基于NSCT和半张量积在防跑道侵入检测技术的研究

为进一步提高跑道侵入告警系统的自动化水平,降低设施设备安装维护成本等问题,通过摄像设备获取机场场面的视频图像数据,采用稀疏表示对视频图像数据集进行检测处理;通过利用NSCT算法优化,结合半张量积,对样本数据集进行跟踪训练;根据单目摄像机测距建立坐标转换和测距模型,对机场场面航空器与跑道中线的距离进行准确测量,根据地面保护区设置合适的阈值实现跑道侵入告警。实验结果表明,优化后的模型图像重构质量提高了7.07%,平均处理时间降低了21.95%,模拟环境下跑道侵入告警准确率为95.2%。模型重构质量好,处理时间快、实时性好、准确率高,可以为预防跑道侵入事件的发生提供方法支持。

基于灰狼自适应阈值分割和改进模糊增强的红外图像NSCT增强算法

研究低成本和便携的红外成像技术是最近几年带电检测的发展趋势,为减少红外检测环境、红外传感器以及其他因素的影响,解决红外检测中红外图像含噪声干扰、模糊和对比度低的问题,文章设计了一种基于灰狼自适应阈值分割和改进模糊增强的红外图像NSCT增强算法。对原始红外图像进行NSCT域变换;变换后含有噪声的高频分量采用VT去噪后,接着采用改进模糊增强处理;对变换后含有电力设备主体的低频分量进行灰狼自适应阈值分割为背景和前景部分,随后分别进行增强处理;最后将处理后的各分量进行逆NSCT变换。经对比应用,验证了该算法应用在变电站电力设备红外检测上的优越性:文章算法与其他算法相比在边缘强度、信息熵、对比度、标准差、峰值信噪比五类评价指标上的涨幅至少为3.94%、2.16%、9.86%、7.45%、21.86%。文章算法处理后的红外图像符合人眼视觉效果,更易于人眼识别故障,有利于电力设备热故障的检测与故障定位。

基于NSCT子带融合特征的纹理材质分类

由于图像纹理特征具有复杂且没有规律的特点,单一的纹理特征提取算法不能充分地描述图像纹理。因此,提出基于NSCT的高低频子带的CS-LBP和Tamura融合特征的纹理分类方法。此外,对CS-LBP算法进行了优化,得到DCS-LEBP,在提取了图像局部边缘特征信息的基础上又加入了低频信息,提高了算法的抗噪性和特征提取的全面性。融合的纹理特征通过支持向量机(SVM)进行分类识别,实验结果表明,该方法能够提取多尺度、多方向的纹理特征,提高了分类精度,并且优化的DCS-LEBP算法比原算法性能更加优秀。

基于卷积神经网络结合NSCT的红外与可见光图像融合

传统红外与可见光融合图像在复杂环境下存在细节缺失,特征单一导致目标模糊等问题,本文提出一种基于卷积神经网络结合非下采样轮廓波变换(non-subsampled contourlet transform,NSCT)的红外与可见光图像进行融合的方法。首先,通过卷积神经网络提取红外与可见光目标特征信息,同时利用NSCT对源图像进行多尺度分解,得到源图像的高频系数与低频系数;其次,结合目标特征图利用自适应模糊逻辑与局部方差对比度分别对源图像高频子带与低频子带进行融合;最后,通过逆NSCT变换得到融合图像并与其他5种传统算法进行对比;实验结果表明,本文方法在多个客观评价指标上均有所提高。

基于IHS_NSCT多光谱图像融合算法的研究

基于无人机多光谱影像的大豆生产状况信息获取是近年来农业信息技术研究的主要方向之一,但大豆生长过程中无人机多光谱图像不同通道间图像存在重叠且合成的多光谱图像分辨率较低。为此,针对传统的IHS变换只能进行3个波段的图像融合且易出现光谱扭曲失真现象,将源图像配准操作消除重叠影响,提取图像中光谱信息更为丰富的强度分量单位,并利用NSCT变换的多尺度、平移不变特性结合分量单位进行高、低频子带的提取和再融合操作,完成MS图像与PAN图像的融合。同时,以信息熵(EN)、相关系数(CC)等参数作为评价指标,得到高分辨率的融合图像。实试结果表明:算法熵值信息和相关系数参数明显优于另两种算法结果,其信息熵值达到7.79,相关系数达到0.97,可见融合算法能够表达作物光谱信息且可为作物营养成分监测任务提供理论与技术支撑。

基于NSCT域和Masi熵的红外图像分割

针对红外图像噪声多、对比度低、边缘模糊等问题,提出一种基于非下采样Contourlet变换(NSCT)域和Masi熵的红外图像分割方法。首先对图像进行NSCT分解,在获得具有多尺度多方向的高频子带基础上,对方向相同、尺度各异的高频子带进行多尺度乘积运算构造乘积图像;然后通过内外轮廓图像对乘积图像进行采样重构直方图,并计算直方图所对应的Masi熵;最后以最大化Masi熵对应的灰度值作为方向阈值,对方向阈值进行加权求和获得最终分割阈值。将提出的方法与2种阈值分割方法、1种神经网络分割方法、1种聚类分割方法以及1种活动轮廓分割方法进行比较,实验结果表明,该方法具有更稳健的分割适应性,能获得分割精度更高的结果。

基于NSCT和IHS变换的遥感影像融合方法研究

为增加遥感影像的信息量、提高影像的解译效果,研究一种基于NSCT和IHS变换相结合的多源遥感影像融合的方法,该方法对光学影像进行IHS变换,然后采用NSCT对SAR影像和光学影像的I分量分别分解,采用不同的融合策略分别对高低频系数进行融合,即对低频系数利用区域能量的融合规则和高频系数采用标准差加权融合规则的方法,最后通过IHS逆变换得到融合后的影像。通过对比实验进行验证,结果表明,该方法具有更优的融合效果,在提高影像的清晰度、增加纹理信息及细节信息、减少光谱失真等方面具有优越性,为高质量的影像目标识别和地物判读别提供有力支持。

基于NSCT与区域点火PCNN的医学图像融合方法

为了进一步改善医学图像融合质量,提出一种基于NSCT(非下采样Contourlet变换)与区域点火PCNN(脉冲耦合神经网络)的医学图像融合方法。该方法在低频子带系数采用基于区域点火PCNN的融合规则,应用PCNN改进的简化模型,将低频子带系数作为信号激励PCNN网络,利用点火区域强度分析区域点火特性,根据区域点火特性确定低频子带融合系数;在选择带通方向子带系数时,充分利用非下采样Contourlet变换的方向特性,采用改进的拉普拉斯能量作为带通方向子带系数的融合规则。实验结果表明,该方法与传统融合方法相比,能够较好的保留图像的边缘和过渡区域信息,大幅度提高融合图像的质量。

基于视觉显著性和NSCT的红外与可见光图像融合

结合非下采样轮廓波变换的平移不变性,提出了一种基于视觉显著性的红外与可见光图像融合算法。首先,利用引导滤波器改进显著性检测算法并将其用于红外图像;然后,对红外图像和可见光图像进行非下采样轮廓波变换以得到各自的低频与高频子带;最后,在低频与高频子带的融合中分别采用红外图像显著性指导法与绝对值取大法。实验结果表明,与多种相关算法相比,该算法所得融合图像在突出红外目标的同时还具有丰富的可见光背景信息,具有更好的视觉融合效果和客观质量评价。

基于NSCT和Tsallis熵的SAR图像快速分割方法

针对小波域SAR图像分割结果粗糙及运算速度低的不足,本文提出一种基于非下采样Contourlet变换(NSCT)和混沌粒子群优化(CPSO)的最大Tsallis熵的SAR图像快速分割方法。首先,利用NSCT提取SAR图像的概貌和细节信息,并建立相应的概貌-细节灰度级矩阵模型;然后,利用Tent映射CPSO算法搜索最优阈值,并提出递推算法大大减少迭代过程中适应度函数的重复计算。实验结果表明,与小波域SAR图像快速分割方法相比,该方法采用了具有多方向性和移不变性的NSCT分解图像,信息提取更为有效,分割结果更佳;同时由于引入混沌序列并以递推方式计算粒子适应度,粒子群搜索的收敛精度更高,运算时间更少。

一种基于NSCT和SIFT的遥感图像配准算法

研究提出了一种基于NSCT和SIFT的遥感图像配准算法,综合利用了NSCT在图像分解上的灵活性和SIFT算法在特征描述上的有效性来进行遥感图像配准。首先分别对参考图像和待配准图像用NSCT进行分解,然后把分解的低频图像作为SIFT算法的输入并得到匹配结果,并利用匹配结果求解模型参数,最后通过重采样和双线性插值完成两幅遥感图像的配准。实验结果表明,此算法在运算速度和匹配精度方面均比SIFT算法和SWT+SIFT算法优越。

基于NSCT变换的多传感器图像融合算法

针对多传感器图像融合中偏袒法和平均法易削减图像对比度的缺点,提出一种基于NSCT变换的图像融合算法。首先对来自同一场景配准后的多传感器图像进行NSCT变换;然后采取不同的融合策略分别对低频和高频方向子带系数进行融合:低频子带系数采用区域能量自适应加权的方法,高频方向子带系数采用局部区域能量匹配的加权平均法与选择法相结合的方案;最后通过NSCT逆变换得到融合图像。分别对红外与可见光图像和多聚焦图像融合进行实验,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较好的主观视觉效果和客观量化指标,并优于传统的融合方法。

基于NSCT域的自适应阈值遥感图像去噪方法

提出一种新的基于非下采样Contourlet变换(NSCT)的图像自适应阈值去噪方法。根据NSCT系数所在领域区域的特性,给出不同尺度不同方向的自适应阈值。仿真实验结果表明,通过本文提出的方法能够有效去除遥感图像的高斯噪声,较完整的保持图像的边缘等细节信息。与小波硬阈值、Contourlet硬阈值和基于非下采样Contourlet硬阈值去噪算法比较,该算法不仅提高了图像的峰值信噪比,而且图像视觉效果也明显改善。

采用目标提取和NSCT的红外与可见光图像融合

针对目前红外图像和可见光图像融合中,融合图像信息量不足的问题,将目标提取和NSCT方法相结合,对其中的高频目标区域提出了基于局部信息熵的融合规则。将其与小波变换法、拉普拉斯法、NSCT法、提升方向波变换法作比较,并通过熵、标准差、相关系数等参数对融合后的图像进行定量分析。实验结果表明,该方法不但较好地提高了融合图像信息量,而且能够更加有效、准确地提取源图像中的特征,在主观视觉效果与客观评价指标上均取得了较好的融合效果。

一种新的基于NSCT域的遥感图像增强算法

针对图像增强处理中产生的伪Gibbs现象、清晰度差等问题,利用下采样轮廓波变换(NSCT)的平移不变性特点,来抑制伪Gibbs现象,同时把模糊对比度和空间频率相结合来处理NSCT系数,提高了增强后图像的清晰度。实验结果证实,该算法使得增强后图像的质量明显优于常用的增强算法,具有一定实践价值。

基于NSCT和PCNN的红外与可见光图像融合方法

提出了一种基于非采样Contourlet变换(NSCT)和脉冲耦合神经网络(PCNN)的红外与可见光图像融合方法。首先用NSCT对已配准的源图像进行分解,得到低频子带系数和各带通子带系数;其次对低频子带系数采取一种基于边缘的方法以得到融合图像的低频子带系数;对各带通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;最后经过NSCT逆变换得到融合图像。实验结果表明,本文方法优于Laplacian方法、小波方法和传统的NSCT方法。

NSCT域内基于改进PCNN和区域能量的多光谱和全色图像融合方法

针对多光谱和全色图像的融合,提出了一种NSCT域内基于改进脉冲耦合神经网络(PCNN)和区域能量的融合方法。首先,利用NSCT将图像分解为一个低频子带和多个不同方向的带通子带。然后,对分解后的低频子带采用基于区域能量的自适应加权算法进行融合;在带通方向子带,结合改进的脉冲耦合神经网络,使用带通方向子带系数作为PCNN的外部输入激励,经过PCNN点火获得待融合图像的点火映射图,根据点火时间计算点火映射图的区域能量,通过判决算子选择待融合图像的带通方向子带系数作为融合系数。最后,对融合处理后的NSCT变换系数进行重构生成融合图像。实验结果显示:在迭代次数为100次时,与改进小波算法相比,标准差提高了9.48%,熵提高了0.95%,相关系数提高了21.56%,偏差指数降低了29.66%;与Contourlet算法相比,标准差提高了9.73%,熵提高了0.94%,相关系数提高了11.27%,偏差指数降低了9.45%;与NSCT算法相比,标准差提高了3.84%,熵提高了3.34%,相关系数提高了7.89%,偏差指数降低了7.42%。

NSCT变换和小波包变换相结合的图像隐藏方法

为了更好地解决NSCT域图像隐藏不可见性和鲁棒性之间的矛盾,提出了一种基于NSCT变换和小波包变换相结合的可见光图像隐藏方法,利用NSCT变换将载体图像分解为低频子带和一组高频子带,对低频子带进行二级小波包分解,通过奇异值变换将秘密图像重要位平面信息隐藏在小波包分解低频子带中,次要信息自适应隐藏在NSCT高频子带中。实验表明,在同等嵌入容量下,算法峰值信噪比大于50dB,对几何攻击和滤波等干扰处理后,秘密图像的归一化系数仍接近于1。

基于SIFT的NSCT-SVD域水印算法

提出一种利用尺度不变特征变换(SIFT)关键点对图像几何校正的非抽样Contourlet变换-奇异值分解域(NSCT-SVD)彩色图像水印算法。该算法利用蓝色与绿色分量的NSCT域低频子块的最大奇异值的关系,在蓝色分量上嵌入经过混沌加密的水印信息。水印检测时,先利用红色分量NSCT域低频系数上匹配的SIFT关键点信息对被检测图像进行几何攻击校正,恢复了水印的同步信息后再提取水印。实验结果表明,该算法对于噪声、滤波、压缩以及各类几何攻击具有较好的鲁棒性。

基于NSCT域边缘检测的侧扫声呐图像分割新方法

针对侧扫声呐图像混响噪声严重、对比度低、分割困难的问题,根据侧扫声呐图像成像特点,提出一种基于非下采样Contourlet变换(NSCT)域边缘检测和区域生长的侧扫声呐图像分割新方法。首先,对侧扫声呐图像进行NSCT分解,通过K均值聚类法在NSCT域低频部分对阴影进行分割;然后通过寻找NSCT域高频层由同一粗尺度分解的2个细尺度相邻子带系数差的模极大值位置,来选择图像边缘点,并进行尺度内、尺度间的边缘融合;最后,利用基于边缘的区域生长方法完成对目标的分割。实验结果表明,该方法对侧扫声呐图像分割具有抗噪性能好、正确分类率高以及边缘定位准确等优点。