基于Walsh-Hadamard投影的快速Nonlocal-Means图像去噪

针对Nonlocal-means图像去噪算法计算强度较高的问题,提出了一种投影加速算法。分析了Nonlo-cal-means算法的计算瓶颈,利用Walsh-Hadamard变换的快速运算和自递归特性,使用一组完备的Walsh-Hadamard变换将图像块投影到其张成的空间中;利用Walsh-Hadamard投影的能量集中特性和匹配计算过程中的拒绝策略,在Nonlocal-means去噪算法的图像块匹配计算中快速丢弃无法匹配的图像块。实验结果表明,该算法获得了较好的加速性能,且去噪效果没有受到影响。

结合GLWT和LBP提取纹理特征的图像分割

提出一种提取图像纹理特征的新方法:结合广义局部沃尔什变换(GLWT)和局部二值模式(LBP)。首先说明广义局部沃尔什变换的定义,然后计算并分析广义局部沃尔什变换系数,并选取识别性能较好的2阶矩作为纹理特征。结合LBP空间纹理特征和灰度特征,然后根据纹理特征采用模糊C均值算法对像素进行聚类。实验结果表明,结合广义局部沃尔什变换和LBP的纹理特征具有更好的鉴别性能,且计算简单。

融合LWT纹理特征的图像复制篡改检测算法

在对局部沃尔什变换(LWT)提取图像纹理特征研究的基础上,提出一种融合LWT纹理特征的区域复制篡改检测算法。将待检测图像分成大小相同的重叠块,利用LWT提取每个图像块的纹理特征,估算整个待检测图像的纹理复杂度,对获得的每个图像块纹理特征向量进行字典排序,并根据估算到的纹理复杂度值选择合适的相似图像块判定阈值,按照预定的相似标准,检测且定位出篡改区域。实验结果表明,该算法在准确率和虚警率方面均优于经典的基于主成分分析法的检测算法。

沃尔什哈达玛变换域的无参考图像质量评价

图像失真会改变图像低频成份和图像高频成份的统计信息,基于这种特性,提出了一种新颖的无参考混合失真图像质量评价方法.首先对图像进行局部沃尔什哈达玛变换,将空域图像转换为局部沃尔什哈达玛变换图;然后在局部沃尔什哈达玛变换图上进行特征提取,即分别提取反映图像低频成份的零列率项和反映图像高频成份的非零列率项的旋转不变局部二值模式统计特征;最后利用支持向量回归网络训练特征,获得特征到质量分数的映射关系模型.在两个混合失真数据库(MLIVE数据库和MDID2013数据库)上对所提出的算法进行性能验证,实验结果表明,提出的算法具有很好的主客观评价一致性,性能优于目前现有较优秀的全参考图像质量评价算法和无参考图像质量评价算法.

基于局部沃尔什变换的纹理特征提取方法研究

本文提出一种基于局部沃尔什变换提取图像纹理特征的新方法。首先给出局部沃尔什变换的定义,然后分 析了局部沃尔什变换系数的统计特性及其各阶矩的纹理鉴别性能,并选取具有较好鉴别性能的2、4、6阶矩作为纹理特征。 实验结果表明,与灰度共现矩阵方法、纹理谱方法、局部傅立叶变换方法、MRF模型方法、Gabor滤波器组方 法相比,基于局部沃尔什变换的纹理特征具有更好的鉴别性能,且计算简单。

一组基于广义局部沃尔什变换的纹理特征

该文提出一组基于广义局部沃尔什变换(GLWT)的纹理特征。首先给出局部沃尔什变换(LWT)的定义,并在空域中对其加以推广,用以提取图像的局部纹理信息:然后在一个宏窗口中估计12个GLWT系数的二阶矩作为图像的纹理特征。对这组纹理特征的鉴别性能进行了分析,并与Haralick(1973),Wang Li(1990),以及Yu Hui提出的纹理特征进行了比较。实验结果表明,该文提出的纹理特征具有更好的鉴别性能和分类能力。

基于局部Walsh变换和非负矩阵分解的脑白质图像分割

脑白质病变诊断是医学研究和病理分析的重要方面。颅脑核磁共振图像的白质分割在诊断中起着非常重要的作用,其分割的准确性直接影响后续的分析和诊断研究。本文提出了一种基于局部Walsh变换和非负矩阵分解的大脑核磁共振图像白质分割算法。算法首先对颅脑图像进行局部Walsh变换,选择鉴别性能好的特征得到特征矩阵,然后对其进行非负矩阵分解并得到白质的分割结果。实验表明,本方法计算简单,精度比较高,可以得到比较理想的分割结果。