无参考(NR)立体图像质量评价方法。首先利用SSIM密度立体匹配模型生成相关的视差图、差异度可信图和右视图差异补偿图3D映射图;然后分别对左右视图、视差图和差异度可信图进行QWT,计算图像QWT第3相位系数相位幅值加权标准差和能量;再计算右视图差异补偿图统计特征熵和中值;最后将所提取的所有特征输入到基于核映射ELM学习,预测失真立体图像质量。在LIVE3D图像质量评价数据库上的实验结果表明,本方法与人类主观质量评分具有较好的一致性。在LIVE 3D图像质量库I(Phase I)和库II(Phase II)上的斯皮尔曼相关系数(SROCC)分别达到0.926和0.914。

融合多种特征的烟雾图像检测算法

提出了一种融合烟雾模糊、扩散、主方向角等多种特征的烟雾检测算法。首先对图像进行运动区域提取,在对图像进行二维离散小波变换和四元数小波变换的基础上,获得了运动区域的背景模糊模型和光流场;然后再根据光流场的相位信息,计算出光流相位分布向量和主方向角;最后依据联合判别准则对背景模糊模型、光流相位分布向量和主方向角进行判别,从而判断出运动区域是否为烟雾。实验结果表明,与利用单一特征检测烟雾的算法相比,所提出的算法有效地提高了烟雾的识别率。

基于QWT和GLCM的多特征双重加权纹理分割

针对传统特征加权算法对混合属性数据只进行全局样本加权,而忽略不同特征提取算法对纹理描述性能强弱的缺点,提出一种基于算法有效性和特征重要性的双重加权策略.将四元数小波变换和灰度共生矩阵融合特征应用k-means算法进行初聚类,并以此产生的初始聚类中心作为参考,取每类聚类中心的k-近邻样本作为双重加权的训练样本集合.利用改进的ReliefF算法和相关性度量解决特征内权值的设定问题,再利用SVM解决特征间加权问题,最后将双重特征加权结合FCM应用于纹理分割.实验结果表明,该方法在合成纹理和自然纹理图像中均有较好的性能,且较其他特征加权算法分割准确度更高.