架构于双树轮廓波方向及相位特征的纹理图像分割

考虑到纹理的方向及相位特性,提出一种基于双树轮廓波变换的纹理图像分割新方法.双树轮廓波由塔型双树方向滤波器组构建,它不仅保持了轮廓波灵活的方向选择性,克服了传统轮廓波不具有移不变性的缺点,而且提供了复子带系数.本文以各方向子带的能量作为方向特征,复系数的平均相角作为相位特征,生成特征向量,利用模糊C均值聚类算法进行纹理图像分割.实验结果表明,相位特征是方向特征的有效补充,与传统方法相比,该方法在分割错误率、边缘准确性以及区域一致性等方面均有明显的改善.

双树轮廓波变换域的磁共振图像降噪

为了改善磁共振(MR)图像的质量,提出一种基于双树轮廓波(DT-Contourlet)变换的MR图像降噪算法。研究了MR图像的噪声分布模型,认为这种噪声服从莱斯分布,从而推导了MR模平方图像的噪声参数估计方法。通过分析DT-Contourlet的塔型双树方向滤波器组结构,明确了DT-Contourlet不仅能保持轮廓波灵活的方向选择性,而且克服了传统轮廓波不具有平移不变性的缺点。在DT-Contourlet变换域,通过计算方差一致性测度,用局部自适应窗口估计阈值萎缩因子,对MR模平方图像的变换系数进行阈值萎缩。最后,经过DT-Contourlet反变换,实现了MR图像的降噪处理。实验结果表明,用本文算法降噪的MR仿真图像的峰值信噪比(PSNR)优于传统算法;与基于小波和轮廓波的方法相比,不同噪声方差下的PSNR平均提高了2.13dB和0.91dB。从视觉效果来看,该算法能在有效抑制MR图像噪声的同时,更好地保持图像的细节信息。

采用双树轮廓波及压缩传感的多聚焦图像融合(英文)

为了拓展压缩传感(CS)的应用潜力,提出一种结合双树轮廓波(DT-Contourlet)及CS的多聚焦图像融合方法。该方法首先采用DT-Contourlet对源图像进行分解,提取图像的多尺度信息及方向信息,克服传统轮廓波变换不具平移不变性的缺点。接着,在DT-Contourlet域,将分解系数看成包含稠密和稀疏两部分;对稠密成份,根据散焦的表现形式,采用邻域梯度作为清晰度指标,用选择法实现融合处理;对稀疏成份,则在CS框架下,通过少数线性测量的融合,依据L1范数最小化,采用两步迭代收缩的重构算法,得到融合结果。实验表明,该方法重构时收敛速度比正交匹配追踪法快,且融合结果无论在视觉质量及定量指标上都明显优于传统方法。

架构于双树轮廓波及GGD模型的纹理图像检索

提出一种基于双树轮廓波变换的纹理图像检索方法。双树轮廓波由塔型双树方向滤波器组构建,它保持了轮廓波灵活的方向选择性,同时克服了传统轮廓波不具有移不变性的缺点。根据双树轮廓波系数的统计特性,本文利用广义高斯分布对各子带进行建模,采用矩估计法提取模型参数,并用KL距离度量图像之间的相似度,实现纹理图像检索。为评价检索性能,从Brodatz图库创建了包含800幅纹理图像的数据库。实验结果表明,本文算法的平均检索率比基于小波和轮廓波的方法分别提高了10.46%和6.94%,而且保持了较高的计算效率。

基于非下采样双树复轮廓波变换和稀疏表示的红外和可见光图像融合

提出了一种基于非下采样双树复轮廓波变换(NSDTCT)和稀疏表示的红外和可见光图像融合方法,以改善传统的基于小波变换的图像融合方法的不足。该方法首先利用形态学变换处理源图像,利用NSDTCT变换进行图像分解得到低频子带系数和高频子带系数。根据高低频系数的不同特点,提出改进的稀疏表示(ISR)的融合规则用于低频子带;然后将改进的空间频率作为脉冲耦合神经网络的外部输入,提出基于自适应双通道脉冲耦合神经网络(2APCNN)的融合策略用于高频子带。最后通过NSDTCT逆变换获得融合后的图像。实验结果表明:本文方法在客观指标和视觉效果方面均优于传统图像融合的方法。与传统的NSCT-SR方法相比,实验的两组图像中4个客观指标:互信息(MI)、边缘信息保留量QAB/F,平均梯度(AG)和标准差(SD)分别提高了9.89%、6.39%、104.64%、55.09%和9.53%、17.77%、95.66%、52.89%。

基于非下采样双树复轮廓波变换的小波纹理特征识别肺良恶性结节CT图像

目的观察基于非下采样双树复轮廓波变换(NSDTCT)的小波纹理特征在识别肺良恶性结节CT图像中的应用价值。方法从肺结节患者的CT图像中分别提取基于NSDTCT和基于Contourlet变换的小波纹理参数,对高维纹理参数采用单因素分析、Lasso回归等方法进行降维。对降维后的纹理参数分别构建诊断良恶性肺结节的支持向量机分类诊断模型,绘制ROC曲线,比较2种方法的诊断效能。结果采用NSDTCT方法,基于经Lasso降维且自变量数目较少的纹理参数构建的诊断模型分类效果最好,判断良恶性肺结节的准确率为98.37%,AUC为1.00;采用Contourlet变换方法,基于全部提取纹理参数构建的模型分类效果最好,诊断准确率为56.05%,AUC为0.73;2个模型的ROC曲线的AUC差异有统计学意义(Z=6.430,P<0.001)。结论基于NSDTCT的纹理分析方法对判断良恶性肺结节的准确性较高。

基于非下采样双树复轮廓波与自适应分块的红外与可见光图像融合

为提高融合效率,解决基于多尺度变换的融合方法中融合系数选择错误的问题,提出一种红外与可见光图像融合方法.首先用非下采样双树复轮廓波变换将源图像分解为低频与高频部分;然后对低频系数采用自适应尺寸分块法进行融合,图像块的尺寸由改进的果蝇算法优化求解,精细化处理低频融合结果,得到一幅能精确到每个系数来源的标签图;再利用高频分量的邻域系数差结合该标签图对高频系数进行融合;最后重构得到融合图像.实验结果表明,该算法能够提高融合速度,解决了空域分块融合容易产生块效应的问题.

结合NSDTCT和稀疏表示的遥感图像融合

为了提高全色图像与多光谱图像的融合质量,提出一种基于非下采样双树复轮廓波变换和稀疏表示的图像融合算法.对多光谱图像进行亮度-色度-饱和度变换,再对亮度分量和全色图像进行直方图匹配及亮度平滑滤波处理.利用非下采样双树复轮廓波变换处理亮度分量和全色图像,得到对应的高低频系数.对于低频系数,利用稀疏表示进行融合,采用空间频率和l1范数双指标取大的融合规则得到稀疏表示系数;对于高频系数,将改进的拉普拉斯能量和作为脉冲耦合神经网络的外部输入项,提出了改进的脉冲耦合神经网络的融合策略.最后进行非下采样双树复轮廓波逆变换和亮度-色度-饱和度逆变换得到融合结果.实验结果表明,该算法最大限度地保留光谱信息的同时可以提高空间分辨率,视觉效果及客观指标均优于经典的融合算法.

结合NSDTCT和压缩感知PCNN的图像融合算法

针对基于传统小波变换的图像融合算法存在的不足,提出一种基于非下采样双树复轮廓波变换(NSDTCT)和压缩感知脉冲耦合神经网络(CS-PCNN)的图像融合算法.首先将源图像经过NSDTCT分解后得到低频子带及高频子带系数;对于低频子带系数,提出了基于区域平均梯度、区域能量和S函数相结合的自适应加权融合规则;对于数据量较大的高频子带系数,提出了基于CS-PCNN理论的融合规则,并将改进的拉普拉斯能量和作为PCNN的外部输入;最后对融合系数进行NSDTCT逆变换,得到融合图像.实验结果表明,该算法可以有效地提高图像融合的计算效率和质量,在视觉效果及客观指标上均优于一些经典的融合算法.

改进NSDTCT与粒子群优化红外和可见光图像融合算法

红外图像在光照不佳情况时因为存在模糊不清的问题,导致图像识别容易出现问题。因此,提出了一种基于非下采样双树复轮廓波与粒子群结合图像融合算法。该算法由于采用了NSDTCT方法,会把图像分成高频与低频两个部分,之后对低频部分采取粒子群算法得到图像块,为了能减少误差,同时采用标签图。将高频部分的邻域系数差与标签图融合,可以得到融合产生的图像。通过实验对比发现本文算法能够减少时间消耗,并一定程度上优化了图像。