基于快速曲波变换的图像去噪算法

曲波(Curvelet)可以很好的表示含曲线奇异的函数的异向性,但传统的曲波99变换采用复杂的参数结构和重叠的窗口,既不利于数学定量分析,也增加数字实现的冗余。采用快速曲波变换,对物体边缘信息具有最优稀疏表示。通过平移不变的曲波萎缩算法,可获得比传统去噪方法更好的均方误差(MSE)。实验结果表明,与传统的MultiVisu,MultiBayes,WHMT去噪算法比较,算法CS-FDCT去噪效果最佳,在噪声方差"=25时,使用该方法的峰值信噪比(PSNR)可高达30.8528,并且去噪后的图像具有最好的视觉效果。

基于快速曲波变换的陶瓷显微图像处理

陶瓷内部结构信息对于陶瓷质量分析、生产工艺控制是非常重要的。由于陶瓷显微图像在采集和传输过程中不可避免地要受到光照分布不均匀、电子噪声等干扰因素的影响而使得图像的质量变差。需要首先对其进行去噪、增强处理,然后才能进行图像分析。曲波变换是在小波变换的基础上发展起来的一种新的多尺度分析方法,比小波更加适合分析二维图像中的曲线或直线状边缘特征,而且具有更高的逼近精度和更好的稀疏表达能力。快速曲波变换理论的提出也使得其理论更易理解和实现。因此,提出了一种基于快速曲波变换的图像去噪、增强方法,并将其引入陶瓷显微图像的处理中,然后按照分水岭算法进行粒度分割,得到陶瓷粒度分布的统计结果。实验结果表明,该方法是可行的,并且效果良好。

基于快速曲波变换的图像水印算法

提出了一种新的基于曲波变换的数字图像水印算法。首先,利用快速曲波变换对原始载体图像进行多分辨率分解,并对待嵌入的水印图像进行Arnold置乱;然后,根据人类视觉特征和曲波系数分布特点,将水印信息嵌入到原始图像的中高频系数中。实验结果表明,该算法具有好的不可见性和安全性,对噪声、裁剪、滤波、JPEG压缩等攻击有好的鲁棒性。

曲波变换域侧扫声纳图像海底底质分类

通过快速曲波变换将海底声纳图像分解为低频子带和各方向子带.用低频子带的标准差描述声图的整体不均匀度,各方向子带的纹理能量测度描述声图纹理的方向性和粗糙性.将构成的特征向量按SVM分类算法用于对侧扫声纳海底图像进行底质分类.对沙、泥、石3种类型海底的侧扫声纳图像进行分类实验,并与空域、小波域的分类方法相比较,表明文中方法能较好地用于海底底质分类.

快速Curvelet变换在机器视觉系统图象边缘增强中的应用

机器视觉系统在工业中的应用日益广泛,而在应用中要求满足稳定性和实时性的要求。讨论了在干簧管装配仪工作过程中为了使其机器视觉系统能够稳定、实时地监测干簧管的几何参数,应用Curvelet变换进行稳定的图像边缘增强并使用IPP函数进行优化以提高速度,最终使该系统在工业应用中能每12 ms处理一帧图像,其重复精度可达4μm。经实践证明,应用该方法使干簧管装配仪机器视觉系统达到了稳定、实时监测几何参数的要求。

基于Fhyp-curvelet钢筋抑制的灾害目标成像方法

为了提高路面的强度和耐用性,一般会在路面下进行钢筋加固,钢筋回波与待检测的灾害目标回波在时空域上可能会产生严重的混叠。为了对灾害目标进行有效的检测与成像,文中提出一种钢筋回波干扰下的灾害目标成像方法。首先,利用快速双曲线曲波变换将雷达接收信号变换到多个不同的尺度空间,在该空间中所有目标的能量是聚集的且相互分离;然后,进行钢筋回波滤波,将灾害目标的回波数据重构到时空域后再变换到波数域,在该域下考虑多层地下介质中电磁波波速变化的特点;最后,再反变换到时空域进行灾害目标成像。文中所提成像方法均采用快速处理算法,提高了运算速度,且适用于多层地下介质中钢筋回波干扰下的灾害目标成像。仿真结果证明了本文所提算法的有效性。