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PCA与NSCT结合的引导滤波图像融合方法

针对红外与可见光图像融合中边缘细节信息损失严重以及空间扭曲的问题,论文提出一种基于主成分分析(PCA)和非下采样轮廓波(NSCT)变换相结合的引导滤波图像融合方法。首先,利用PCA变换与加权最小二乘滤波分别提取红外图像的第一主成分信息与可见光图像的空间细节信息,并将结果注入第一主成分信息中;其次,对其结果与可见光图像分别进行NSCT变换,并对高低频信息分别采用引导滤波和局部拉普拉斯能量法进行融合;最后,将高低频图像先进行NSCT逆变换,再进行PCA逆变换,得到融合图像。实验结果表明:融合后的图像纹理较清晰,图像偏暗区域的纹理细节信息得到增强,并且在五个客观评价指标上均优于传统图像融合方法。

麻雀搜索优化的NSCT域引导滤波矿井下图像增强

为解决矿井下图像信息量不足的问题,本文提出了一种基于麻雀搜索算法优化的NSCT域引导滤波矿井图像增强方法。首先,利用非下采样Contourlet变换(NSCT)将矿井下图像分解为低频和高频子图像。然后,对低频子图像采用引导滤波增强,对高频子图像进行阈值去噪处理。最后,进行NSCT反变换,得到增强后的图像。然而,引导滤波中的盒滤波半径和正则化因子两个参数会影响图像增强效果,因此使用麻雀搜索算法进行参数优化。实验结果表明,与SSR、引导滤波、HE方法相比,所提出的算法生成的图像具有更高的对比度和信息熵。

基于NSCT及张量分解的遥感建筑边缘检测技术

常见的边缘检测及语义分割技术在遥感图像中获取的建筑物边缘不够精细,且不能反映出建筑物屋顶的细节信息。针对上述问题,提出基于非下采样轮廓波变换(nonsubsampled contourlet transform,NSCT)与张量分解相结合的边缘检测技术,以获取包括屋顶在内的建筑物细节边缘特征。首先,利用NSCT进行图像分解,得到不同尺度和角度的精细子带系数;其次,对子带系数进行位置编码,得到相应位置的二阶对称张量,再将同一位置的不同尺度、不同角度的张量进行加权求和完成特征融合;最后,根据谱理论进行张量分解,得到图像的边缘特征。实验结果表明:与双向级联网络(bi-directional cascade network,BDCN)等5种方法相比,所提方法的峰值信噪比(peak signal-to-noise ratio,PSNR)和结构相似性(structural similarity,SSIM)指标均优于其他方法,其中PSNR和SSIM较基于深度学习的BDCN方法分别提升1.20和0.03,且检测结果能够更准确细致地反映出建筑物的边界及屋顶的边缘信息,可对建筑物的类型和风格研判提供更好的支持。

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PCA和NSCT变换的遥感图像融合方法

为了改善非下采样Contourlet变换(NSCT)在图像细节信息表达的缺失问题,提出了一种新的基于主成分分析(PCA)和NSCT的遥感图像融合方法。首先对低空间分辨率多光谱(MS)图像进行PCA变换,提取第一主分量(PC1);其次,对PC1和高空间分辨率全色(PAN)图像进行NSCT变换,对二者的低频系数采用小波变换的融合规则,高频系数采用基于区域标准差自适应加权的融合规则;最后,经过PCA逆变换和NSCT逆变换得到融合图像。仿真实验结果表明,该方法不仅有效地融合了源图像的细节信息,而且得到了较好的视觉效果和较优的评价指标。

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NSCT和IA–AP聚类的直流电缆局放信号图特征提取

对直流交联聚乙烯(XLPE)电缆局放信号进行特征提取是故障诊断前的关键步骤。当特征提取在小波域进行时,存在提取的特征参数有限、识别准确率低的问题。因而提出了一种基于非下采样下轮廓波变换(NSCT)和免疫算法(IA)优化仿射传播(AP)聚类的直流XLPE电缆局放信号图特征提取方法。首先采用NSCT提取信号子带系数,并通过IA-AP聚类将全部系数进行分类,计算对应的信号熵和马氏距离等特征参数,最后通过不同的分解层数、聚类个数、训练样本对缺陷类型进行对比分析。实验结果表明:该方法能够应用于直流XLPE电缆局放信号的特征提取研究,相同分类器下,其识别率比小波变换法提高14%以上。该结论为直流XLPE电缆局放信号特征提取提供了新思路,有利于后续绝缘缺陷识别研究。

DWT、NSCT和改进PCA协同组合红外偏振图像融合

为充分保留红外光强和偏振图像细节、强度等信息,综合多算法的优势性能,提出一种DWT、NSCT和改进PCA的多算法协同组合融合新方法,在考虑3种算法互补协同关系基础上,充分保留源图重要目标和细节信息。首先,用离散小波变换(DWT)将源图分解为高低频分量,低频用非下采样轮廓波变换(NSCT)再次分解;其次,对主成分分析法(PCA)进行权值改进,分块融合NSCT分解所得低频分量;然后,提出"相关系数-局部能量-局部标准差"规则融合NSCT分解所得高频,用"层内对比度"规则融合DWT分解所得高频;最后,NSCT逆变换重构所得图像作为DWT低频融合图,再用DWT逆变换获得最终融合图像。实验结果表明,所提方法在视觉效果、细节层次及保留等方面比单一或简单组合方法更具优势,对不同场景适应性较强。

基于NSCT与模糊对比度的图像增强算法

针对图像在增强的过程中容易放大噪声,造成图像的失真和细节不明显等问题,结合NSCT(non-subsampled contourlet transform)和模糊集理论,提出一种改进算法。利用NSCT的平移不变性和多分辨率分析特点对图像进行非下采样Contourlet变换,对低频系数采用线性增强,用改进的自适应阈值函数来处理高频系数,利用改进的模糊对比度来增强图像的边缘和纹理,使用伽马校正对增强后的图像进行校正,提高全局对比度。实验结果表明,该算法能够明显改善图像的视觉效果,增强图像的细节信息。

基于NSCT-DWT-SVD的强鲁棒多重数字水印算法

目的提出基于NSCT-DWT-SVD结合的复合数字水印算法,实现水印信息的隐蔽嵌入,提高水印的鲁棒性。方法首先对水印信息进行Arnold置乱,对载体图像进行NSCT变换,将产生的与原载体图像大小相同的低频子带进行小波变换,后对小波变换的低频部分进行SVD分解,确定嵌入强度后将水印信息叠加到奇异值矩阵中,实现水印的嵌入。结果经仿真实验发现,该算法在保证水印嵌入信息量的前提下,满足了水印信息的隐蔽性,PSNR值达到30 d B以上,NC值达到了1,同时该算法对压缩、滤波、剪切攻击的鲁棒性较强,NC值均达到0.92以上,抵抗旋转攻击时仍能提取出较清晰的水印图像。结论该算法满足了数字水印技术要求的隐蔽性和稳健性,并且可以对数字产品起到版权保护的作用。

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。

改进的直方图均衡化和NSCT变换的红外图像增强

针对红外图像对比度低、噪声大等特点,提出一种基于改进的直方图均衡化和NSCT变换(nonsub sampled contourlet transform)相结合的的红外图像增强方法。首先对红外图像进行NSCT变换,得到多尺度多方向的高频子带系数和一个低频子带系数。高频子带首先采用自适应降噪函数降低高频系数的噪声同时很好地保护边缘信息,然后采用非线性增益函数调整高频分量;在低频分量上采用改进的直方图均衡化方法进行增强。最后经NSCT逆变换得到增强图像。实验结果表明,提出的算法可以有效地提高红外图像的对比度,抑制图像的噪声,增强图像对比度,突出图像的边缘轮廓信息。

基于分块和NSCT-SVD的彩色图像数字水印算法

针对目前彩色图像数字水印算法水印容量较小、水印攻击强度较大时鲁棒性弱的问题,提出了一种基于分块和NSCT-SVD的彩色数字水印算法.将彩色载体图像分解成R,G,B共3个通道,同时将每个通道分解成4个非重叠块,分别对这些非重叠块进行NSCT处理,可得到各非重叠块对应的低频子带信息,并对低频子带信息进行奇异值分解.同时将彩色水印图像的R,G,B通道信息进行奇异值分解,考虑水印鲁棒性和隐蔽性均能较好权衡的原则,优选水印嵌入因子,将水印图像R,G,B通道信息的奇异值加入到原图像各块的低频子带信息的奇异值中,实现彩色图像数字水印嵌入.试验结果表明:该算法嵌入水印的图像保真度较高、水印的隐蔽性较好,同时对包括噪声、滤波、图像剪切、JPEG压缩、旋转等攻击均具有较强的鲁棒性,尤其提高了攻击强度较大时水印的鲁棒性.

基于NSCT和FCM聚类的SAR图像无监督变化检测

提出了一种基于非下采样Contourlet(NSCT)和模糊C-mean聚类(FCM)的SAR图像无监督变化检测算法。首先利用基于NSCT的SAR图像去噪算法分别对两时相SAR图像进行高频系数去噪,然后利用去噪后的高频系数和低频系数构造差异图像,有效地去除了噪声对变化检测结果的影响,最后基于FCM算法实现了图像变化区域和非变化区域的分类。该算法不受变化类和非变化类统计分布的限制,不需要先验知识,适用性强。将本文算法与NSCTKFCM和UDWTKMEAN进行比较,实验证明,本文算法不仅能够很好地保留变化区域的细节和准确检测变化区域的边沿,而且对噪声有更好的鲁棒性。

一种复合型PCNN的NSCT域多聚焦图像融合方法

针对基于多尺度变换的融合算法会产生伪吉布斯效应,处理偏暗或偏亮的图像效果不理想,提出一种基于NSCT(非下采样Contourlet变换)和复合型PCNN(脉冲耦合神经网络)的多聚焦图像融合方法,通过分别将两幅图像经NSCT变换后得到若干不同频带子图像,采用基于复合型PCNN的融合规则确定融合系数,最后对融合系数进行NSCT逆变换得到融合图像.通过本文方法获取的融合图像的灰度级分布更加分散,图像纹理较丰富,细节突出,具有较好的融合效果.实验结果证明,该算法克服传统多聚焦图像融合方法的缺陷,实验数据显示本方法优于Laplace、DWT和PCNN等传统图像融合方法.

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。