基于循环平移和DTCWT的声呐图像滤波方法

声呐图像散斑噪声的存在严重影响声呐图像的人工判读和自动识别。声呐图像散斑噪声滤波是声呐图像处理领域的一个重要难题。双树复小波变换(DTCWT)因其具有近似的平移不变性、良好的方向选择性已被应用于图像滤波。但这种平移不变性的近似性使得DTCWT不能较为彻底地抑制伪吉布斯现象,而导致滤波后图像的边缘存在一定程度的模糊。为了减小伪吉布斯现象和声呐图像边缘模糊,将循环平移与DTCWT结合使用,提出一种基于循环平移和DTCWT的声呐图像滤波方法。实验结果表明,该方法在滤除声呐图像散斑噪声的同时能够较好地保持声呐图像的边缘。

一种循环平移的Contourlet变换去噪新方法

与小波变换相比,Contourlet变换等多尺度几何分析方法,可以更好地逼近含线奇异的高维函数。针对Contourlet变换缺乏平移不变性的缺陷,提出了一种基于Contourlet变换以及循环平移的图像去噪方法,即MCT方法。由于阈值去噪会在重构的图像中产生虚假成分(视觉魇像),尤其是在奇异点附近交替出现较大的上下幅值振动。而循环平移的目的就是在给定范围内寻求最佳平移量(或平均平移量),通过改变图像的排列次序,从而改变奇异点在整个图像中的位置来达到减小或消除振荡幅度,进而改善由于伪G ibbs现象所导致的蚊状噪声。实验表明,与抽样小波去噪相比,该方法明显可以更好地保持图像边缘;同时也一定程度上改进了传统Contourlet变换去噪方法所带来的视觉魇像的缺点,较好的保留了图像的细节部分,且峰值信噪比(PSNR)也较高。

结合HVS和循环平移Contourlet变换的多聚焦图像融合

由于缺乏平移不变性,Contourlet变换用于图像融合时,如果源图像未完全配准,融合后图像会出现伪吉布斯现象,而常用的解决方法——非下采样Contourlet变换运行速度较慢.为解决上述问题并提高图像融合质量,提出一种基于人眼视觉系统特性和循环平移Contourlet变换的图像融合新方法.方法中,利用循环平移克服融合过程中奇异点产生的伪吉布斯现象,并对Contourlet变换后的融合规则进行改进,在低频和高频的处理过程中,充分考虑人眼视觉特性,提出低频运用局部纹理特征选择融合系数,高频运用视觉显著度选择融合系数.通过对不同融合方法进行仿真和真实多聚焦图像融合实验,并从主观和客观两方面进行评价,实验结果表明本文方法均优于传统的小波变换、移不变小波变换、Contourlet变换、非下采样Contourlet变换等融合方法,运行效率比非下采样Contourlet变换更高.

循环平移和非下采样在轮廓波去噪中的应用

轮廓波变换是小波变换的新发展,是一种多方向、多尺度的几何分析工具,能更有效地捕捉图像的几何结构。传统的轮廓波变换因包含有下采样操作,使得它不具备平移不变性,从而会在图像去噪过程中引入伪吉布斯(Gibbs)现象。分别采用循环平移及非下采样滤波器组两种方法对其改进,着重从计算复杂度、去噪效果、噪声水平依赖性等方面对两种改进方法的去噪效果进行了对比。

基于循环平移Contourlet变换的红外小目标检测方法

分析了在有噪声和背景干扰情况下检测红外小目标的方法,提出了一种将循环平移Contourlet变换去噪方法和自适应阈值分割方法相结合的红外小目标检测算法。该方法首先对原始图像进行循环平移阈值去噪,再用原始图像减去去噪图像,对得到的残差图像进行自适应阈值分割,分离出少量的候选目标点,最后利用目标运动的连续性和一致性检测出目标。分别用Contourlet变换法、小波变换法和本文提出的检测法对小目标进行了检测。仿真结果表明,本文提出的检测方法能较精确地检测出序列图像中的红外小目标,检测效果优于Contourlet变换法和小波变换法。

一种Contourlet循环平移自适应阈值SAR图像去噪算法

针对传统阈值算法缺乏自适应性的缺点,利用Contourlet多方向性和各向异性的优点,提出了一种基于Contourlet循环平移自适应阈值的SAR图像去噪算法。利用sigmoid函数构建一种新的自适应阈值函数,根据Contourlet不同方向子带系数的特点,动态调整阈值函数中的参数,以获得合适的阈值对Contourlet系数进行处理。同时为了抑制图像边缘附近的伪吉布斯效应,引入循环平移算法来抑制人为干扰。分别利用4种经典的阈值算法和本文算法,对实测SAR数据进行相干斑抑制,试验结果表明,Contourlet循环平移自适应阈值SAR图像去噪算法在平滑图像的同时更好地保持了图像本身的纹理信息,图像的视觉效果优于其他算法,等效视数和边缘保持指数分别提高了86.22和0.3。

小波域内循环平移操作的图像高分辨率重建算法

为解决传统的图像插值算法因具有全局性而不能较好地处理图像边缘细节信息,且易在细节区域产生锯齿线的问题,提出了一种图像分辨率和对比度增强算法。该算法先用小波零填充算法得到高分辨率图像,并通过纠正残差过程来弥补丢失的边缘和纹理特征,然后对其进行定向循环平移操作。考虑到图像小波分解后水平、垂直、对角方向的高频分量能够反映图像这3个方向的边缘变化情况,从而利用图像不同方向的高频分量来刻画图像像素点不同方向的突变程度。根据这个突变程度来实现循环平移操作的自适应融合过程,这样可以避免过度抑制边缘细节信息。最后对重建的高分辨率图像小波分解后的高频分量使用非线性增强函数,提高图像对比度,突出边缘和轮廓信息。实验结果表明,该算法在增强图像空间分辨率和对比度的同时,保留了原图像包含的边缘和轮廓信息,不仅有较好的视觉效果,还有一定的抗噪能力。

基于循环平移NACT的图像融合方法

针对应用中非下采样轮廓波冗余度过高、变换运行时间长的缺点,提出一种循环平移抗混叠轮廓波(NACT)图像融合方法。该方法利用NACT对图像进行分解,同时使用循环平移的方法提高NACT的平移不变性,有效去除融合图像在奇异点处产生的虚假信息。实验结果表明,该方法能够改进图像的融合性能,在客观指标上较NACT、NSCT等方法有所提高,视觉效果有明显改进。

循环平移Contourlet变换在金属断口图像消噪中的应用

提出一种基于循环平移的Contourlet变换的金属断口图像消噪方法。该方法将带噪声的金属断口图像平移一定的距离,对平移后的图像进行硬阈值Contourlet变换消噪,通过反向平移,恢复到原图像一样的排列次序,实现有效消噪。实验表明,该方法与传统的小波消噪和Contourlet消噪方法相比,提高了消噪后图像的峰值信噪比。

基于改进阈值策略的多小波循环平移降噪方法

在机电设备的故障诊断过程中,故障特征辨识通常会受到背景噪声的干扰,如何剔除干扰成分、有效捕捉隐含的故障特征是诊断成败的关键。为了实现这一目的,提出了一种基于改进阈值策略的多小波循环平移降噪算法。针对传统阈值降噪算法的不足,同时结合软、硬阈值函数的特点,对已有的阈值函数进行改进。考虑到降噪过程中产生的PesudoGibbs现象,将循环平移算法引入多小波的降噪过程中。通过滚动轴承的模拟故障实验和轧机齿轮箱的现场诊断,表明循环平移多小波改进阈值降噪方法能有效地滤除背景噪声;运用峭度指标和均方根误差作为量化参照,结果表明该方法处理后的信号信噪比明显提高。

基于曲波变换的循环平移地震随机噪声衰减

对曲波变换的地震数据随机噪声衰减方法进行了探索,基于曲波(Curvelet)变换在图像处理方面的优越性,结合循环平移(Cycle spinning)技术提出了一种用于地震随机噪声衰减的新方法.在利用曲波变换闽值去噪算法基础上引入循环平移技术,可以消除曲波变换由于缺乏平移不变性所导致的信号伪吉布斯效应,并且较好地保留了有效信号.对地震正演模拟数据进行随机噪声衰减试验,对不同噪声含量数据进行去噪分析,并应用于实际地震数据,结果表明,新方法对去除地震随机噪音有较好的效果.

平移不变小波变换在消除电路噪声中的应用

为了提高火控测试系统测试结果的精度与可信度,去除对测试系统在采集火控系统信号时混入的噪声是十分必要的。通过对某型火控系统在动态测试时采集的信号的研究,针对传统小波阈值去噪处理方法中因非一致降样取样而产生Pseudo-Gibbs现象,结合已有改进阈值法的优点,提出一种新型阈值函数代替传统软硬阈值函数,采用平移不变小波变换对采集的信号进行去噪处理,以提升去噪的效果。仿真结果表明,该方法能进一步减少均方误差,提高信噪比,使去噪后信号更好地逼近真实信号,具有一定的工程实用性。

一种平移不变的形态小波图像融合方法

针对传统的形态小波变换因不具备平移不变性而导致其在图像融合过程中引入伪吉布斯(pseudo-Gibbs)现象和明显的块状效应的问题,本文用循环平移对基于形态小波图像融合方法进行移不变扩展,提出一种有效的平移不变的形态小波图像融合方法。该方法利用形态小波变换对图像进行分解,同时采用循环平移(CycleSpinning)来提高形态小波的平移不变性,有效地抑制融合图像在奇异处的不足。实验结果表明,本文算法的融合图像具有良好的视觉效果及客观评价指标。

改进快速群搜索算法在配电网无功优化中的应用

针对如何快速求解配电网无功优化模型的最优优化策略问题,提出一种经改进的快速种群搜索优化算法,克服传统群搜索算法全局搜索性能差、无法及时跳出局部最优解的不足。当算法停滞时,在粒子种群中引入新的游荡个体,适当加大游荡者数目,简化由n维搜索空间内的个体位置极坐标向笛卡尔坐标转换的过程。为使种群搜索行为更有效,在发现者及游荡者的搜索过程中增添搜寻目标循环平移因子,并引入遗传算法,防止算法陷入局部最优。对IEEE30节点电力系统进行建模仿真,结果表明该算法具有运算时间短、搜索能力强、收敛速度快的优点,优化后的系统各节点电压更趋合理,提升了配电网的电压水平。

多聚焦图像融合的Contourlet变换方法

Contourlet变换(Contourlet Transform,CT)是一种新的多尺度变换,具有良好的多尺度性和多方向性。提出了一种基于Contourlet变换的多聚焦图像融合算法,同时引入Cycle Spinning来有效地消除由于Contourlet变换缺乏平移不变性而产生的图像失真。实验结果表明该算法可获得较理想的融合图像,取得了优于laplacian塔型方法和小波变换方法的融合效果。

基于小波-Contourlet变换的图像增强算法

小波-Contourlet变换能够良好捕获图像的方向特征和边缘信息。利用小波-Contourlet变换良好的多尺度性和多方向性特征,提出一种基于小波-Contourlet变换的图像增强算法,用非线性增强算子对变换的各子带系数做增强处理。并引入了循环平移消除由于小波-Contourlet变换缺乏平移不变性而产生的图像失真。实验结果表明,该方法有效增强了图像的边缘细节和纹理特征。

基于小波-Contourlet变换的智能监控图像融合的增强方法

智能监控图像已经成为图像实际应用中不可或缺的一项工作,为了获得更好的增强效果,提出了一种基于小波-轮廓波(小波-Contourlet)变换的图像融合的图像增强方法,并且与图像循环平移(Cycle Spinning,CS)相结合,提高信噪比,更好地体现图像的边缘和纹理等特征信息。在Matlab环境下进行仿真实验,结果表明,这种算法能够获得更高的信噪比,使视觉效果得到明显的改善。

基于有限脊波变换和Cycle spinning的图像融合算法

有限脊波变换在处理高维信号时比小波变换具有更好的方向性、较高的逼近精度和更好的稀疏表达性能,利用这一特点将其应用于图像融合领域,但有限脊波变换不具有平移不变性,故提出了用有限脊波变换与Cycle spinning相结合的方法消除因移变性产生的Gibbs现象。实验验证结果表明,本文算法能有效提取图像特征,且对边缘特征的表述更加清晰光滑。

压缩感知的天文图像去噪算法

针对压缩感知迭代收缩阈值算法在图像处理中存在收敛速度慢和去噪性能差的缺陷,提出了一种改进的高性能迭代收缩阈值天文图像去噪重建算法.首先,使用经典最速下降法中的BB线性搜索步长算子加快迭代收缩阈值算法的收敛速度;其次,为了进一步提高重构天文图像的质量,在传统Visu Shrink收缩阈值的基础上,提出一种下降Visu Shrink收缩阈值对图像信息进行筛选;由于阈值去噪方法在迭代重建的过程中会导致重建的图像中出现伪吉布斯效应,最后采用循环平移的方法在每次迭代过程中对获取的重建图像进行调整.多次的试验结果表明,与传统的压缩感知迭代收缩阈值算法相比,所提出的算法不仅能够获得较优的去噪性能和较快的收敛速度,同时可以有效地保护天文图像的特征和纹理等细节信息.此外,当选取的压缩采样比较低时,本算法也可以获得相对较高的峰值信噪比和视觉质量,进一步验证了本算法在天文图像去噪中的有效性.

Contourlet域InSAR干涉图滤波方法研究

研究了基于Contourlet变换的阈值、循环平移干涉图滤波新方法,并与Goldstein、小波软阈值滤波方法在残差点数目、相干系数均值等方面进行了对比分析。实验表明,新算法对干涉图噪声有很强的抑制能力,较好地保持了干涉条纹的细节,减少了残差点,处理效果好于传统的小波软阈值滤波方法,在某些情况下可与Goldste in滤波效果相比。