结合边缘信息和图像特征信息的曲波域遥感图像融合

曲波变换是一种更适合于图像处理的多尺度几何分析方法,具有比小波变换更强的方向选择和辨识能力,而且对图像边缘的表达更优于小波.结合色度-饱合度-亮度变换将其应用于合成孔径雷达图像和多光谱图像融合可以更好地表示图像中的有用特征.首先对多光谱图像进行色度-饱合度-亮度变换,得到亮度分量I,对雷达图像和I分量进行曲波变换得到粗尺度系数和细节尺度系数;将雷达图像的粗尺度系数和细节尺度系数进行叠加,计算归一化的曲波系数直方图,定义边缘有效因子,利用合成孔径雷达图像的特征信息将曲波变换系数分为均匀区、非均匀区和亮点目标区.然后采用相应的融合规则对融合图像的粗尺度系数进行处理,对细节尺度系数采用简单的直接取大方法,逆变换后得到新的亮度分量.用新的亮度分量替代原亮度分量进行逆色度-饱合度-亮度变换得到最终融合结果,利用统计类指标对融合结果进行评价.实验结果表明,该方法在保持光谱信息和提高空间分辨率上都有较好的效果.

多尺度变换域图像的感知与识别:进展和展望

多尺度变换域隐马尔可夫模型能够有效地描述变换域系数在尺度间、尺度内和方向间的统计相关性,是一种新的统计图像感知与识别方法.文中以变换域系数的统计相关性描述为中心,以模型的设计和应用的开展为两翼,深入分析了子波变换的三级统计特性与机理,比较研究了多尺度变换域的十种统计模型,并系统评述了这些模型在图像感知、处理和分析中的最新进展.同时,具体论述了这一领域研究中两类成功的实例:图像去噪和图像纹理分割.对于前者,以Lena图像为测试用例分析比较了以变换域统计模型为核心的8种算法的去噪性能;对于后者,按照分割类型(监督式或非监督式)和应用的图像类型系统比较了以统计模型为基础建立的15种图像分割方法.最后,从面向应用的模型构造和算法设计、变换域的拓展和应用层次的推广三个层面指出了目前存在的问题和不足,探讨了进一步的研究重点.

3D多尺度几何分析研究进展

3D多尺度几何分析是图像、视频和几何模型等数字可视媒体处理的技术基础,其目的在于高效地表示这些媒体中存在的点、线、面奇异.为此,依据不同变换捕获奇异的能力演进及其非线性逼近效率的提高,从2D图像多尺度几何分析的研究进展切入,着重阐述视频3D多尺度几何分析的发展,并将其归纳为3类:由2D基函数直接扩展的3D多尺度几何分析、基于3D基函数的3D多尺度几何分析和基于时空非局部相关性的3D多尺度几何分析,深入探讨了各种典型变换方法的主要思想、非线性逼近效率、计算复杂度、优势和不足.同时,概要介绍了数字几何模型的3D多尺度几何分析研究进展.在此基础上,对3D多尺度几何分析的未来发展趋势进行了展望.

改进的Curvelet变换图像降噪方法

与小波变换相比,Curvelet变换等多尺度几何分析方法,可以更好地逼近含线奇异的高维函数。基于Curvelet变换的图像去噪方法,即WindowShrink算法,考虑到Curvelet变换系数之间的相关性,利用软阈值方法降噪。通过窗口邻域操作,对变换后的每一个Curvelet系数自适应地进行萎缩处理,降低噪声系数权重以提高信噪比。实验表明,该方法一定程度上改进了传统Curvelet去噪方法“过扼杀”Curvelet变换系数的缺点,可以较好地保持图像边缘。在噪声方差σ=25时,小波,Curvelet以及WindowShrink去噪算法的峰值信噪比(PSNR)分别为28.59、29.25和29.93,后者明显优于前二者。

基于Contourlet域HMT模型的多尺度图像分割

基于Contourlet系数分布统计特性,结合隐马尔可夫树(HMT)模型和贝叶斯准则提出一种新的图像分割算法.为了更有效保持Contourlet域不同尺度间的信息,提出一种新的加权邻域背景模型,给出了基于高斯混合模型的象素级分割算法和基于新的背景模型的多尺度融合算法.分别选择合成纹理图像、航拍图像和SAR图像进行实验,并与小波域HMTseg方法进行比较以说明算法的有效性.对合成纹理图像给出错分概率作为评价参数.实验结果表明本文方法不但在边缘信息和方向信息保持上有明显改进,而且错分概率明显降低,对真实图像得到了理想的分割效果.

基于曲波活性测度的SAR与多光谱图像融合

曲波变换是一种更适合于图像处理的多尺度几何分析方法,具有很强的方向性。结合活性测度将其应用于合成孔径雷达(SAR)图像和多光谱(MS)图像融合可以更好地表示图像中的有用特征。首先,对多光谱图像和SAR图像的R、G、B三波段分别进行曲波变换,粗尺度系数采用3×3窗口系数活性测度进行融合,细节尺度直接取大,对粗尺度和细节尺度系数重构后得到最终融合结果。采用熵、平均梯度、信噪比和扭曲程度对融合结果进行评价。实验结果表明,基于曲波活性测度的融合方法在保持MS光谱信息和提高空间分辨率上都有较好的结果。

基于Contourlet变换和形态学的图像增强方法

传统的图像增强算法在增强图像时,增大噪音,同时丢失细节.针对该问题,结合Contourlet变换中相关系数理论,提出了基于Contourlet变换和数学形态学的图像增强新算法.首先,对图像进行Contourlet变换分解,采用数学形态学算子对高频细节部分区分为细节信息和噪音产生的系数,然后,对变换系数采用非线性映射函数进行增强.最后,利用修改后的变换系数进行Contourlet逆变换得到增强后的图像.实验表明,该方法无论是增强效果还是抗噪性能都明显优于传统的图像增强算法.

图像多尺度几何分析新进展:Contourlet

contourlet 是继小波分析后的新一代信号分析工具,具有多分辨、局部化和多方向性等优良特性,更适合处理图像等高维信号。本文分析了 contourlet 变换及其构造原理,探讨了 contourlet 变换在图像处理中的部分应用,最后给出了今后关于 contourlet 理论所值得研究的若干方向。

带限剪切波变换与全变差结合的图像去噪

基于带限剪切波变换理论,提出了一种带限剪切波与全变差相结合的去噪算法.根据剪切波变换在不同分解尺度的噪音标准差设置不同的阈值对噪音图像进行重构,以此重构图像作为全变差去噪的初始图像进行全变差最小化去噪,经过迭代后得到最终去噪结果.实验结果表明,与基于多尺度几何分析的其他去噪算法(曲波变换、非下采样轮廓波变换、剪切波变换直接硬阈值去噪)相比,视觉效果与峰值信噪比数值有明显的提高,且保留了更多的纹理、边缘等图像细节信息.

乳腺X线图像的增强与噪声抑制研究

提出了一种基于多尺度几何分析的乳腺X线图像增强与噪声抑制的新方法.首先对乳腺X线图像进行非下采样Contourlet变换分解,得到相应尺度和子带信息;然后根据变换系数的统计特性,应用广义高斯混合模型对其进行建模,并在此基础上引入贝叶斯分类方法将建模后的系数分为强弱边缘及噪声;再根据各个子带系数的类别属性,分别设计相应的非线性映射函数来对不同的系数进行自适应增强和抑制;最后采用增强和抑制后的系数对原图像进行重构,从而得到凸显病变区域特征的增强图像.实验结果表明,该方法具有良好的实用性和鲁棒性.

基于非下采样Contourlet的多传感器图像自适应融合

提出了一种基于非下采样Contourlet变换的多传感器图像自适应融合方法,采用黄金分割法搜索最优的低频融合权值,自适应地对多传感器图像的低频子带系数进行融合.非下采样Contourlet变换是一种新的图像多尺度、多方向的表示方法,适合表达具有丰富细节信息及方向信息的图像,且该变换具有平移不变性,可以避免一般方法对融合图像引入的振铃效应,它的高频方向子带捕获了多传感器图像的显著特征,文中采用同一尺度下方向子带信息和取大的规则对高频系数进行融合.实验结果表明,与基于拉普拉斯塔、小波、平稳小波和Contourlet变换的方法比较,文中所提出的方法可以获得较好的融合效果.

基于Contourlet变换的自适应图像去噪方法

综合考虑Contourlet变换后系数尺度内和尺度间的依赖性,提出了一种基于Contourlet变换的自适应去噪方法。与几种传统的小波去噪算法比较,它能够更有效地保留图像的细节和纹理,具有更好的视觉效果和较优的SNR值。

非下采样变换的红外与可见光图像融合

基于非下采样Contourlet变换(NSCT),提出了一种红外和可见光图像融合算法。针对低频子带系数和各带通方向子带系数分别提出了基于图像物理特征的系数加权选择方式与基于区域能量匹配的系数选择方式,即低频基于区域梯度信息、高频基于区域特征因子的加权与选择结合的图像融合算法。实验结果表明:非下采样Contourlet变换具有较快的运算速度,且经非下采样变换后能量更加集中,可提供更多的图像信息。相对于基于像素的图像融合算法,本文的图像融合算法具有更高的融合性能,是一种更适合图像融合的多尺度几何分析(MGA)工具。

基于Tetrolet变换的热轧钢板表面缺陷识别方法

通过Tetrolet变换将热轧钢板表面图像分解成不同尺度和方向的子带,提取子带的Tetrolet高通系数矩阵特征,得到一个高维的特征矢量。利用核保局投影算法对高维特征矢量进行降维,将降维后的低维特征矢量输入支持向量机,从而实现热轧钢板表面缺陷的分类识别。对现场采集到的热轧钢板表面图像样本进行试验,包括横向裂纹、纵向裂纹、横向划伤、纵向划伤、结疤、麻点、网纹、压痕等8类常见热轧钢板表面缺陷,以及氧化铁皮和无缺陷等样本。试验结果表明基于Tetrolet变换方法对样本图像的识别率可达97.38%,比基于Curvelet变换、Contourlet变换等方法得到的识别率提高1%左右。

一种改进的PCNN图像融合算法

针对使用小波变换及简单融合规则的图像融合算法的不足,提出了一种改进的基于脉冲耦合神经网络(Pulse Coupled Neural Networks,PCNN)融合规则的非下采样轮廓波变换(Nonsubsampled Contourlet Transform,NSCT)图像融合方法。对已配准待融合图像进行NSCT分解,采用改进的PCNN融合规则对Contourlet域系数进行融合,得到融合图像的NSCT系数,经逆变换重构得到融合图像。实验结果表明该算法在主观视觉和客观评价指标上都取得了较好的融合效果。

结合边缘特征的遥感图像融合

曲波(Curvelet)变换是一种更适合于图像处理的多尺度几何分析(MGA)方法,具有很强的方向性。结合HSI变换将其应用于全色图像和多光谱(MS)图像融合可以更好地表示图像中的有用特征。首先对多光谱图像进行HSI变换,得到亮度分量I,对全色图像和I分量进行曲波变换得到粗尺度系数和细节尺度系数,对全色图像的粗尺度系数和细节尺度系数进行叠加,计算归一化的全色曲波系数直方图,定义边缘有效因子,利用全色图像的特征信息对融合图像的粗尺度系数进行处理,对细节尺度系数采用函数对弱边缘进行增强,对新的曲波系数设计融合规则进行融合,逆变换后得到新的亮度分量Inew,用Inew替代原亮度分量I进行逆HSI变换得到最终融合结果,采用统计类指标对融合结果进行评价。实验结果表明,该方法在保持光谱信息和提高空间分辨率上都有较好的效果。

图像的多尺度几何分析:回顾和展望

多尺度几何分析旨在构建最优逼近意义下的高维函数表示方法 .本文以二维函数的非线性逼近为主线 ,分析了推动多尺度几何分析发展的深刻数学和生理学背景 ,综述了图像多尺度几何分析方法的最新进展及存在的问题 。

基于多尺度几何分析的图像编码研究进展

近10年来,在小波变换的理论基础之上,产生了一系列新的能够更加有效地表示和处理高维数据奇异的数学变换,统称为"多尺度几何分析".它们不仅具有多分辨率特性、时频局部性、多方向性和各向异性,而且克服了小波变换表示边缘、轮廓等高维奇异时存在的局限性.目前,有关多尺度几何分析的理论和应用方法的研究已经成为一个新的热点.首先探讨了小波变换的方向特性及其局限性;其次,以多尺度几何分析的发展为主线,对基于各种多尺度几何分析工具的静态图像编码算法进行概述阐述和比较研究,同时分析和讨论了各类算法的优势和不足;最后,对基于多尺度几何分析的图像编码算法的未来发展进行展望.

基于多尺度几何分析的目标描述和识别

结合多尺度几何分析和局部二值模式算子,构造了一种新的多尺度、多方向局部特征描述子——局部Contourlet二值模式(LCBP).通过对尺度内、尺度间及同一尺度不同方向子带内LCBP直方图统计分析,同时考虑到LCBP的四叉树结构特点和模型的简单性,用两状态HMT描述LCBP系数,得到LCBP-HMT模型.在此基础上,提出了基于LCBP-HMT模型的目标识别算法,该算法提取LCBP-HMT模型参数作为特征,通过比较输入目标特征和各类标准目标特征的Kullback-Leibler距离进行分类.实验结果表明,LCBP特征比传统小波域特征和Contourlet域高斯分布模型特征更具鉴别能力.

图像多尺度统计模型综述

基于小波变换的图像处理方法是目前的主流方法,而对图像特征的多尺度统计建模则是图像压缩、去噪、分割、纹理分析与合成等统计应用的关键问题。本文综述了图像的多尺度统计模型,包括边缘分布模型以及层内、层间和混合相关模型,分析了各模型的优缺点,给出了对各种相关模型捕捉系数间相关性能力的归一化量测。最后,简单介绍了基于多尺度几何分析的统计图像模型,并对多尺度统计建模的前景进行了展望。