NA-Bandelet基的构造及其在图像去噪中的应用

构造了具有抗噪性能的自适应Bandelet基。文中首先在带噪信号的二进剖分块内,利用软阈值函数和在SURE准则下获得的阈值T,计算出对无噪信号的逼近结果,再按照最小化逼近误差原则,寻找出二进剖分块的几何方向。然后在最小化均分误差(MMSE)的原则下合并二进剖分块,最终确定了NA-Bandelet的方向。提出了基于NA-Bandelet基去噪算法,分别对光学图像和SAR图像进行去噪和降斑处理。与基于正交小波基、Bandelet基的去噪、降斑算法相比较,结果表明,提出的算法能有效地去除噪声,并且具有更强的边缘保持能力。

基于二代Bandelet和主成分变换的高光谱遥感图像融合

针对高光谱遥感图像具有波段多、波段间冗余大的特点,提出一种基于二代Bandelet和主成分(principalcomponents analysis,PCA)变换的高光谱遥感图像融合的方法,利用二代Bandelet变换进行图像的多尺度几何分析,得到每个波段图像的Bandelet系数和几何流,对多个波段Bandelet系数和几何流进行PCA变换,得到其主成分,逆变换重构图像.实验结果表明,基于二代Bandelet和PCA变换的方法能很好地融合高光谱遥感图像,优于传统的Bandelet变换和PCA变换.

基于第二代Bandelet变换的图像认证水印算法

设计了一种基于第二代Bandelet变换和自适应统计模型的图像认证水印算法。提出了用Bandelet变换生成图像矢量方向流的算法,应用图像的矢量方向流来刻画图像特征,并构造了基于高斯分布统计模型的水印修改自适应噪声可见强度算法。通过噪声可见强度筛选出含纹理信息较多的图像分块隐藏图像矢量方向流。利用提取出的隐藏方向流信息和用Bandelet变换生成的方向流作相关性检测,实现对图像的认证。实验结果表明,该算法有很强的抗JPEG和噪声攻击能力,保证了水印图像的视觉质量和顽健性,实现了盲检测,隐蔽性和安全性较好。

基于Bandelet与自适应矩阵范数的全频率无损水印方法

数字水印技术是一种新型的数字图像版权认证和保护技术.传统的数字水印一般通过修改图像数据达到信息隐藏的目的,不适合用于保护不允许修改的图像数据,无损数字水印为这类数据的保护提供了一种有效的方法.提出了一种无需对图像数据做修改的全频率无损数字水印实现方法.首先对图像实施小波变换,变换后的中高频部分采用Bandelet跟踪图像几何流,将纹理和边缘作为图像的特征从而构造出图像高频无损水印参数.对于小波变换的低频部分,通过选取最优的矩阵范数,得到低频系数水印参数生成方案,达到提取图像统计和边缘特征,对图像实现全面保护的目的.实验证明该算法具有良好的抗攻击能力,能够广泛用于对不可修改数据的保护.

基于第二代bandelets的图像去噪

本文提出一种基于第二代bandelets,并结合多层阈值和自适应Wiener滤波的图像去噪方法.第二代bandelets能充分利用图像内在的几何正则性,自适应获得图像的最优表示;多层阈值符合小波多尺度域的系数统计特性;维纳滤波可以有效去除阈值去噪带来的纹理效应.实验结果表明:该去噪方法与基于小波变换的方法相比,作用于含有加性高斯白噪声的光学图像时,避免了小波变换带来的边界的振铃效应,并在峰值信噪比上有一定的改善;作用于合成孔径雷达图像中的相干斑抑制时,不论从视觉效果还是等效视数和比值图等衡量指标上都取得了较好的效果.

基于Bandelet变换的手背静脉识别算法

提出一种基于Bandelet变换的手背静脉识别算法,该算法利用Bandelet变换对静脉图像进行特征点提取,通过提取的特征点构造了表征静脉纹理特征的特征向量,通过计算待识别样本特征向量与目标样本特征向量的相关系数得出其相似度,并在利用自制采集设备采集的样本库上对算法进行测试,给出了实验结果.

基于Bandelets域逐子块阈值的图像去噪

把正交bandelets域经四叉树分割的每一子块系数建模为广义高斯分布,基于Bayesian框架,推导出了自适应逐子块局部阈值的计算公式,找出了其参数分布的最佳范围,提出了图像bandelets域的逐子块阈值去噪算法.由于充分利用了图像的局部统计信息,所提算法对自然图像去噪的视觉效果和评价指标都好于BayesShrink和其它基于阈值的去噪算法.

联合二代Bandelet和Wavelet对图像进行分层压缩

一幅图像可以分解为匀质结构图和几何纹理图两个分量。基于这种思想,提出了一种使用二代Bandelet和小波对图像进行分层压缩的有效算法。首先,使用全变分方法把原始图像f分解为u和v两部分,其中u代表f中的结构分量,v代表纹理分量;对u进行小波变换,对v进行二代Bandelet变换。采用了自顶向下的四叉树分解算法,优化了二代Bandelet的四叉树建立过程。实验结果表明,该压缩方法的重建图像在视觉效果和客观SSIM值两方面均优于JPEG2000和Bandelets。

基于非下采样Bandelet变换的多聚焦图像融合

针对同一场景的多聚焦图像,提出了基于非下采样Bandelet变换(NSBT)的图像融合方法。首先求出源图像的平均图像,再利用该图像的小波系数计算出最优的几何流,进而构造出一组Bandelet基,然后将源图像通过这组基进行表示,对得到的系数按所对应的不同物理意义分别进行融合,最后将融合系数进行非下采样Bandelet逆变换得到融合图像。实验结果表明,与基于小波变换(WT)和非下采样小波变换(NSWT)的融合方法相比,本文所提方法取得了更好的视觉效果和量化指标。

自适应Bandelet框架及其在图像去噪中的应用

在Bandelet变换中噪声影响了对图像实际几何方向的寻找。针对这一问题,提出了一种自适应Bandelet框架——根据图像去噪这一应用目标,重新修定建立四叉树结构和确定图像几何方向的若干规则,从而计算出较为精确的图像几何方向,并且实现了基于自适应Bandelet框架的去噪算法。实验表明同传统的小波子带多阈值去噪法相比,该算法不仅提高了去噪后图像的峰值信噪比(PSNR),而且更好地保留了图像的细节特征。

基于第二代Bandelets变换的静止图像压缩

基于第二代Bandelets变换提出了一种静止图像压缩算法．先引入数字线表示离散域中的直线，再通过目标码率来计算相应的近似量化值，对建立的率失真函数取最小值得到最佳的Bandelets变换方向，然后根据子带相关性以建立四叉树并通过编码扫描次序来存储系数，最后将JPEG2000的比特位平面和上下文编码应用到量化后的Bandelets系数，从而实现了图像压缩．该算法降低了方向寻优的计算复杂度，减少了表征方向信息所需比特数和辅助的方向信息总量，同时提高了压缩图像的质量．实验结果表明，与JPEG2000相比，该算法的峰值信噪比可提高0．3-1．3dB．

基于稀疏模型的Bandelet图像去噪方法

提出一种基于Bandelet变换的图像去噪方法,以提高高噪声方差的图像去噪效果。Bandelet变换的核心是Lagrangian函数代价项的准确选取,本文从图像基追踪稀疏模型表示原理和图像阈值去噪方法的内在关系入手,重新定义Lagrangian函数,从而使图像稀疏去噪模型含义更明确,计算更简单。在去噪过程中,首先采用二维平移不变小波变换把图像分解为高频子带;然后用局部Bandelet块估计Bayes阈值确定Lagrangian函数的代价因子,从而对各个高频实施Bandelet化;最后对高频图像系数Bayes软阈值收缩实现图像去噪。国际标准中几何特征明显图像测试表明:在高斯白噪声的方差低于502时,本文方法的去噪效果和目前最好方法的效果相当;当噪声的方差等于或者高于502时,本文去噪方法效果更好。

联合Contourlet和Bandelet的变换在图像压缩中的应用

针对小波变换方向选择性差的局限,提出了一种基于Contourlet的Bandelet变换.该变换首先通过小波变换把图像分解成不同频率的子带,接着用方向滤波器组把高频子带分解为多个方向子带,之后对每个方向子带进行Bandelet变换.这种多方向多尺度临界采样的变换能更稀疏地表示图像边缘和纹理等几何特征,有利于图像压缩.将JPEG2000的比特位平面和上下文编码方法应用到量化后的变换系数上实现了图像压缩.实验结果表明,对于纹理和边缘丰富的图像,提出的压缩算法优于JPEG2000.

基于复Bandelets的自适应SAR图像相干斑抑制

针对SAR图像统计特性,构建具有良好的平移不变性、方向选择性和自适应近似最优匹配性能的复Bandelet基函数,并提出一种相干斑抑制算法.该算法基于全变差构建复Bandelet寻优的目标函数;采用广义交叉验证准则,在不需要估计噪声方差的情况下,自适应获取各个分解层的渐进最优阈值.实验与经典空域滤波、基于小波、双树复小波和Bandelets的滤波方法进行了比较,结果表明基于复Bandelets的滤波方法在有效滤波的同时更好地保护了图像的几何结构信息,客观衡量指标和视觉效果都有较明显的改善.

依据HVS的改进Bandelet变换域图像数字水印

提出了一种新颖的基于第二代Bandelet变换域的有意义鲁棒性数字水印算法。第二代Bandelet变换是一种新兴的多尺度几何分析方法,能自适应地跟踪图像的几何正则方向。算法首先通过改进变换中的几何角度方向搜索方法降低了运算量,提高了变换速度。依据HVS(Human Visual System)关于人眼对图像的纹理和边缘变换不敏感的特性,选择表示几何方向、纹理、边缘特征的大幅值变换系数,利用奇偶量化的方法嵌入有意义二值水印。经测试表明,该算法不仅具有很好的不可见性,而且对JPEG压缩、叠加噪声、滤波、缩放等攻击具有很好的鲁棒性。

基于Bandelet稀疏的移动机器人环境视觉纹理图像的压缩传感与重构

压缩传感技术为移动机器人环境视觉的实时高效处理与传输提供了一种新的解决方法。结合Bandelet变换自适应跟踪图像正则方向的特点,进行了基于Bandelet稀疏和正交匹配追踪(OMP)算法的环境纹理图像压缩传感重构分析研究。结果表明:在较大观测值下,Bandelet稀疏重构与传统小波稀疏重构效果差别不大;在较小观测值下,传统sym8小波稀疏重构出现不稳定状态,出现块状信息缺失,不能有效重构,而Bandelet稀疏重构效果相对稳定;在给定观测值下,Bandelet稀疏重构的边缘细节表达能力优于sym8小波,说明Bandelet变换在压缩传感采样高压缩比下恢复重构具有有效性和稳定性。

基于Bandelet变换域的图像自适应增强算法

提出了基于Bandelet变换域的图像自适应增强的新算法,利用Bandelet变换在表示二维图像线、面奇异性时的优越性,实现了抑制噪声和凸显细节间的有效均衡。按照最小化逼近误差原则,寻找出二进剖分块的几何方向,在最小化均分误差(MMSE)的原则下合并二进剖分块,寻找出图像增强的方向。根据图像增强方向将Bandelet块分为两类:有几何方向的Bandelet块和无几何方向的Bandelet块,并分析了这两类Bandelet块系数的不同特征,从而区分出噪声和信号、清晰边缘和脆弱边缘。在此基础上提出了一种新的增强函数,在抑制噪声的同时,增强较弱细节并保护图像中的清晰边缘不失真。实验结果表明,与传统的图像增强算法相比,该算法在抑制噪声和放大细节特征两方面均有明显改进。

基于第二代Bandelet变换的抗几何攻击图像水印

抗几何攻击的鲁棒图像水印设计是目前水印技术研究的难点和热点之一.文中分析了图像的Bandelet变换特性,提出了一种以图像特征点矢量集为特征向量的回归支持向量机(Support vector regression,SVR)和第二代Bandelet变换的抗几何攻击图像水印算法,采取的主要方法包括:1)在Bandelet变换提取的刻画图像局部特征的几何流系数上,采用奇偶量化嵌入水印;2)利用Harris-Laplace算子从归一化的含水印图像中提取具有几何形变鲁棒性的图像特征点,构造特征点矢量集作为特征向量,应用回归支持向量机对几何变换参数进行训练学习;3)水印检测时,先利用SVR训练模型得到待检测图像所受几何攻击的参数并作几何校正,然后通过奇偶检测器盲提取水印.仿真实验表明,所提出的水印算法不仅具有良好的透明性,而且对常规图像处理、一般性几何攻击和组合攻击均具有良好的鲁棒性.

低比特率Bandelet域图像压缩编码算法研究

Bandelet变换是一种优秀的多尺度几何分析工具,其不仅具有良好的方向性和各向异性,而且能够自适应跟踪图像的几何正则方向.以第二代Bandelet变换为基础,结合Bandelet变换系数分布特性,通过建立最小四叉树、确定最佳量化阈值、构造Bandelet系数自适应扫描方式等措施,提出了一种新的Bandelet变换域图像编码方案.该图像压缩编码方案首先对原始图像进行二维Bandelet变换,并对最低频子带小波系数进行DPCM编码;然后构造最小四叉树并进行四叉树编码,同时进行最佳几何流编码;最后结合最佳量化阈值确定、高频子带自适应扫描等措施,对Bandelet系数进行均匀量化编码.实验结果表明,提出的Bandelet变换域图像编码方法是一种高效的图像压缩算法,不仅其压缩效果明显优于SPIHT、Peyré等图像压缩方案(特别是低比特率下),而且具有比较强的通用性与适应性.

基于Bandelet变换的参数化阈值函数降噪算法

为去噪的同时最大程度地保留蝗虫切片图像细小的边缘与纹理特征,利用Bandelet变换的多尺度特性和图像的几何特性,提出了基于Bandelet变换的参数化阈值函数的去噪算法。首先采用具有平移不变性的平稳小波对图像进行分解,然后利用Birge-Massart策略估计阈值、最小化Lagrange函数取得最佳几何流方向,并利用最小均方误差(MSE)原则优化四叉树,最后采用自适应Bayesshrink参数化阈值函数对图像进行去噪。实验结果表明,本文算法对图像边缘的稀疏表示效果比较理想,降噪后边缘更加清晰,纹理特征更多。对比其他方法,通过本文算法获得的峰值信噪比(PSNR)和结构相似度(SSIM)结果表明,其降噪性能显著提高。说明将基于Bandelet变换的参数化阈值函数算法应用于蝗虫切片图像去噪有效、可行,可为后续研究提供技术支持。