一种基于Directionlet变换的图像融合算法

为了提高图像融合效果,提出了一种基于Directionlet变换的图像融合算法.首先对已配准的待融合源图像由给定的生成矩阵分别进行陪集分解,得到每个陪集对应的子图;接着将每两个子图相减,得到源图像的高频和低频分量,其中边缘、纹理等奇异特征包含在高频分量中;然后对低频分量采用直接平均融合的方法进行系数选择,对高频分量选择子区域边缘信息较强的系数;最后,通过Directionlet陪集分解的反变换,得到融合后的图像.多聚焦图像融合实验表明,在主观视觉上,该算法明显更好地融合了边缘等图像特征,从而较好地保持了左右聚焦图像各自的细节信息;在客观评价上,通过熵、平均梯度、标准差和互信息量等性能参数比较,该方法也优于小波变换和其他的融合方法.

基于Directionlets变换的偏振图像融合

论文提出一种有效的基于Directionlets变换的偏振图像融合算法。首先采用多方向多尺度的Directionlets变换对多个偏振图像进行分解,对于分解后的低频系数采用加权平均融合算法;根据高频子图边缘分布差异,对于方向高频系数采用2维Teager能量的边缘检测算法以及区域方向对比度算法实现偏振图像的融合处理。实验结果表明,与传统算法相比,提出的算法在保留原始图像边缘和纹理信息的同时,可以有效地取得较好的融合视觉效果。

基于提升Directionlet域高斯混合尺度模型的SAR图像噪声抑制

提出了一种新的SAR图像相干斑噪声抑制方法.该方法将高斯混合尺度(GSM)模型引入Directionlet变换域,构造了基于提升Directionlet分解系数的邻域模型,并利用Bayes最小均方估计进行局部去噪.作为一种新的多尺度几何分析工具,Directionlets通过多方向选择来捕捉图像中各向异性特征,滤波器结构为可分离设计;采用提升方案进一步减小变换的运算量.文中对相邻位置和尺度的系数建立GSM模型,能较好地描述系数的边缘分布,充分体现邻域间系数的相关性.对大量真实SAR图像的去噪实验表明,文中方法取得了比空域滤波及小波方法更优的去噪性能,同时在图像边缘等细节特征保持方面具有明显优势.

一种可抵抗几何攻击的Directionlet变换域盲水印算法

抵抗几何攻击是数字水印研究领域具有挑战性的课题。该文提出一种利用Directionlet变换构造水印同步信息的盲水印算法:通过边缘检测算子锁定图像边缘;利用拉格朗日定理求取边缘斜率;选取两条边缘,用其斜率构成Directionlet变换的采样矩阵;在Directionlet变换域内自适应嵌入水印,排除几何攻击对水印检测的影响。仿真实验结果表明,该算法抵抗旋转等几何攻击具有很好的鲁棒性能。

基于提升Directionlet变换的零块嵌入图像编码算法

提出一种新的基于提升Directionlet变换的图像压缩算法,能有效捕捉图像中的多方向各向异性特征,并具备格形可分离的滤波和采样结构.利用四叉树分块寻找局部最优的变换方向,针对Directionlet变换系数分布构造了块集合分裂嵌入编码,并通过改进链表排序方式和设计新的上下文算术编码器,进一步提高压缩性能.仿真实验结果表明,与基于原始Directionlet变换的压缩算法和基于小波变换的SPECK,SPIHT,JPEG2000等经典算法相比,本文算法在性能参数和视觉效果方面均有较大提高,且在低比特率下仍能较完整地保留图像中的边缘和细节信息.

基于Directionlet变换的多聚焦图像融合

针对多聚焦图像成像的特点,在同一场景内很难获得全部清晰的图像,在分析Directionlet变换的基础上,提出了一种基于Directionlet变换结合图像区域特征的融合方法,利用Directionlet变换把图像分解成低频和高频子图像,对于变换后的高频子图像,选择区域特征明显的作为融合后的子图像;对于低频子图像,采用加权融合;最后进行Directionlet逆变换,得到融合后的图像,并对融合后图像采用信息熵、平均梯度、相关系数等指标进行评价。实验结果表明该算法能够较好地保留原图像的细节特征信息,具有较好的视觉效果,优于普通小波融合的方法。

基于空间映射复Directionlet变换的图像纹理分类

Directionlet变换具有多方向各向异性基函数,能有效捕捉图像的奇异性特征。该文在此基础上构造了一种空间映射的复Directionlet变换,使其具备了更为灵活的方向选择性和近似的平移不变性。利用空间映射方法获得Directionlet变换的复函数空间,对多尺度各方向子带系数提取能量特征用于图像纹理分类。通过对Brodatz图像库及真实SAR图像的纹理分类实验表明,该文算法较之小波分析及其它多尺度几何分析方法,具有更优的纹理分类性能,也验证了Directionlet工具在图像分析中的应用潜力。

基于Directionlet变换的遥感图像降噪算法研究

提出一种有效的基于Directionlet变换的Bayesian最大后验估计实现遥感图像降噪算法。首先采用具有多尺度、多方向特点的Directionlet变换对含噪遥感图像进行分解,然后根据先验信息和噪声系数分布设计最大后验估计算法实现相干斑噪声的去除。实验结果表明,提出的算法与传统降噪算法相比不仅原始图像的边缘和纹理信息可保留,而且可获得更好的降噪视觉效果。

Directionlet域的多波段遥感图像融合算法研究

提出一种有效的基于Directionlet变换的多波段遥感图像融合算法。Directionlet变换是一种新的基于格子的歪斜多尺度多方向各向异性小波变换工具,具有更高的逼近精度和更好的稀疏表达能力的图像分解变换,与小波变换相比,抑制了小波变换在图像边缘方向表示的固有局限性。首先采用具有多尺度、多方向特点的Directionlet变换对多波段遥感图像进行分解。对于低频系数采用平均融合算法,方向高频系数采用区域边缘检测实现多波段遥感图像的融合处理。实验结果表明,提出的算法与传统融合算法相比不仅原始图像的边缘和纹理信息可保留,而且可获得更好的融合视觉效果。

采用提升方向波变换的异源图像融合新算法

方向波(Directionlet)变换是一种基于格子的歪斜小波变换,与标准二维小波变换相比,它具有多方向性和各向异性,能够更好地描述图像的特征。针对异源图像融合这一研究热点,提出了一种新的基于方向波变换的图像融合方法,并采用提升算法有效地解决了该变换方法的运算速度问题。首先,对已配准的两幅图像分别沿变换和队列方向进行次数不等的提升变换,得到具有各向异性的子图;然后,采用低频子图直接平均融合,高频部分选择具有较强各向异性信息分量的方法得到融合图像的所有方向波变换系数;最后,经过反变换得到融合图像。实验结果表明:该算法的融合效果和运算速度都优于标准小波变换和其他的二代小波变换。

基于方向小波变换的自适应图像去噪方法

为提高方向小波变换方向选择的自适应性,提出一种混合傅里叶变换和方向小波变换的图像去噪算法。结合图像的边缘信息,利用傅里叶变换估算图像的局部方向,构造方向小波变换的生成矩阵。考虑方向小波变换陪集分解的特点,根据序列长度选择相应阈值。实验结果表明,当噪声方差大于25时,该方法的去噪性能较好。

基于提升方向波变换域的SAR图像压缩

提出了一种基于提升方向波变换SAR图像的压缩算法.该算法构造了方向波变换的提升方案,通过改进的四叉树分块算法寻找局部最优的变换方向,有效地描述了图像中的方向特征.根据变换系数分布特性构造了多方向各向异性的多级零树结构,提高了编码效率.对多幅SAR图像的压缩实验表明,较之基于小波的SPIHT和JPEG2000等算法,本文方法在性能指标和视觉效果方面均得到了明显提高,尤其在低比特率下,优势更加突出.

基于提升改进方向波变换的浮选泡沫图像降噪方法

针对矿物浮选过程中泡沫图像易受噪声影响,存在纹理细节模糊、灰度值对比度低等问题,提出一种浮选泡沫图像的非线性降噪方法。首先构造一种改进方向波变换,保证信号的平移不变性,同时采用提升算法减小其运算量。然后通过对分解系数建模,针对低频子带系数采用多尺度Retinex算法进行处理,以改善整体亮度均匀性,提高对比度;对各高通子带构建基于高斯混合尺度模型的分解系数邻域模型,并利用Bayes最小均方(BLS)估计进行局部去噪。最后利用所提出的方法对大量浮选泡沫图像进行去噪分析。结果表明:所提出的降噪方法能突出泡沫图像的纹理细节信息,提高泡沫图像的对比度,在信噪比和实时性上有明显提高,为后续泡沫图像的分割和工况识别奠定基础。

基于方向波域混合高斯模型的SAR图像去噪

为了解决传统去噪方法处理SAR(Synthetic Aperture Radar)图像存在的失真、图像边缘模糊等问题,提出一种新的去噪算法。首先对经过对数变换后的SAR图像进行方向小波变换,并对无噪图像的方向小波系数建立混合高斯模型,再用矩估计法对其进行参数估计,最后通过贝叶斯滤波器去除噪声。实验结果表明,该算法可以得到较好的去噪效果,并且有效地解决传统去噪算法在图像失真、边缘模糊等问题存在的不足。

基于几何方向的图像压缩算法

标准二维小波仅沿图像水平和垂直两个方向变换,图像稀疏化表示有待改进完善.文中提出了一种基于方向波变换(Directionlet)的图像压缩算法:通过八叉树分割算法对图像自适应分块;块内最优逼近几何方向构成Di-rectionlet变换的采样矩阵;块区域进行Directionlet变换,变换系数和方向信息分别编码.沿图像块最优逼近几何方向进行各向异性的Directionlet变换,改善了图像稀疏化效果,提高了编码效率.仿真实验表明,与基于小波的SPIHT和JPEG2000等压缩算法比较,本文方法在数值指标和视觉效果方面均有优势,对几何正则图像,优势更加明显.

基于小波变换的多方向小波变换

方向小波变换(SAWT)是小波变换(WT)的多方向扩展,它的基是各向异性的,具有多尺度、多方向的图像表示特性。SAWT不能恒保持多分辨率尺度关系,不能较好地表示图像中的平滑区域,因此利用WT和SAWT构造了一种新的多尺度、多方向且能保持多分辨率尺度关系的小波方向波变换。为了验证该变换的有效性,利用其进行了图像去噪实验。实验结果表明,所提方法能够很好地表示图像中的平滑区域和细节信息,并且能获得更高的峰值信噪比和结构相似性。

ND-GSM模型的采样矩阵方向优化及SAR图像去噪

将非下采样Directionlet变换(Nonsubsampled Directionlet,ND)和高斯混合尺度(GSM)模型相结合,提出了基于ND-GSM模型的采样矩阵方向优化算法并将其应用于SAR图像去噪。首先,将SAR图像的分割子图进行二进小波变换,从而确定SAR图像的方向优化采样矩阵,然后在各个子图中将GSM模型引入采样矩阵方向优化的非下采样Directionlet变换域中,构造了采样矩阵方向优化的非下采样Directionlet域分解系数的邻域模型(ND-GSM),最后利用Bayes最小均方估计进行子图变换域的局部去噪,并合成去噪后的分割子图,得到去噪后的SAR图像。该方法解决了当非下采样Directionlet基函数的方向与图像中各向异性目标不一致时图像的逼近效果差的问题。仿真实验结果表明,该方法能充分体现邻域间系数的相关性,同时在图像边缘等细节特征保持方面具有明显优势,明显改善了图像视觉效果,取得了比空域滤波及小波方法更优的去噪性能。

基于小波方向波变换和灰度共生矩阵的纹理图像检索

针对纹理检索中的图像特征提取问题,基于小波方向波变换和灰度共生矩阵,提出了一种新的纹理图像特征提取方法,可对纹理图像进行检索.首先通过计算小波方向波变换分解后获得的各子带的均值和标准方差以及灰度共生矩阵的二阶矩、对比度、相关系数、熵的均值构造纹理图像的特征向量,然后采用不同权值的平均欧氏相似性度量方法作为相似度衡量标准进行检索.研究结果表明该方法具有更好的检索效果,平均查准率有较大的提高.

Image retrieval based on color features integrated with anisotropic directionality

A novel image retrieval approach based on color features and anisotropic directional information is proposed for content based image retrieval systems （CBIR）. The color feature is described by the color histogram （CH）, which is translation and rotation invariant. However, the CH does not contain spatial information which is very important for the image retrieval. To overcome this shortcoming, the subband energy of the lifting directionlet transform （L-DT） is proposed to describe the directional information, in which L-DT is characterized by multi-direction and anisotropic basis functions compared with the wavelet transform. A global similarity measure is designed to implement the fusion of both color feature and anisotropic directionality for the retrieval process. The retrieval experiments using a set of COREL images demonstrate that the higher query precision and better visual effect can be achieved.

基于方向变换和方向波的图像去噪

针对小波变换处理二维信号时存在方向缺失、不能达到最优逼近的缺点,借鉴方向波中处理边界问题的思想,利用方向滤波器组中的采样矩阵实现图像旋转。将具有一定夹角的2个方向利用采样矩阵表示,使这2个方向分别旋转投影成为水平方向和垂直方向。考虑到小波分析擅长处理纹理特征的优点,结合方向变换与小波变换,将对角线信息进行优化表示。仿真实验验证该方法可显著改善图像的视觉效果。