一种基于WBCT的图像编码算法

最新标准的图像压缩算法JPEG2000核心是在小波变换的基础上,利用率失真优化算法对所有码块的嵌入式压缩码流进行适当的截取,得到最优的编码率失真性能,提高编码性能。针对小波变换不能充分稀疏表示图像的二维几何特征,从而影响基于小波变换的传统图像压缩算法对图像纹理特征保持效果的问题,提出一种基于WBCT变换的EBCOT压缩算法。该算法利用基于小波的Contourlet变换可以有效地稀疏表示图像纹理区域的特性,根据码块熵最小化原则优化WBCT方向分解,降低了码块内系数的复杂程度,提高了EBCOT上下文模型编码效率;通过EBCOT自适应算术编码与率失真优化截断方法生成压缩码流。实验结果表明,重构图像不仅峰值信噪比(PSNR)得到提高,而且对图像局部纹理失真明显减小,证明了该算法的有效性。

基于WBCT和LBP融合的焦炭显微图像识别方法

焦炭显微光学组织的分类识别是判定焦炭质量和指导生产配煤的关键内容,由于传统的空域和频域方法效果都不理想,提出了一种基于小波分解Contourlet变换(WBCT)与局部二进制模式(LBP)融合的焦炭显微图像识别算法。首先,运用WBCT对图像进行多尺度多方向分解,提取出各子频带的统计特征量;然后,在空域采用均匀LBP算子,计算图像LBP特征描述子;最后,根据融合的相似性度量准则判断图像的光学组织类别。与其他方法对比实验结果表明,该算法不仅可获得更高的识别精度,而且具有较强的抗干扰能力,尤其是对泊松分布噪声敏感性较小,因此,适合于焦炭显微图像的分析。

一种基于熵的WBCT自适应方向分解优化算法

提出一种基于熵的WBCT自适应方向分解优化算法,在对图像进行小波变换的基础上,对各级高频子带进行完全方向分解,然后分析各子带不同方向分解数目时熵的变化情况,并根据最小熵原则给出各个子带的最优方向分解数目。采用SPECK编码方法验证了方向分解数目的合理性。结果表明:经笔者算法处理后的重构图像PSNR值均有明显提高。

基于WBCT的地震数据感兴趣区域编码算法

提出一种基于小波域Contourlet变换(WBCT)最优截断嵌入码块(EBCOT)的地震数据压缩算法.首先利用WBCT获得地震数据的稀疏表示,根据码块熵最小化原则优化WBCT方向分解,降低码块复杂度,提高编码效率;然后针对不同地质信息对小波各子带的带通特性不同,改进JPEG2000算法感兴趣区域掩模处理方式,对不同的小波子带设置不同权值,进行掩模处理;最后通过EBCOT编码生成压缩码流.实验结果表明,重构的地震数据不仅峰值信噪比(PSNR)得到提高,而且地震数据同向轴局部纹理失真明显减小.

Contourlet和小波相结合的SPIHT算法

借鉴Contourlet变换和WBCT的思想,采用Contourlet和小波相结合的变换,并根据变换后系数的特殊结构,提出了一种新的空间方向树结构,实现了对变换后系数的类似SPIHT编码,达到了对图像压缩的目的。实验表明,该算法能更好地恢复图像的纹理和细节信息,并在低比特率下具有较高的峰值信噪比。

基于WBCT与归一化相关矩阵的红外与可见光图像融合算法

突出目标指示特性和提高空间分辨率是红外与可见光图像融合的重要问题。针对传统区域能量融合规则的局限性,提出了一种基于小波-Contourlet变换WBCT(Wavelet-based contourlet transform)和归一化相关矩阵与区域能量相结合的融合算法。采用一组红外与可见光图像数据进行融合实验,利用均值、标准差、熵、总体交叉熵和平均互信息评价指标对融合效果进行分析。对结果的分析比较表明,所提出的融合规则的效果优于小波融合方法及Contourlet变换方法,达到了良好的视觉效果。

基于改进型WBCT的多光谱图像融合方法

针对多光谱图像的融合问题,以提升小波变换代替传统小波变换,提出一种改进的WBCT方法。利用该方法对源图像进行多尺度分解,得到高频和低频分量,采用不同的融合规则对其进行处理,得到融合后的系数,并通过逆变换得到融合图像。实验结果表明,与Contourlet变换和提升小波变换相比,改进方法的融合效果有明显提升。

有效的红外与可见光图像融合方法研究

针对红外图像可视化程度弱、对比度低的问题,提出一种基于轮廓小波变换和区域能量的红外与可见光图像融合算法。首先进行多尺度小波分解,然后进行多方向滤波;引入循环平移方法来消除伪吉布斯失真;采用基于区域的能量融合规则,重构变换系数得到最终融合结果;最后用信息熵、信噪比等指标来评价融合的性能。实验表明,该方法不论在客观评价还是在主观评价指标上都优于其他融合方法,提高了融合图像的视觉效果,可以得到更加清晰的融合图像。

基于最优分解和方向加权的静止图像压缩算法

基于小波变换的JPEG2000是新一代静止图像压缩标准,具有很多优点。但是由于二维小波是一维小波的张量积,它只有有限的方向,因而不能较好地捕捉图像的方向信息。基于方向滤波的小波-contourlet变换(wavelet-based contourlet transform,WBCT)可以弥补这个不足,它比小波变换能更稀疏地表示图像信息。把WBCT嵌入在JPEG2000框架中,并结合其性质,提出了基于最优分解和方向加权的静止图像压缩算法。实验结果表明,该算法在中低码率下可以更好地表现图像的轮廓和强纹理信息,在高码率下也能较好地编码图像的弱纹理信息。不管是参照客观质量评价方法,还是凭主观视觉感受,该算法的压缩性能均优于JPEG2000。

基于软阈值贪婪方向追踪的图像重构法

首先,使用新型压缩感知框架对图像进行基于小波的轮廓波变换(WBCT);然后,采用部分傅里叶矩阵随机观测子空间系数;最后,结合软阈值贪婪方向追踪(SGDP)算法完成图像重构。试验结果表明,与传统的稀疏梯度投影(GPSR)算法相比,基于软阈值贪婪方向追踪的图像重构法在恢复图像低频信息的同时保留了高频信息,尤其对于含噪图像重构,可使重构图像峰值信噪比(PSNR)值提高约2dB。

基于IHS与WBCT变换的彩色图像融合算法

WBCT(Wavelet-based Contourlet Transform)是一种无冗余度的函数稀疏表示方法,能提供丰富的方向和形状信息,有助于捕捉图像中的几何结构。基于IHS(Intensity-Hue-Saturation)和WBCT变换,提出了一种彩色图像融合算法。首先通过IHS变换,将可见光图像从RGB颜色空间转换到IHS空间,进而对可见光图像I分量及红外图像进行WBCT变换,按一定的融合规则得到新的I分量,最后通过IHS逆变换得到RGB融合图像。实验结果表明,该方法得到的融合图像在图像边缘等细节上较传统的基于IHS与小波变换的融合方法具有更好的视觉效果。

兴趣区域优先的多尺度压缩感知渐进编码算法

针对面向目标探测识别的无线图像传输应用,为了解决探测识别任务对图像质量的高要求和无线信道带宽约束之间的冲突,提出一种感兴趣区域(ROI)优先的多尺度压缩感知(CS)渐进编码算法。首先,选取多尺度CS测量技术进行图像压缩,在相同压缩比情况下,可以保持更多的图像的细节信息;其次,针对目标探测识别对重构图像纹理、边缘信息完整保持的需求,选取基于小波的轮廓变换(WBCT)作为CS的稀疏表示方法,可更多地提取方向信息,从而可以较完整地保持边缘轮廓信息;最后,针对重构图像ROI与背景区过度划分、ROI周边相关信息损失过多的问题,给出ROI边界平滑处理的方法,可有效改善重构图像的主观视觉质量。实验结果表明:在ROI压缩率高达0.4的情况下,总的压缩率降至0.18,既保护了ROI信息又显著提高了压缩比,基本满足目标探测识别任务的需求。