基于双密度双树复数小波变换的合成孔径雷达图像降噪研究

针对合成孔径雷达(SAR)图像相干斑噪声抑制问题,本文将双密度双树复数小波变换(DD-DT CWT)结合具有局部方差估计的双变量收缩阈值函数(BSF)构成一种新的SAR图像降噪算法实现合成孔径雷达图像降噪.首先将SAR图像用双密度双树复数小波变换进行多尺度分解,考虑小波系数间的相关性,用双变量概率密度函数作为小波系数及其父代系数的统计关性的模型,并通过Bayesian估计理论导出相应的非线性双变量收缩函数对图像不同方向的小波系数进行非线性自适应的处理,最后重建降噪后的图像.分别用仿真SAR图像和实际图像对算法进行验证,并与其它方法的性能进行比较,对不同算法处理后图像进行了主客观评价,分析结果表明,新算法的去噪效果明显优于传统的小波变换方法,不仅有效实现了图像降噪,而且较好保留了图像细节.含噪SAR图像经该算法处理后,图像性能指标均有提高.

由双树复数小波变换的父系数及邻域系数实现图像去噪

考虑二维双树复数小波变换(DTCWT)具有良好的平移不变性和方向选择性,基于当前系数与父系数及邻域系数间的关系,构造了DTCWT图像去噪阈值计算公式,提出了一种去噪方法,PNDTCWT。该方法在对图像进行二维DTCWT变换后,利用阈值公式,根据当前系数和父系数及相邻系数计算收缩阈值,对当前系数进行去噪处理。最后,经过二维DTCWT反变换,得到去噪结果。实验结果表明,PNDTCWT的噪声抑制效果明显优于各种基于DWT的去噪方法和其他DTCWT去噪方法。与基于父系数的DTCWT去噪方法相比,PNDTCW的峰值信噪比(PSNR)平均提高了0.5 dB左右。从视觉效果来看,PNDTCW能在去噪的同时较好地保留图像细节,物体轮廓显得比较平滑,不存在传统DWT算法中的混淆现象。

基于双密度双树复数小波变换的图像融合研究

双密度双树复数小波变换综合了双密度小波、双树小波和复数小波的优点,具有平移不变性以及良好的方向性,将其引入图像融合能够更好地提取原始图像的特征,为融合图像提供更多的信息。该文提出一种基于双密度双树复数小波变换的图像融合方法,首先将图像进行双密度双树复数小波变换,然后在相应尺度上利用融合规则将变换系数融合,最后进行重构得到融合结果。采用多组具有不同特征的源图像进行融合实验,并对融合图像进行了主客观评价。实验结果表明,该文方法的融合效果优于传统的小波变换方法。

基于双树复数小波变换的SAR图像噪声抑制方法

利用双树复数小波变换(Dual Tree Complex Wavelet Transform,DTCWT)的近似平移不变性和多方向选择性,提出了一种基于DTCWT变换的SAR图像噪声抑制方法。首先对无噪声污染图像的复数小波系数的统计概率分布进行建模;然后利用此先验概率模型,采用最大后验概率方法从含噪小波系数中估计出无噪声污染的小波系数;最后经重构得到滤波后的图像。实验结果表明,此方法优于其他一些相干斑抑制方法。

双树复数小波变换在杂波抑制处理中的应用

针对湮没在杂波环境下的目标检测,提出一种利用双树复数小波变换对回波信号进行分解,通过相关性滤波再进行信号重构,抑制海杂波,其后采用动目标检测的方法抑制地物杂波信号。只采用动目标检测的方法仍有海杂波的影响,在通过双树复数小波变换的杂波抑制方法后作动目标检测处理能有很好的抑制效果,能检测出湮没在杂波中的小目标。将其应用到某型雷达的信号处理系统中,仿真结果表明该方法能有效降低杂波的影响。

基于双树复数小波变换的多帧迭代盲解卷积算法

提出一种基于双树复数小波变换的多帧迭代盲解卷积(IBD)算法。传统的单帧IBD算法收敛性和唯一性不确定,而且复原结果对初始估计很敏感。Zhulina提出的多帧迭代盲解卷积算法,其算法原理简单,并能处理各种不同类型PSF引起的图像降质;但是该算法收敛缓慢,并且只适合于处理高信噪比图像。本文基于双树复数小波变换的多尺度多方向特性,提出了一种基于双树复数小波变换的多帧IBD图像复原算法。本文算法运算速度快,且对噪声污染严重模糊图像恢复效果较好,观测数据实验结果证明了本文算法的优越性。

基于双树复数小波变换的特征点水印算法

提出了一种基于双树复数小波变换的特征点数字水印算法。对图像做三级双树复数小波变换,用F rstner算子提取图像低频子带中的特征点,根据复数小波变换的系数特点,通过修改相应的高频系数来实现水印信息的调制嵌入,提取水印信息的同时能够近无损恢复原始载体图像。算法兼顾了水印的鲁棒性和不可见性,能够有效抵抗剪切、平移、旋转等几何攻击,对线性拉伸、低通滤波等攻击也具有一定的鲁棒性。

双树复数小波变换的视网膜图像半盲解卷积复原

针对导致自适应光学视网膜图像降质退化的原因，提出了一种结合双树复数小波变换（DT—CWT）和图像半盲解卷积复原算法的方法。首先，对经过自适应光学实时校正技术得到的视网膜图像进行DT—CWT分解，得到低频和高频部分对应的图像。将自适应光学成像系统中残余像差重建的光学传递函数作为图像复原模型的初始估计点扩散函数（PSF），并对低频部分图像进行条件约束的迭代半盲解卷积复原；对高频部分的图像进行去噪处理。最后，将处理后的高频和低频部分图像进行双树复数小波逆变换，获得复原图像。实验和结果表明：由该方法处理的视网膜细胞图像质量得到明显提高，图像客观质量评价参数相对于原始图像提高了5倍多；在视网膜细胞的空间频率范围内（70～90（°）-1），复原图像功率谱平均值提高了5倍左右，有助于对视网膜细胞的高分辨率观察。

基于双树复数小波变换的微钙化诊断方法

提出一种基于双树复数小波变换的微钙化分类方法.通过提取基于小波和灰度直方图的纹理特征,结合遗传算法进行特征优化,分别用神经网络,支持向量机和KNN分类器进行微钙化的良恶性分类.对三种不同的分类器进行对比,结果表明:KNN分类器取得最好的效果,而支持向量机优于神经网络.KNN分类器对比于神经网络和支持向量机,无需训练,可节约训练时间,最直接地利用了样本和样本之间的关系,减少了类别特征选择不当对分类结果造成的不利影响,可以最大程度地减少分类过程中的误差项.在类别决策时,KNN分类器只与极少量的相邻样本有关,可以较好地避免样本数量的不平衡问题.与传统的小波比较,双树复数小波具有近似平移不变性和正则性,对图像信号具有良好的方向选择性,且冗余度有限,计算量较小.

基于二维双树复数小波变换的图像去噪

目前小波变换在图像去噪中的应用取得了较好的效果。而二维双树复数小波变换由于其在平移不变性,方向性等方面的优势,要比可分离二维离散小波变换具有更好的图像去噪能力。因此我们提出采用二维双树复数小波变换进行图像去噪,仿真试验结果表明二维双树复数小波变换的去噪效果明显改善。

基于双树复数小波变换的掌纹特征提取

根据掌纹纹理的多分辨率、多方向特性,提出了一种基于双树复数小波变换的掌纹特征提取方法,利用双树复数小波变换具有的近似平移不变性,多方向选择性对掌纹图像进行特征提取,全面的描述了掌纹图像的纹理特性。该方法首先对掌纹图像进行多尺度双树复数小波变换,然后将每个细节图像分块,计算每个细节图像每块各点的幅值之和,形成矢量,归一化后形成掌纹特征矢量,最后使用加权的城区距离进行匹配。在1000幅掌纹图像上进行实验,结果是该方法具有的0.0935%的等错率,发生等错率时的正确识别率为99.9081%,在行和列方向上的抗平移能力约为-6～+6个像素。对比实验表明本方法在提取掌纹特征和抵抗平移的能力好于基于实数小波能量特征的方法。

基于尺度噪声水平估计的双树复数小波变换图像去噪方法

利用噪声与图像双树复数小波变换各层系数的关系,提出基于尺度噪声水平估计的双树复数小波变换图像去噪方法并进行了试验.结果表明,该估计方法与图像噪声水平近似线性相关,能很好地反映各层系数的噪声水平.双变量收缩函数阈值去噪法采用该估计比采用全局噪声水平估计去噪效果更好,平均结构相似度明显提高.

基于双树复数小波和SVR的红外小目标检测

在分析红外图像弱小目标和背景特征的基础上,提出了基于双树复数小波变换(dual-tree complex wavelet transform,DT-CWT)和支持向量回归(support vectorr egression,SVR)的检测方法。首先采用双树复数小波变换抑制大部分背景噪声;其次用SVR对去噪后的红外图像进行背景预测,并用去噪后的实际图像减去预测图像得到残差图像,大大提高了图像的信噪比;接着提出了基于模糊Tsallis-Havrda-Charvat熵的阈值选取算法,对残差图像进行阈值分割;最后根据目标的连续性和运动轨迹的一致性检测出真实的小目标。实验结果表明:该方法可显著提高红外目标的检测概率,实现较远距离弱小目标的检测。

基于二元BKF统计建模的双树复数小波域数字水印检测算法

作为多媒体作品版权保护的有效手段,数字水印技术已成为国际学术界的研究热点之一.可保持不可感知性、鲁棒性、水印容量之间良好平衡的数字水印算法研究是一项富有挑战性的工作,而基于统计模型的变换域乘性水印思想为有效解决三者之间良好平衡问题提供了可能的解决方向.该文以双树复数小波变换(Dual-Tree Complex Wavelet Transform,DT CWT)及多元BKF(Multivariate Bessel K Form,MBKF)分布理论为基础,提出了一种新的统计模型数字音频盲水印算法.原始音频进行DT CWT,并选择重要的DT CWT高频系数嵌入水印.水印检测时,首先根据DT CWT系数的尺度间相关性,利用二元BKF分布对高频子带系数进行建模;然后结合DT CWT系数的子带内相关性,估计出二元BKF统计模型参数;最后,利用最大似然决策(Maximum Likelihood decision,ML)盲提取水印信息.仿真实验结果表明,本方法在保证良好不可感知性的同时,能够有效抵抗多种攻击,具有较好的鲁棒性.

基于双树复数小波的结构相似度测量法

以人类视觉系统更符合提取图像结构信息为前提的结构相似度评价模型,因其高效特性受到广泛重视,但与传统图像质量评价方法一样,其性能易受比较图像几何变化的影响.为了有效地评价各类图像质量,提出了一种双树复数小波与结构相似性测量相结合的全参考客观评价方法.基于双树复数小波的平移不变性、方向选择性和低冗余特性,首先对图像进行双树复数小波变换,并在复数域计算结构相似度,然后经平均获得客观质量评价分,改善了对几何失真图像的评价性能,且实现简单、计算量小.在LIVE图库上的实验结果表明,提出的模型对亮度、对比度以及几何变化具备更强的稳定性.

基于双树复数小波的SAR图像噪声抑制

小波变换由于其良好的时频分离特性以及接近人类视觉系统的多分辨分析,在SAR图像的去噪和复原中得到了很好的应用,但是经典小波变换不具备平移不变性,且得到的高频分量的方向非常有限。复数小波变换是一种具有近似平移不变性、更多方向选择性且能够完全重构的双数正交小波变换,在图像去噪方面表现出更强的性能。建立了复数小波变换分解与重构的过程,并对分解后的实部和虚部图像的高频部分分别进行局部非线性软阈值法滤波。实验结果显示,复数小波变换较小波变换不仅滤除了更多的噪声,而且得到的图像边缘更加平滑。

二元收缩方程与复数小波用于SAR影像去噪

二元收缩方程定义了由相邻尺度小波系数的联合概率密度函数,其与噪声模型联立后利用最大后验概率估计可进行图像去噪。在SAR图像斑点噪声服从瑞利分布的假设下,结合双树复数小波变换推导了基于二元收缩方程的SAR图像的简化去噪模型,然后利用局部方差估计和维纳滤波器获得噪声方差与带噪小波系数方差的估计值,并计算出合适阈值对SAR图像进行去噪。实验结果显示,去噪图像的峰值信噪比以及有效视数都较其它算法有大幅提高,且很好地保持了图像的边缘特征。

基于Q-shift双树复数小波系数的纹理图像检索

提出了基于Q-shift双树复数小波变换(DT-CWT)系数统计模型的纹理图像检索。与实数小波变换不同的是,Q-shift DT-CWT交替地使用近似1/4群延迟采样的滤波器组,提取具有平移不变性和良好方向选择性的图像特征。为了减少特征向量的维数,提出用广义高斯分布(GGD)统计模型拟合Q-shift DT-CWT系数的分布,克服了传统使用均值和方差描述图像特征缺乏分类准确性和检索精度不高的缺点,最后用KLD(Kullback-Leibler distance)测度进行纹理图像检索。对Brodatz图像库的仿真表明,新方法较DT-CWT+GGD+KLD组合算法查准率提高3.75%,较基于Gabor+加权均值方差(WMV)组合算法查准率提高了22.56%。

基于双树复数小波的SAR图像去噪算法

SAR图像相干斑点噪声的存在严重影响了SAR图像的应用效果。本文给出了一种基于双树复小波变换的贝叶斯收缩去噪算法,采用双树复小波获取更多的方向特性,然后借助贝叶斯MAP估计器调整小波系数,达到去除SAR图像斑点噪声的目的。实验证明,本算法在抑制SAR图像斑点噪声的同时有效地保持了图像的边缘信息。

基于DT-CWT和SVM的纹理分类算法

提出了一种基于双树复数小波变换(DT-CWT)和支持向量机(SVM)的纹理分类算法。双树复数小波变换不仅具有实数小波的诸多优点,而且还具有近似平移不变性、良好的方向选择性和低冗余度,并且能对图像进行完全重构,能够更好地刻画纹理的特性;支持向量机算法是近年发展起来的性能优越的分类算法,比传统分类器有很大的优越性:避免了局部最优解和“维数灾”问题,其最优分类超平面的思想能够提高分类准确度。该方法用双树复数小波对纹理图像进行滤波并在各方向子带上进行重构,再计算其局部能量函数得到每个像素的特征向量,最后利用支持向量机算法实现对纹理图像像素的分类。将本方法与其它的分类算法进行比较,实验结果表明,提出的算法能有效地提高正确分类率。