非负矩阵分解和新轮廓波变换的图像融合

为提高融合图像保留源图像的信息量和边缘特征,提出了非负矩阵分解和新轮廓波变换的图像融合算法。以具有尖锐频率局部化特征的新轮廓波对循环平移后的源图像进行分解;运用非负矩阵分解实现低通子带融合,采用能量方差测度函数和匹配度函数实现带通子带融合;对各子带信号重构并逆循环平移,得到融合图像。实验结果分析表明,该方法保留了更多的信息量和边缘细节特征,应用效果较好。

红外含噪图像自适应增强

通常的红外含噪图像增强方法很难有效滤除图像中噪声。提出一种新的红外含噪图像自适应增强算法以克服边缘增强和抑制噪声的矛盾。首先采用尖锐频率局部化Contourlet变换完成图像分解;然后采用分层自适应阈值算法估计降噪阈值,并进行自适应降噪;最后对降噪后高频带通信号引入图像清晰度参数,设计半软阈值增强函数,实现红外含噪图像自适应增强。实验结果验证了新方法的有效性。

基于轮廓波与梯度组合稀疏的压缩感知重建

数字图像信号通常兼具平滑与边缘特征,从而导致单一稀疏空间的压缩感知效果信息损失大。而小波变换缺乏方向特征,常规轮廓波在频域上具有非局部化缺点,因而对边缘纹理信息刻画不够精确。针对该问题,一种迭代加权多稀疏空间组合重建算法得以提出。其同时采用对边缘特征描述更为高效的尖锐频率局部化轮廓波和对光滑背景表示更准确的离散梯度作为稀疏域,自适应选取权重因子来调整重建信号的稀疏特征,从而实现对信号特征更准确地刻画。实验表明,该算法在主观视觉效果和客观评价方面都远远优于其它组合稀疏算法。