基于天牛须优化算法和LP-SWT-SVD的鲁棒图像水印技术

为了有效保护数字媒体的知识产权,提出一种基于拉普拉斯金字塔和平稳小波变换(Stationary Wavelet Transform,SWT)及奇异值分解(Singular Value Decomposition,SVD)的图像水印嵌入算法。该算法首先对原始图像进行拉普拉斯金字塔分解,然后对得到的残差图像进行一级平稳小波变换,得到低频子带LL1和高频子带HH1,分别对其进行SVD分解,并将SVD分解后的水印分别嵌入低频和高频子带的奇异值矩阵中,使用天牛须算法(Beetle Antennae Search,BAS)优化水印嵌入过程。水印检测时,将从LL1和HH1子带中提取的水印进行比较,选择效果较好的作为最终结果。仿真实验与其他文献的对比分析证明该算法不可见性和鲁棒性都较好。

基于小波变换的Laplacian金字塔图像数据压缩

一幅数字化后的图像的数据量非常大,在图像的传输、存储、加工处理等方面都会引起很大的困难。本文详细介绍了基于Laplacian金字塔的图像数据压缩方法,在满足人们对图像质量要求的前提下,可以用较少的比特数存储或传输数字图像,以达到数字图像传输时所要求的信道容量及数字图像处理中的存储容量。

基于Laplacian金字塔和小波变换的医学CT图像增强算法

对医学图像进行增强可提高信息的利用率。传统的图像增强方法应用于医学图像时处理效果一般,存在诸多问题,如在增强图像的同时使图像的细节丢失,减弱了图像中目标的边缘信息,降低了图像的对比度。针对上述问题,提出一种基于小波变换和Laplacian金字塔分解的图像增强算法。首先,对原医学图像进行小波变换分解,得到处理结果;然后,对原医学图像进行Laplacian金字塔分解,得到医学图像的高频信息;最后,利用小波变换的结果和Laplacian金字塔分解的结果进行重构,得到增强后的图像。实验结果表明,该方法的增强效果明显优于传统的图像增强算法,对医学图像具有较好的增强效果,同时能更好地抵抗噪声。

基于滚动导向滤波的可见光与红外图像融合嵌入式系统研究

在不利的环境条件下,红外图像往往会出现暗部纹理信息缺失不全、主体轮廓模糊等问题,现已提出了多种相关的算法来解决这些问题,获得了极大的成功。但这些算法大多停留于软件仿真,本文研究了一种基于滚动导向滤波的嵌入式的图像增强算法并对其融合方法进行一定的改进:首先,使用滚动导向滤波器对红外图像和可见光图像进行多尺度分解得到一系列Gauss金字塔,再对每层Gauss金字塔分解出一张Laplace金字塔,得到红外和可见光图像的高频部分和低频部分,之后对低频部分和高频部分使用Gauss分布权重矩阵进行加权平均处理,根据图像灰度级生成一个可视化权重图,生成基层融合图像,之后计算两张图像高频部分的差异矩阵,接着将差异矩阵与两张图像的高频部分进行加权平均得到一个中间图像,使用该中间图像和两张原始图像的高频部分构建一个线性的差异矩阵,根据矩阵得到一个线性特征的方程组,通过求解该方程组得到待融合图像的细节层,实现图像的细节边缘性特征保存,最后进行逆变换从而得到融合图像。之后通过一系列图像质量评价的方式:STD、AVG、SSIM、FD,证明了该方法的可行性。最后探索了基于该方法的FPGA实现方式,在嵌入式平台实现了仿真,满足了图像融合的要求。

基于Contourlet变换的遥感图像增强算法

提出了一种基于Contourlet变换的空间域和变换域增强相结合的遥感图像增强算法。首先对原图像进行拉普拉斯塔式变换(LP)得到原图像的细节图像,并将它和原图像线性相加实现空间域增强;然后对空间域增强后的图像进行Contourlet变换得到不同尺度和不同方向上的变换系数,构造非线性增强函数对变换系数做增强处理,实现变换域增强;最后对增强处理后的变换系数进行Contourlet反变换,实现最终的图像增强。实验结果显示:与其他增强算法相比,用本文算法增强后图像的均值可达到127,信息熵提高了10%以上,清晰度提高了7%以上,表明遥感图像得到了更好的增强效果。

基于易操纵金字塔的多传感器图像融合

针对目前传统方法在图像未完全配准时融合效果差的问题,提出了一种基于易操纵金字塔的多传感器图像融合方法。首先,对多光谱图像进行易操纵金字塔分解;然后,恰当地合并分解得到子带图像系列来构造融合图像对应的易操纵金字塔,并通过逆变换重构融合后图像。最后利用熵和空间频率对该方法的融合性能进行了评估分析,并与基于拉普拉斯变换和小波变换的图像融合方法进行了比较。实验结果表明,该方法综合性能优于基于拉普拉斯变换和基于小波变换等传统图像融合方法,图像未完全配准情况下也能获得好的融合效果。

一种改进Contourlet变换的图像去噪算法

针对Contourlet分解的细节图像在奇异点附近产生振荡,在去噪过程中会产生伪吉布斯现象,提出一种改进的拉普拉斯金字塔实现基于Contourlet变换的图像去噪算法。阈值的选取不仅考虑不同尺度中噪声含量的不同,而且在不同方向上对阈值进行了调整。实验结果表明,利用该文去噪方法进行去噪比其他方法得到更好的视觉效果和更高的PSNR值。

基于拉普拉斯金字塔变换的红外/被动毫米波图像融合

针对单一的红外或被动毫米波图像在探测军事目标中存在的不足,提出一种基于拉普拉斯金字塔变换的融合方法。首先,对原始图像分别进行拉普拉斯金字塔分解;其次,取红外图像分解得到的顶层图像作为融合结果的顶层图像,其余层图像采用由红外和被动毫米波图像对应层像素绝对值取大的规则融合;最后,经拉普拉斯金字塔逆变换得到融合图像。实验仿真结果表明,该方法能有效的融合红外与被动毫米波图像中的重要信息,其融合结果较好的将军事目标和背景区分开,有助于改善复合探测器的目标识别能力并保持全天候工作。

基于改进轮廓波变换的图像去噪算法

在轮廓波变换中进行拉普拉斯金字塔分解时,所得的带通图像在奇异性点附近产生振荡,影响了图像去噪的效果。针对该问题,提出一种改进的拉普拉斯金字塔分解,可消除边缘附近的震荡。利用改进的拉普拉斯金字塔实现轮廓波变换,并对图像进行自适应去噪。实验结果表明,该算法所得的峰值信噪比较轮廓波变换自适应去噪算法有显著提高,且视觉效果有较大改善。

基于纹理特征的拉普拉斯金字塔形微波遥感图像融合

提出基于图像纹理特征(条件信息)的拉普拉斯金字塔区域式融合方法,充分利用拉普拉斯金字塔形融合法多分辨率分析的优势以及微波遥感图像乘性相干斑噪声完全发育的特点,并将其应用于复杂城区不同极化方式的微波遥感图像的融合处理,将融合结果与基于图像方差、熵值和边缘特征的融合结果进行对比,显示了较低的平均误差、较小的交叉熵、较高的峰值信噪比和较大的相关系数,验证了其可行性和有效性。

基于复数小波变换增强带噪图像的空间自适应方法

针对目前的多尺度增强方法一般很难实现抑制噪声和凸显细节间有效均衡的问题,提出一种基于复数小波变换增强图像方法,充分利用复数小波兼具平移不变性和方向选择性的优势,首先通过相邻两层小波系数的相关性来有效区分噪声和图像边缘,并根据各层小波系数的分布设置局部阈值抑制噪声;在此基础上,自适应地选取增强函数来增强较弱的细节并保护原图像中的清晰边缘不产生失真.实验结果表明,运用该算法增强带噪图像可以在较好地抑制噪声的同时,显著地放大细节特征.

基于Contourlet的遥感图像放大与增强

提出一种遥感图像放大和增强的新方法.应用拉普拉斯塔形变换(LP)构建原图像的细节图像,采取双三次插值的方法分别放大原图像和细节图像,并将两个放大后的图像相加后线性处理.经过二级Contourlet分解变换,构造非线性增强函数增强Contourlet系数.最后用原图像取代Contourlet分解变换后的低频子带后重构图像,完成图像的放大和增强.结果表明,此方法能丰富放大后图像的细节,增强效果良好,有效提高放大后遥感图像的空间分辨率.

基于金字塔方法的SAR图像与光学图像的融合

对金字塔方法和IHS方法在SAR图像与光学图像融合中的应用进行了研究。分析了它们的优缺点和局限性,并结合具体融合实验,给出了改进的算法和一些灵活的处理方法。实验结果表明,改进后的算法比传统的高斯-拉普拉斯金字塔方法有更好的融合效果。

一种空域和变换域相结合的图像增强算法

针对传统图像增强算法只使用空域或变换域处理策略的不足,提出一种空域和变换域相结合的处理方法。首先通过使用高斯/拉普拉斯金字塔分解技术将原始灰度图像细分成不同频带,然后在各个频带上分别使用伽玛校正实现对比度均衡化,最后将均衡化结果再利用高斯/拉普拉斯金字塔重构技术进行恢复,即可达到图像增强的目的。实验结果表明,与传统图像增强算法相比,该算法不但能够提高欠曝光区域的对比度,而且能够对过曝光区域实现有效抑制,达到很好的视觉均衡。

基于NSST多尺度熵的红外与可见光图像融合

针对红外图像在恶劣环境依据热辐射成像的显著效果,可见光图像具有较好的三维空间分辨率和图像清晰度,提出基于NSST多尺度熵的红外与可见光图像融合方案。方法区别于传统单一模式的图像融合方案,融合原则基于像素和区域的结合,首先将红外和可见光图像进行NSST多尺度分解,然后在不同的尺度分别对低频和高频系数进行融合,其中融合时权值的选择采用多尺度熵,最后将各个尺度上融合的图像进行逆NSST变换恢复原尺度上的图像。采用两组道路和室外图像进行验证,对比多种不同策略的融合结果,用11种图像指标评价不同的融合质量,给出该次融合的优势和可行性。结果证明采用红外和可见光传感器的图像融合,可以改善单类型传感器的图像采集结果,采用基于NSST多尺度熵的融合方案可以提高融合图像的特征值性能,满足融合图像的多方面指标需求,保持融合算法的可行性、实用性和实时性。

一种基于HT系数预测的遥感图像多分辨融合方法

信息融合的概念自 70年代形成后 ,由于其强调应用对象结果的信息优化 ,在许多方面比传统的信息处理方法有更大的优势 ,在遥感领域得到了广泛的应用。本文在分析前人算法的基础上 ,揭示了高斯拉普拉斯金字塔 ( GLP)结构融合方法与传统的哈达玛变换 ( HT)之间的内在联系 ,提出了一种基于 HT系数预测的多分辨融合方法。通过实验表明 ,这一算法对于光谱差异较大的遥感图像的融合 ,在几何分辨率改善的同时可获得较好的光谱保真度。

结合多分辨率与块分割的不同聚焦图像融合

提出了一种结合多分辨率与图像块分割的图像融合新方法。该方法除将多分辨率融合图像块作为可能位于源图像的模糊区域与清晰区域交界处位置的最终融合图像块之外,还将多分辨率图像融合方法获取的融合图像与源图像进行分块比较,选用与多分辨率融合图像块相似的源图像块作为最终融合图像块。实验结果表明,该方法能有效提高常用的多分辨率图像融合方法的融合效果。

基于多分辨率分析的图像融合方法研究

利用拉普拉斯金字塔变换和小波变换对图像进行多分辨率分析,选用了多幅不同类型的多源图像,做了大量的仿真实验,并对仿真结果进行了比较和分析,得出了有一定参考价值和实际应用价值的结果。

基于LP融合和亮度变换的图像增强

将图像融合与亮度变换结合,提出一种图像增强的新方法。该方法利用拉普拉斯塔融合,在亮度变换中引入克隆选择算法优化参数,取得较好的增强效果。与PCA方法和小波方法相比,图像的信息熵保持在较高水平,平均梯度值分别提高3.28和0.14左右,标准差平均提高6.92和5.14左右。