基于非下采样Shearlet变换耦合能量关联度的医学图像融合算法

为了克服当前较多医学图像融合方法在采用图像的能量信息融合图像时,忽略了不同图像能量的关联度,使得融合结果存在细节丢失现象和模糊现象等问题,提出了一种非下采样Shearlet变换(NSST,non-subsampled shearlet transform)耦合能量关联度的医学图像融合算法;借助NSST变换,在多尺度下对输入医学图像进行解析,获取其低频及高频子带系数;以图像的能量信息为依据,构造能量关联度函数,测量不同图像的关联程度;根据不同图像的关联度,设计不同的低频子带融合规则,获取信息含量丰富且连贯性较好的融合低频子带;在空间频率函数的基础上,注入图像的对角信息,使之成为多元空间频率函数,以计算图像的清晰度;引入标准差函数,计算图像的对比度;联合图像的清晰度和对比度信息,获取纹理及对比度等特征都较优良的融合高频子带;基于逆NSST变换,重构融合结果;主观和客观实验结果表明,较当前较为流行的医学图像融合技术而言,所提方法具备更高的融合质量,呈现出更多的纹理细节和更高的清晰度。

基于非下采样Shearlet变换的磁瓦表面缺陷检测

针对磁瓦表面缺陷对比度低,图像受不均匀背景和磨削纹理干扰大等问题,提出了一种基于非下采样Shearlet变换(non-subsampled Shearlet transform,NSST)的磁瓦表面缺陷检测方法。首先,对磁瓦图像进行多尺度多方向NSST分解,得到一个低频子带图像及多个频率和方向变化的高频子带图像。然后对缺陷在高低频域表现出的不同特征进行针对性的处理,在低频子带中分别计算行均值线图像和列均值线图像,将列均值线图像沿行均值线图像扩展,构造基于均值的自适应阈值对低频子带进行滤波,以去除不均匀背景;同时,利用同一分解尺度下各高频子带系数中微弱缺陷信号的方差较大,显著缺陷信号的能量较大,而噪声和背景干扰信号的方差和能量均较小的差异,构造基于Shearlet高频分解系数方差和能量的综合高频缺陷识别算子,滤除高频子带中的噪声和背景干扰。最后,对修正后的分解系数进行逆NSST重构,得到背景均匀,磨削纹理和噪声干扰被充分抑制的高对比度图像,并采用自适应阈值分割方法提取出缺陷区域。实验结果表明,该方法的假阳性率、假阴性率和检测准确率分别达到8.8%、5.0%和93.1%;本文算法在MATLAB仿真平台中平均运行时间为0.629 s;相较于现有的磁瓦表面缺陷检测算法,该方法能够有效地去除不均匀背景、磨削纹理和噪声干扰,检测结果更加准确,鲁棒性更强。

基于非下采样Shearlet变换的磁瓦表面裂纹检测

针对磁瓦表面裂纹缺陷图像背景不均匀、对比度低和存在纹理干扰等特点,提出了一种基于非下采样Shearlet变换(Nonsubsampled Shearlet transform,NSST)的裂纹检测方法。首先对原始图像进行多尺度、多方向NSST分解,得到一个低频子带和多个高频子带,然后利用各向异性扩散和改进的γ增强方法对高频子带进行滤波和增强;同时利用二维高斯函数对低频子带进行卷积操作来构造高斯多尺度空间,估计出图像的主要背景,并通过背景差法得到均匀的低频目标图像。最后通过重构NSST系数得到去噪和增强后的均匀目标图像,利用自适应阈值分割和区域连通法提取裂纹缺陷。实验结果表明,所提方法检测准确率达92.5%,优于基于形态学滤波方法、基于Curvelet变换方法和基于Shearlet变换方法等现有磁瓦表面裂纹检测方法。

稀疏表示和非下采样Shearlet变换相结合的多聚焦图像融合

针对多聚焦图像融合过程中源图像未精确配准带来的伪吉布斯现象,提出一种稀疏表示和非下采样Shearlet变换相结合的图像融合方法.该方法首先利用非下采样Shearlet变换对源图像进行多尺度分解,低频系数采用稀疏表示进行融合,为了提高算法效率和更好地逼近低频系数,将初始融合的低频子图直接作为训练样本自适应构造过完备字典,高频系数采用改进拉普拉斯能量和取大的融合规则,然后重构低高频融合系数得到最终的融合图像.通过和多种融合方法进行对比实验,本文方法融合结果无论从主观视觉还是客观评价上都能得到很好的效果.

基于非下采样shearlet变换的微地震随机噪声压制

基于非下采样shearlet变换的微地震资料去噪方法,相比于其他多尺度变换方法具有更好的方向敏感性和最优稀疏表示性能,具有更强的去除随机噪声的能力,信号保真度更好。同时较传统的shearlet变换具有平移不变性,克服了伪吉布斯现象。利用非下采样shearlet变换阈值去噪法与小波和曲波阈值变换方法对微地震仿真和实际资料的随机噪声的压制进行对比分析,结果表明非下采样shearlet变换具有更好的去噪能力。

非下采样Shearlet变换耦合边缘制约的遥感图像融合算法

为了解决当前遥感图像融合算法因忽略了区域中像素点的边缘特征而导致融合图像中存在块效应以及模糊效应的不足,在非下采样Shearlet变换的基础上,设计了基于边缘制约模型的遥感图像融合算法。首先,将多光谱(MS)图像经过IHS分解,提取相应的亮度分量。然后,通过非下采样Shearlet变换,将全色(PAN)图像与亮度分量进行分解,获取各自的高频系数与低频系数。再通过图像的空间频率特征,建立低频系数的融合函数,对低频系数进行融合。并利用图像的区域平均梯度特征与图像区域中像素点的边缘能量特征,构造了边缘制约模型,对高频系数进行融合。最后,将融合后低频系数、高频系数经非下采样Shearlet逆变换和IHS逆变换,获取融合图像。实验结果显示,与当前遥感图像融合方法相比,所提算法的融合图像具有更高的清晰度,更好地保持了图像的光谱特性,消除了块效应以及模糊效应。

基于非下采样Shearlet变换与剥离策略的可见光与红外图像融合算法

为了使可见光与红外融合图像能更好的表达目标信息,联合非下采样Shearlet变换与剥离策略,对其进行融合。首先,借助非下采样Shearlet变换,获取可见光与红外图像的高、低频成分。然后,通过Otsu阈值分割方法来构建剥离策略,将红外图像中的目标层与其背景层进行剥离,并以目标层为基础,利用图像的区域能量特征,对可见光图像与红外图像背景层的低频系数进行加权计算,并将结果与红外图像的目标层结合,以得到富含目标内容和背景内容的融合低频系数。引入区域方差函数,对图像的细节特征进行测算,通过构造方差加权因子,得到富含细节特征的融合高频系数。最后,对两个融合系数实施非下采样Shearlet逆变换,从而输出融合图像。实验结果显示,本算法融合的图像,比现有融合算法融合的图像更具优良的目标及细节表达能力,可用于获取高质量的可见光与红外融合图像。

基于非下采样Shearlet变换与差异度量的遥感图像融合算法

为了解决当前基于加权平均机制的遥感图像融合算法忽略了图像像素间的差异性,易导致融合图像出现振铃及光谱失真等问题,设计了非下采样Shearlet变换耦合差异度量的遥感图像融合算法。引入亮度-色调-饱和度(IHS)变换,获取多光(multi-spectral,MS)图像中的亮度I成分;借助非下采样Shearlet变换,计算出I分量及全色(PAN)图像对应的低频及高频系数;再利用结构相似度(SSIM)函数,对低频系数的差异性实施度量,从而构建了差异度量法则,根据低频系数间的差异性采取不同的低频系数融合策略,实现低频系数的融合;考虑图像的平均梯度信息,构建高频系数融合机制,完成高频系数的融合。基于非下采样Shearlet逆变换,对融合的高频及低频系数实施处理,获取融合结果。实验结果显示,较已有的遥感图像融合方法而言,所提技术具备更高的融合效果,其输出结果含有更大的信息熵值和更低的光谱偏差度。

基于非下采样Shearlet变换与模糊对比度的合成孔径雷达图像增强

针对合成孔径雷达(SAR)图像在成像和传输过程中引入噪声和干扰从而导致图像清晰度下降、细节丢失等问题,提出了一种非下采样Shearlet变换(NSST)与模糊对比度的SAR图像增强算法。首先,原始图像经NSST分解成一个低频分量和若干个高频分量;然后对低频分量进行线性增强以提高整体对比度,对高频分量采用阈值法进行增强以去除图像中的噪声;接着对处理后的两部分分量进行NSST反变换得到重构图像;最后采用模糊对比度算法对重构图像进行增强,提高图像细节信息和层次感,得到增强后的图像。对40幅图像的实验结果表明,与直方图均衡化、多尺度Retinex增强算法、基于Shearlet变换和多尺度Retinex的遥感图像增强算法、基于剪切波域改进Gamma校正的医学图像增强算法相比,该算法的图像峰值信噪比至少提升了22.9%,均方根误差至少降低了36.2%,能明显提升图像的清晰度,使图像的纹理信息更加清晰。

基于非下采样Shearlet变换耦合相对亮度测度的可见光与红外图像融合算法

为了克服当前较多可见光与红外图像融合方法在通过图像能量特征融合图像时,忽略了图像的全局相对亮度特征,导致融合图像存在红外目标表达能力弱等问题,文章引入非下采样Shearlet变换,通过测量图像的相对亮度来融合图像。借助NSST变换来处理输入图像,解析出图像的低频和高频系数;采用区域能量函数,对区域图像所含的能量特征进行测量,利用图像的全局均值和区域均值,构造相对亮度测度模型,求取区域图像的相对亮度特征,并将区域图像的能量特征和相对亮度特征结合,对低频系数完成加权融合;利用图像的行、列、对角维度上的频率值,建立四维细节测量因子,以计算出图像的细节特征,完成高频系数融合,从而求取融合图像。实验结果表明,较当前算法的融合图像,所提算法不仅能更好的显示出图像的细节内容,而且还能更好的表达图像中的红外目标内容。

基于二元Weibull分布的非下采样Shearlet域图像水印算法

不可感知性、鲁棒性、水印容量是衡量数字图像水印算法优劣的最重要指标,且三者存在固有的相互矛盾关系,可保持不可感知性、鲁棒性、水印容量之间良好平衡的图像水印方法研究是一项富有挑战性的工作.以非下采样Shearlet变换(nonsubsampled Shearlet transform, NSST)与二元Weibull分布理论为基础,提出了一种基于二元Weibull统计建模的非下采样Shearlet域数字图像水印算法.1)构造出基于非线性单调函数的自适应高阶水印嵌入强度函数;2)根据NSST域尺度间相关性,利用二元Weibull边缘分布对NSST域高熵块奇异值进行统计建模,并估计出二元Weibull统计模型参数;3)结合NSST域二元Weibull边缘分布模型与最大似然决策理论,构造出二元数字水印检测器并盲提取水印信息.仿真实验结果表明:该算法可以较好地获得不可感知性、鲁棒性、水印容量之间的良好平衡.

基于Cauchy分布的非下采样Shearlet HMT模型及其图像去噪应用

Shearlet变换作为后小波时代的一个重要的多尺度几何分析工具具有良好的各向异性和方向捕捉性,同时它也可以对诸如图像等多维信号进行一种近最优的稀疏表示.非下采样Shearlet变换(NSST)在保持Shearlet变换特性的同时还具有平移不变特性,这在具有丰富纹理和细节信息的图像处理中发挥着重要作用.该文首先对图像NSST方向子带内系数的概率密度分布进行分析,获得系数的稀疏统计特性和Cauchy分布拟合子带内系数的有效性;其次对NSST方向子带间系数的联合概率分布进行分析,获得方向子带系数间所具有的持续和传递特性,确定了一种NSST子带间树形架构的系数对应关系,进而提出一种NSST域隐马尔可夫模树模型(C-NSSTHMT),该模型通过Cauchy分布来拟合NSST系数,更好地揭示图像NSST变换后相同尺度子带内和不同尺度子带间系数的相关性.进一步提出一种基于所提出C-NSST-HMT模型的图像去噪算法,该算法对于含噪声方差为30和40的噪声图像,其去噪后的PSNR(Peak Signal to Noise Ratio)较NSCT-HMT方法分别提高了1.995dB和1.193dB.特别对纹理和细节丰富的图像,该算法在去噪的同时,有效地保留了图像的几何信息.

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%。

基于非下采样Shearlet和WNMF的红外热波图像融合

提出了基于非下采样Shearlet变换和加权非负矩阵分解的红外热波图像融合方法.红外热波序列图像经非下采样Shearlet变换后,采用动态加权非负矩阵分解算法对低频系数进行融合处理.该算法的加权系数依据图像像素突变度动态调整,以突出红外热波图像的缺陷区域;高频系数则采取基于区域改进拉普拉斯能量和的融合策略,以保持缺陷的边缘细节.实验结果表明,本文方法在主观视觉效果及边缘保持度、相关度、运行时间三种客观定量评价指标中,融合性能更优,具有快速、有效等优点,能更完整和清晰地保持红外热波图像的边缘轮廓.该方法可有效地应用于多幅红外热波序列图像的融合中,在红外热波无损检测领域具有较高的实用价值.

基于非下采样剪切波变换与引导滤波结合的遥感图像增强

针对遥感图像中对比度低、细节信息缺失和边缘梯度保持能力较弱等问题,提出了一种基于非下采样剪切波变换(NSST)与引导滤波相结合的遥感图像增强算法。首先,原始图像通过NSST被分解成低频子带和高频子带两部分。然后,对低频子带进行线性增强,提高整体对比度;采用自适应阈值法抑制高频子带的噪声,再对去噪后的高频子带进行引导滤波增强,提高图像的细节信息和边缘梯度保持能力。最后,对两部分子带进行NSST反变换,得到增强后的图像。实验结果表明,与直方图均衡、基于Contourlet变换和模糊理论的图像增强算法、基于非下采样Contourlet变换与反锐化掩膜结合的遥感图像增强算法以及基于非下采样Shearlet变换与参数化对数图像处理相结合的遥感图像增强算法相比,该算法的图像信息熵、峰值信噪比(PSNR)和结构相似性(SSIM)都有一定的提升,能明显地改善图像视觉效果,使得图像纹理更加清晰。

Shearlet变换与核各向异性扩散的图像噪声抑制

为了更有效地抑制图像噪声,改善图像视觉效果,提出了一种基于非下采样Shearlet变换(nonsubsampled shearlet transform,NSST)与核各向异性扩散的图像噪声抑制方法.首先对含噪图像进行非下采样Shearlet变换;然后对所得到的低频和高频分量分别进行改进的全变差(improved total variation,ITV)扩散与核各向异性扩散(kernel anisotropic diffusion,KAD);最后对扩散后的低频和高频分量进行非下采样Shearlet逆变换得到噪声抑制后的图像.给出了实验结果,并且依据主观视觉效果和峰值信噪比、结构相似度两种定量评价指标,与近年来提出的基于小波阈值收缩结合全变差、基于复Contourlet域非线性扩散、自适应Shearlet域约束的全变差等3种噪声抑制方法进行了比较.实验结果表明,该方法的噪声抑制能力更强,且更为完整地保留了图像的边缘和细节信息.

基于Shearlet域各向异性扩散和稀疏表示的图像去噪

为了更有效地去除图像噪声,同时更好地保留图像边缘细节信息,提出了一种基于shearlet域各向异性扩散和稀疏表示的图像去噪方法.首先对含噪图像进行非下采样shearlet变换(nonsubsampled shear1et transform,NSST),将图像分解为低频分量和多个高频分量.低频分量中包含图像信号的主要能量以及少量的噪声,而高频分量中含有大部分噪声和图像边缘信息.然后,利用K-奇异值分解(K-singularvalue decomposition,K-SVD)算法去除低频分量中的噪声,各个方向的高频分量则通过核各向异性扩散(kernel anisotropic diffusion,KAD)算法进行去噪.最后,对处理过的低频分量和高频分量进行非下采样shearlet反变换(inverse nonsubsampled shearlet transform,INSST),得到重构图像,从而有效地去除图像噪声,保留图像边缘细节.实验结果表明,与小波扩散去噪法、shearlet硬阈值去噪法、K-SVD稀疏去噪法、小波域稀疏去噪法相比,该方法的去噪能力更强,并能更好地保留图像纹理细节特征,改善图像视觉效果.

基于Shearlet域方向模极大值和改进蜂群的图像边缘检测

为从图像中提取出更为准确、清晰的边缘,本文提出一种基于Shearlet域方向模极大值和改进蜂群的边缘检测方法。对图像进行非下采样Shearlet分解;对于低频分量,利用改进的蜂群算法准确检测出边缘的基本轮廓线;而对于高频分量,采用方向模极大值算法检测出图像中丰富的边缘细节;融合后得到轮廓完整、细节丰富的图像边缘。实验结果表明:与Canny方法、改进的蚁群方法、改进的蜂群方法、改进的非下采样Contourlet模极大值方法相比,本文提出的方法检测出的图像边缘定位准确、完整清晰、细节丰富,边缘检测效果更好,且运行时间较少。

基于特征距离与极谐变换的图像检索算法

为提高图像在数据集中的检索准确度,设计了基于加权距离与多元极谐变换的图像检索算法。在查询图像的色调-饱和度-亮度(HSV)空间内,提取其颜色特征;并引入贝塞尔K分布与非下采样Shearlet变换(NSST)方法得到查询图像的纹理特征,改善其对模糊与亮度变换等操作的稳健性;借助四元极谐变换(QPHT)机制,将图像的QPHT模系数视为形状特征,提高对噪声与几何变换的鲁棒性。通过融合这3种特征,分别计算查询图像与数据库图像之间对应的特征距离,并赋予三者对应的权重,以测量两幅图像之间的相似度,从而准确输出检索结果。测试数据显示,与当前基于内容的图像检索技术相比,所提算法具备更高的检索准确度和鲁棒性,在多种几何变换攻击下,仍可以准确检索出目标。

基于NSST变换与粒子群优化的鲁棒水印算法

为增强水印图像的视觉隐秘性并抵御几何失真能力,设计NSST变换耦合粒子群优化的鲁棒水印算法。提取图像对应的Y(亮度)、U(色度)、V(浓度)成分;引入非下采样Shearlet变换(nonsubsampled Shearlet transform,NSST),对Y、U和V实施分解,形成对应的低频子带,将其分割为若干个子块;建立粒子群算法的适应度函数,优化子块的嵌入强度;构建水印嵌入方法,将水印信息隐藏到NSST系数中;构建训练图像集,计算这些样本的多元极谐变换(quaternion polar harmonic transorm,QPHT)矩,从中确定8个QPHT系数;训练支持向量机,预测攻击参数;构建水印检测方法,从校正图像中提取水印。测试数据表明,较已有的鲁棒水印技术而言,所提方案具有更高的不可感知性与抵御几何攻击的能力。