基于剪切变换及凸集映射的2D数据重建技术研究

以剪切变换理论为基础,结合凸集映射理论使用最小二乘法,并反复迭代求取误差函数最小化实现2D数据重建.以图像直方图、信噪比和峰值信噪比为指标,通过图像案例验证了基于剪切变换的凸集映射的2D数据重建的效果.实验结果表明:算法重建的数据结果与原始数据对比具有很好的一致性,与基于图像金字塔实现的数据恢复算法相比,在运行速度上有显著的提升.

一种抗剪切变换攻击的数字图像加密算法

为了能对经过剪切变换攻击的加密图像进行有效恢复,给出了一种基于混沌序列的数字图像加密算法,该方法在预处理的基础上,基于数字图像灰度矩阵位平面进行置乱加密,在恢复过程中通过像素邻域灰度信息进行恢复,能够有效抵御针对加密图像的剪切变换攻击。实验表明,该方法具有较好的效率和安全性。

一种基于剪切变换和图像增强的融合方法

为了进一步提高可见光与红外线图像的融合效果,采用剪切波变换和方向滤波建立了一种图像融合方法。通过引导滤波器对可见光图像的场景信息进行增强,提高细节信息;利用剪切波变换对增强后的可见光图像和红外线图像进行多尺度分解,得到不同的低频和高频尺度子带;对低频尺度子带的系数选取能量保护的融合规则,而对高频尺度子带的系数选取PCA的融合规则进行融合;利用剪切波逆变换对融合的低频尺度的子带系数和高频子带的尺度系数进行变换得到融合结果。实验效果表明所提方法能有效地提高融合结果中的细节信息。

基于复剪切波变换与VGG19模型的医学图像融合方法

针对传统医学图像融合方法存在的细节信息不够清晰、边缘信息易丢失和图像失真等缺点,以及深度学习网络缺乏足够的训练数据集等问题,提出了一种基于复剪切波变换和预训练网络模型VGG19的多模态医学图像融合方法。首先,利用复剪切波变换提取医学图像边缘和纹理信息,并得到多尺度、多方向的子带系数。然后,使用加权局部能量和修正的拉普拉斯算子对低频子带系数进行融合;引入预训练的VGG19提取多层特征图,结合加权评估规则来获取高频子带的融合结果。最后,对融合的高频和低频子带,施加复剪切波逆变换重构融合图像。实验表明,该方法得到的融合图像,不仅可以清晰地显示图像的细节信息和边缘信息,而且能够有效抑制伪影和失真现象的产生,在主观视觉比较和6种客观评价指标下能够达到更佳融合效果。

基于剪切波变换和脉冲耦合神经网络的图像融合方法研究

图像融合的目的是将多个来源的图像合并,从而产生1个包含所有原始图像信息的新图像。传统的图像融合方法可能损失一些重要信息或导致图像失真,因此研究新的图像融合方法具有重要意义。作为新兴技术,剪切波变换和脉冲耦合神经网络在图像融合中的应用潜力尚未被充分发掘。文章致力于研究这2种技术在图像融合中的效果,并提出结合两者的新方法。

基于剪切波变换和拟合优度检验的遥感图像去噪

针对遥感图像中的高斯白噪声,提出一种基于剪切波变换和拟合优度检验的遥感图像去噪算法.首先,将含噪遥感图像通过剪切波变换多尺度分解得到不同子带,利用剪切波域下高斯白噪声系数的统计关系估计去噪阈值;其次,计算高频子带的拟合优度检验统计量,将统计量与去噪阈值相比较进行去噪;最后,对系数矩阵进行剪切波逆变换重建去噪图像.仿真实验结果表明,该算法能有效去除遥感图像中的高斯噪声,保持图像的边缘纹理信息,并且在不同噪声水平下,均获得了较高的峰值信噪比,其中与剪切波阈值去噪算法相比平均提高0.33 dB.

基于剪切波变换的光学元件表面缺陷检测方法

针对精密光学元件表面划痕缺陷形态大小随机分布,难于检测的问题,提出了一种基于非下采样剪切波变换(NSST)和L0梯度最小化(LGM)的精密光学元件表面缺陷检测的方法。首先,采用NSST将被测元件表面数据分解为不同尺度、不同方向的子块;然后,在子块上基于自适应阈值使用LGM分离被测表面的纹理;最后,重构变换域子块,实现元件表面缺陷的检测。实验结果表明:对包含256×256数据点的表面,特征分离仅需要0.7862 s,满足元件的自动化处理的时间要求。与小波等方法相比,该方法能更准确地分离器件表面的纹理与缺陷,在光学元件表面缺陷检测方面效果更优。

基于张量低秩分解和非下采样剪切波变换的视频图像去雪方法

在雪天条件下,雪花会对视频监控系统造成遮挡,使部分重要景物信息无法被捕获,严重降低获取的视频图像质量,对后续目标检测与识别等高级图像处理造成强烈干扰。现有视频图像去雪方法普遍存在去雪效果不稳定,运算耗时长等缺陷。针对该问题,首先利用张量能充分挖掘视频图像中蕴含的空间位置信息的优势,通过张量低秩分解模型与三维全变分正则化相结合,将受到雪花污染的监控视频分解为静态背景层和运动前景层;然后,采用基于非下采样剪切波变换和数学形态学滤波方法,将运动前景层进一步分解为运动物体层和雪层;最后,将静态背景层和运动物体层进行重构,得到最终去雪后的视频图像。实验结果表明,该方法能够有效去除视频图像中的雪花干扰,清晰保留景物边缘信息,在处理效果和运算效率上均优于现有先进算法。

非负矩阵分解结合非下采样剪切波变换的遥感图像融合

文章提出了一种基于非负矩阵分解(NMF)和非采样剪切波变换(NSST)的图像融合方法。该方法通过将NMF和NSST相结合来实现图像融合,以此提取图像的共性信息和结构信息,从而获得更清晰、自然、准确的图像融合结果。具体地,我们使用NMF方法来分解多幅输入图像,并获取它们的共性部分和个性部分。通过NMF的分解,原始图像可以表示为一个非负矩阵V的乘积,其中V包含原始图像的像素值,同时包含若干列代表图像的基矩阵。在我们的方法中,共性部分对应于图像所共有的信息,而个性部分对应于图像的个别特征。接着,我们使用NSST方法对共性部分和个性部分进行分解,以便获得不同尺度和方向的图像信息。NSST是一种基于剪切波变换的多尺度分析方法,能够很好地保持图像的结构信息,并抑制伪吉布斯现象。最后,将分别经过NSST处理的共性部分和个性部分进行融合,从而获得一幅整合了图像的细节和特征的输出图像。该融合方法可以很好地处理不同类型、尺寸和分辨率的图像,并在处理复杂情况时表现出良好的效果。为了验证所提出的方法的性能,我们在不同数据集上进行了实验,并与其他常用的图像融合方法进行了比较。实验结果表明,我们提出的方法取得了良好的融合效果。因此,本文所提出的方法在图像融合领域中具有广泛的应用前景。

基于非下采样剪切波变换的FSVM图像去噪算法

以非下采样剪切波变换为基础,提出了一种模糊支持向量机图像去噪算法,其中非下采样剪切波变换能够获得噪声图像的高频子带,对高频子带系数进行模糊分类,利用自适应阈值处理含噪子带系数,达到去噪效果。实验结果表明,本文算法在图像去噪方面表现良好。

两级扩展离散剪切变换数字水印算法

为了提高数字水印算法的不可见性和健壮性,将水印嵌入到最大熵子带低频大系数和最小熵子带低频小系数,并将扩展离散剪切变换的强方向敏感性引入到数字水印中.在此基础上提出了两级扩展离散剪切变换的数字水印算法.实验结果表明,新算法不仅具有很强的不可见性,加入一系列攻击后,仍能提取出水印信息.新算法具有很强的不可见性和健壮性.

基于离散剪切波与优化深度卷积神经网络的图像降噪方法

海洋试验图像通常受到海洋气象条件、海水光照折射和海洋深度等因素的影响,导致在海洋中采集的图像包含严重的噪声。为了提高海洋试验图像的清晰度和降噪性,提出一种基于离散剪切波与优化深度卷积神经网络相结合的海洋试验图像降噪方法。采用离散剪切波变换分解海洋试验图像,能有效从图像中提取不同方向和频率的特征。利用优化深度卷积神经网络强大的图像特征提取能力,经网络模型训练后,能获取图像中的关键特征,达到降噪的目的。在验证实验中,所提方法与传统图像降噪方法相比,能有效保留图像的纹理和细节特性,获得了较好的降噪效果,有助于提高海洋试验图像的清晰度和降噪性。

采用剪切波变换的红外弱小目标背景抑制

提出了一种将剪切波变换与贝叶斯统计机理相结合的背景抑制新方法来解决红外搜索跟踪系统探测复杂空中和地面背景杂波中的弱小目标这一难题.根据红外图像中目标和背景杂波的不同分布特性,首先,采用剪切波变换对原始红外图像进行多尺度和多方向分解,获得原始图像的多尺度和方向细节特征,然后,通过应用高斯尺度混合模型进行处理,从而将红外图像中弱小目标和背景杂波分离,达到抑制背景的目的,最后采用经典的自适应阈值分割技术得到目标图像,最终实现目标检测.与二维最小均方误差滤波方法相比较,几组实验结果显示,对弱小目标复杂背景具有较好的抑制效果.

基于剪切波变换的可见光与红外图像融合算法

针对不同传感器的图像融合问题,提出一种基于剪切波变换的可见光与红外图像融合算法。首先通过剪切波变换对多源图像进行多尺度多方向分解,获取图像的低频子带与高频子带系数。在融合过程中,针对高、低频子带系数所反映图像尺度特征的差异性,采用相应的区域显著性方法进行量化描述。鉴于两源图的不同物理特性导致同一场景景物灰度分布存在差异的现象,采用区域相似性进行量化区别。综合区域显著性与区域相似性2个参数制定融合规则,实现多尺度分解系数的优化组合,经剪切波反变换重构各融合后的子带系数,获取最终的融合图像。实验结果表明,该算法与相关融合算法相比,在主观视觉效果与客观量化指标性能上均有所改善。

基于双树紧支剪切波变换的遥感图像融合

提出一种基于双树紧支剪切波的遥感图像融合算法。紧支剪切波变换是剪切波理论的空域实现,因其步骤中包含了传统的离散小波变换(DWT),引入了移变性。分析移变性对图像融合的影响,采用双树复数小波抑制紧支剪切波的移变性,与主分量分析变换(PCA)或IHS变换相结合,提出遥感图像融合算法。通过Quick Bird和IKONOS的三组数据的进行实验,结果表明提出的融合方法性能优于基于DWT、àtrous小波、Curvelet以及基于频域实现剪切波(àtrous shearlet)方法。

基于平移不变剪切波变换域图像融合算法

针对传统基于多尺度变换的图像融合方法存在的缺点,提出了一种基于平移不变剪切波变换域的自适应图像融合新方法.首先,使用平移不变剪切波变换对源图像进行分解,得到低频子带及方向带通子带系数.然后,对于低频子带系数采用梯度域奇异值分解方法估计图像的局部结构信息,提出了基于提取的特征与S函数的可变加权融合策略;对于各方向带通子带系数,提出了一种基于改进的拉普拉斯能量和匹配的"加权平均"和选择相结合的系数选择策略.最后,对得到的融合系数进行逆变换得到融合图像.通过实验可以发现相比于传统的图像融合方法,本文方法得到了更高的客观指标,融合图像视觉效果更好.

基于平移不变剪切波变换的医学图像融合

传统的基于剪切波变换的融合方法在融合图像的奇异处易产生伪吉布斯现象.为此,文中提出了一种基于平移不变剪切波变换的医学图像融合新方法.该方法利用平移不变剪切波变换将待融合的医学图像分解成低频子带和高频子带,并使用基于区域系数绝对值和权重的规则融合低频系数;对于高频子带,提出一种基于支持向量值激励的自生成神经网络的高频子带融合策略;最后利用逆平移不变剪切波变换重建融合后的图像.视觉比较和融合结果量化分析表明,文中提出的方法不仅能够有效克服伪吉布斯现象,而且以熵、互信息、平均梯度和QAB/F作为标准时其融合结果比小波、轮廓波和非下采样轮廓波变换等传统方法更好.

基于剪切波变换和无人机麦田图像的区域杂草识别方法

区域杂草的识别有利于植保作业中的除草剂精准喷施。现有图像处理技术主要针对行间和株间杂草,而传统的图像采集与分析设备对苗期麦田杂草的识别存在一定局限性,难以满足非人工的区域性喷洒农药等作业需求。由于麦田区域中的麦苗和杂草具有形态和颜色区分度差的特点,传统的图像识别方法难以有效识别。针对此问题,该文提出利用剪切波变换对无人机麦田区域图像中杂草进行识别。该方法利用其自身的方向敏感性以及在纹理识别中的方向无关性,根据麦田区域图像在杂草较多的部分叶片纹理杂乱,反之则纹理相对规则的特点,处理得到不同尺度和不同方向下小麦与杂草的剪切波系数。然后针对小麦和杂草剪切波系数的不同特征,对剪切波系数矩阵进行归一化处理,同时对其均值和方差进行了统计分析,得到麦苗和杂草剪切波系数图中竖直锥第二尺度所有系数均值的区分值约为0.07,第二尺度各个方向的均方差均值的区分值约为0.08。通过对含杂草麦苗区域图像以及麦苗区域图像的验证,准确率为69.2%,效果优于传统的灰度共生矩阵方法。此外,该文对无人机拍摄区域图采用分块的方法,实现了对非麦苗区域的有效标识。由此可见,剪切波变换方法能够为基于低空植保无人机喷洒农药中的区域杂草识别提供参考。

基于剪切波变换的复杂海面红外目标检测算法

针对复杂海面红外目标检测问题,利用剪切波变换优良的各向异性能力和系数的几何特性,提出了一种基于剪切波变换的复杂海面红外目标检测算法。该算法利用剪切波变换得到边缘图像,同时提供边缘的方向信息,极大提高了海天线的检测和识别概率;然后根据海天线位置进行边缘加权,抑制海杂波,保留目标信息;经过减行均值滤波,对加权边缘图像进行分割;最后,进行数学形态学处理,检测出舰船目标。实验结果表明,该算法可以在单帧图像中检出目标,并且对存在阳光亮带、海杂波等干扰的复杂海面背景取得较好的检测效果。

复剪切波变换域各向异性滤波DTI去噪

扩散张量成像(Diffusion tensor image,DTI)是测量大脑轴突纤维束完整性的一种新的磁共振成像方法,在揭示与衰老相关的神经退行性疾病的大脑变化方面起着重要作用,其不仅提供了常规核磁共振技术无法获得的图像对比度,而且实现了人体大脑白质中独特信息的获取和神经元路径的3D可视化.然而在DTI成像过程中,由于受到外界噪声的污染,使得获取的图像产生伪像并且造成图像边缘模糊不清,给医学图像的后期处理带来了很大的局限性和挑战.为了减少噪声对DTI图像的影响,并且实现对DTI图像的边缘结构信息进行有效地保留,本文结合多尺度几何变换中的复剪切波变换,利用基于结构张量的各向异性滤波与黎曼框架,提出了一种新的DTI图像去噪算法.为了验证本文所提算法在DTI图像去噪方面的有效性,对模拟和真实DTI数据进行去噪实验,实验结果表明本文所提算法不仅有效地消除了DTI图像中的噪声,还可以更好地保留张量结构.