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的红外与可见光图像融合

针对红外与可见光图像的不同特点,提出一种基于非采样Contourlet变换(NSCT)的红外与可见光图像融合算法。采用NSCT对源图像进行多尺度、多方向分解;分别采用基于局部能量和区域特征的融合规则得到融合图像的低频子带系数和带通方向子带系数;最后经过NSCT逆变换得到融合图像。实验结果表明,该算法能够获得较理想的融合图像,其融合效果优于基于Contourlet变换的图像融合算法。

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。

NSCT变换的SAR和可见光图像融合

非下采样Contourlet变换同时具有多尺度、多方向选择性、多分辨分析和平移不变性质的特点,对SAR和彩色可见光图像融合的问题,提出一种基于非下采样Contourlet变换和HIS变换相结合的多传感器融合算法。通过对经非下采样Contourlet变换分解得到的不同频域子带系数选择方案的分析,对低频子带系数的选择,提出了一种基于SAR图像与彩色可见光图像物理特征的"加权平均"的系数选择方案;针对各带通方向子带系数的选择,采用绝对值选大多分辨率融合算法。实验以同一场景下ku波段的SAR图像和彩色可见光图像进行算法验证,实验结果和信息熵、均值、相关系数、偏差指数和交叉熵等客观评价数据表明,方法具有较好的融合效果。

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。

基于NSCT的航拍绝缘子图像边缘提取方法

绝缘子图像边缘提取是实现航拍绝缘子缺陷检测与识别的重要前提,结合航拍绝缘子图像的特点,提出了一种基于非下采样轮廓波变换(non subsampled contourlet transform,NSCT)的航拍绝缘子图像边缘提取方法。先利用分段线性灰度变换实现预处理,然后进行NSCT分解,基于分块思想对系数进行分块并求局部阈值,得到边缘图像,最后对边缘检测结果进行形态学滤波使边缘图像更清晰。分别对Lena图像和现场绝缘子图像用Canny算子法、小波模极大值法和所提方法进行图像边缘提取,并对各方法进行性能指标的评价。实验结果验证了所提方法对绝缘子图像边缘检测的有效性,并表明了该方法优于基于Canny算子和小波模极大值的边缘提取方法。

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%。

基于BSVD分解和Radon变换的NSCT域鲁棒水印算法

目的为了提高水印算法的不可见性及抗旋转攻击的能力,提出一种基于BSVD分解和Radon变换的NSCT域鲁棒水印算法。方法首先对水印图像进行Arnold变换,然后对载体图像进行NSCT变换,接着对低频子带进行不重叠分块,最后对各子块进行BSVD分解,选择合适的缩放因子,将水印嵌入奇异矩阵的最大奇异值中。提取水印时,先用Radon变换对含水印信息的载体图像进行校正,再提取出水印信息。结果实验显示,文中算法具有很好的不可见性,PSNR值均在60 dB之上,并且能够抵抗常规信号的攻击,NC值均大于0.95。结论该水印算法具有良好的不可见性和鲁棒性,抵抗旋转攻击的能力较强。

基于àtrous-NSCT变换和区域特性的图像融合方法

针对àtrous小波变换与NSCT这两种多尺度变换的优缺点,通过引入àtrous-NSCT变换工具,提出了一种基于àtrous-NSCT变换和区域特性的图像融合方法。此方法将区域平均梯度作为活性测度,以系数取大的融合方法完成低频子带图像的融合;选用基于区域方差加权自适应模型的融合方法完成高频子带图像的融合,通过àtrous逆变换处理获得融合后的最终结果。在实验中将新提出的方法与其他5种多尺度融合方法进行比较,结果表明,当新型多尺度变换的分解层数为4时,所获得的融合结果在主观视觉与客观评价两方面的性能都得到了明显的提升。

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。

基于SURF的NSCT域抗几何攻击水印算法

目的针对常规图像水印算法抗几何攻击能力差的问题,提出一种基于SURF特征点和Schur分解的图像水印算法。方法将置乱后的水印嵌入到图像NSCT变换后进行Schur分解得到的上三角矩阵中,然后运用加速鲁棒性特征(Speed-Up Robust Features)算法提取图像低频子带中稳定的特征点和特征点描述符,利用特征点匹配对估计、校正含水印图像的几何攻击参数;利用RANSAC算法对特征点匹配对进行筛选,删除误匹配对,提高匹配精度,完成失真图像的几何校正。结果实验数据表明文中算法对几何攻击和常规信号攻击均有较好的鲁棒性,NC值平均达到0.9以上。结论文中的图像水印算法对几何攻击和常规信号攻击均具有较好的鲁棒性和不可见性,且提高了匹配精度。

一种基于NSCT变换的超声图像降噪新算法

为有效抑制超声仪器成像中固有的斑点噪声,提出了一种基于非降采样Contourlet变换(nonsubsampled Contourlettransform,NSCT)域中边缘信号系数区提取和最小均方误差(minimum mean square error,MMSE)估计的超声图像的降噪算法。根据NSCT变换的细节信息刻画能力和平移不变性,对其各高频子带中系数进行分类,提取出边缘信号和平缓信号系数区;对超声图像的乘性斑点噪声进行推导研究,在边缘信号系数区和平缓信号系数区,根据各自噪声项的性质分别得出满足贝叶斯最小均方误差估计的降噪滤波方程;最后,对降噪后的系数进行NSCT反变换重建得到降噪图像。仿真图像和临床超声图像的实验结果证实,该算法与传统方法相比,不但能更有效地对斑点噪声进行抑制,也更好地保留了图像的细节信息。

基于NSCT变换的红外与可见光图像融合技术研究

提出了一种基于非下采样Contourlet变换(NSCT)的红外与可见光图像的融合算法。采用对低频系数取平均,对高频系数中最大分解尺度选择系数最大值,其他尺度系数采用局部方差最大的规则,通过对所得到的融合系数进行逆变换即可得到融合后的图像。实验表明:该算法结合了NSCT的多尺度、多方向和平移不变性的优点,能够更好地提取源图像特征,增强融合图像的空间细节表现能力。融合后的图像具有较好的主观视觉效果,标准差和熵值较传统的融合方法有所提高。

基于NSCT和改进模糊的遥感图像增强方法

为了解决遥感图像处理过程中噪声放大和图像失真现象,提出了一种结合NSCT和改进模糊对比度的图像增强方法。通过NSCT变换把图像分解成低频子带和若干个高频子带;对低频子带进行线性增强,并利用改进的阈值函数对高频子带进行去噪;随后采用改进的模糊对比度来调整NSCT反变换的系数,以提高图像的整体对比度。实验结果表明,提出的算法的客观指标明显优于其他对比算法,并且视觉效果也得到很大改善。

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NSCT的超声图像自适应阈值去噪方法

根据超声图像乘性斑点噪声模型以及非下采样Contourlet子带系数的统计特性,提出了一种改进的基于非下采样Contourlet变换(NSCT)的斑点噪声抑制算法。上述算法通过把对数变换后的超声图像的NSCT子带系数模型化为广义高斯分布(GGD),给出一个改进的自适应Bayes Shrink阈值,用软阈值函数处理来实现超声图像的去噪处理。实验结果表明,相比于已有的基于小波和基于NSCT的Bayes Shrink阈值去噪法,在去噪性能和视觉效果上,上述算法都有明显的提高和改善,并且也有效地保持了原始图像的边缘和细节信息。

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。