基于非下采样轮廓波变换的遥感地物分割算法

针对遥感地物图像具有背景复杂且种类众多的特点,利用传统算法进行分割会导致边缘模糊、信息丢失及分割精度低的问题,提出了一种基于改进DeepLabV3+网络的语义分割算法。首先,在主干网络中引入改进后的特征提取网络CHRNet;其次,使用非下采样轮廓波变换(NSCT)算法重构空洞空间金字塔池化(ASPP)模块中的全局池化操作;最后,在模型编码和解码阶段添加无参数的注意力机制SimAM,加强模块间的特征传递,提高特征利用率。实验表明,在PASCAL VOC2012和WHDLD数据集上,改进算法的平均交并比(MIoU)分别达到了81.56%和64.2%,较原有算法分别提升了约4.61和2.8个百分点,改进算法在保证分割速率的同时,提升了分割精度。

一种非下采样轮廓波变换的机载SAR图像增强

针对机载合成孔径雷达(SAR)影像因入射角、侧视距离和后向散射系数差异导致的内部亮度不均衡、边缘细节特征模糊等图像质量问题,采用一种基于非下采样轮廓波变换(NSCT)的图像增强处理方法来提升视觉效果,增强图像质量。相对于传统图像增强算法,该方法能够更好地解决SAR影像的辐射差异:结构相似度与平均梯度表现最优,在较好保持原始影像信息的基础上,亮度不均匀现象得到有效改善,对机载SAR影像的视觉效果有很大的提高。

一种快速的基于稀疏表示和非下采样轮廓波变换的图像融合算法

为了提高图像融合的效率和质量,该文提出一种基于快速非下采样轮廓波变换(NSCT)和4方向稀疏表示的图像融合算法。该方法首先对源图像进行快速NSCT分解,生成一系列低通和高通子带。对于低频子带,利用自适应生成的DCT过完备字典进行快速的4方向稀疏表示和系数融合;对于高频子带,则利用高斯加权区域能量最大的融合规则进行系数融合。快速NSCT将传统NSCT的树形滤波结构转变为多通道滤波结构,能成倍提高分解效率;快速的稀疏融合则抛弃了传统的滑动窗口方法,以水平、垂直、对角线4个方向进行稀疏表示和稀疏融合,进一步提高算法效率。实验结果表明,提出的快速算法能在不影响融合质量的条件下将算法效率提高近20倍。

基于非下采样轮廓波变换的全色图像与多光谱图像融合方法研究

为了同时改善遥感图像的空间分辨率和光谱分辨率,提高遥感图像信息量,提出了一种基于非下采样轮廓波变换的全色图像与多光谱图像的融合方法。首先,对多光谱图像进行HIS变换,获取其亮度分量;分别对多光谱图像的亮度分量和全色图像进行非下采样轮廓波变换,获取其高低频系数;采用脉冲耦合神经网络算法和加权融合对高低频系数进行选取;最后,经过逆HIS变换和逆非下采样轮廓波变换获得最终融合后图像。实验结果表明,本文融合方法处理后遥感图像的光谱失真少,信息量和清晰度都优于其他传统遥感图像融合方法。

基于非下采样轮廓波变换和直觉模糊集的红外与可见光图像融合

针对传统图像融合方法造成的边缘模糊、细节损失、图像对比度与清晰度容易降低等问题,利用非下采样轮廓波变换,提出一种基于直觉模糊集和区域对比度的红外与可见光图像融合算法.首先,使用非下采样轮廓波变换将源图像分解,分别得到源图像的高频和低频成分.其次,利用直觉模糊集灵活准确描述模糊概念的特性,构建双高斯隶属函数对低频成分进行融合;利用区域对比度详细描述图像纹理信息的特点,采用多区域特征对比度结合距离分析的融合规则,对高频成分进行融合.最后使用非下采样轮廓波逆变换得到融合图像.实验结果表明,与其它融合算法相比,该算法提高了图像对比度,保留了源图像中的边缘和细节信息,且得到的融合结果具有更优的客观评价值.

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%。

基于非下采样轮廓波变换的中子/X射线图像融合算法研究

由于中子与X射线的成像特性存在很好的互补性,将这两种成像模式下的DR(Digital Radiography)图像进行融合,可以丰富图像细节的信息量。本研究提出了基于简化脉冲耦合神经网络(PCNN)的非下采样轮廓波变换(NSCT)域中子/X射线图像融合算法,所提出的方法通过NSCT算法对源图像进行多尺度、多方向分解,有效地保留了各层信息,使得融合图像展现出良好的清晰度和对比度。同时,为了更好地保留源图像的信息,本研究对图像的不同频带分别采用取平均、绝对值取大和结合PCNN系数的融合规则进行融合。通过选取结构较为复杂的石英表、机械表以及结构相对较为简单的U盘进行中子与X射线图像采集,并利用多种客观评价指标定量评价基于小波变换融合、拉普拉斯变换融合、NSCT融合、NSCT-PCNN融合、Zhu的方法以及本文提出的方法生成中子与X射线融合图像的质量。实验结果证明,本文所提出的融合算法能够显著提高图像融合效果,获得清晰的目标信息,提高了图像对比度,同时保留丰富的细节信息,在客观评价标准和视觉效果上均优于其他典型方法。

基于非下采样四元数轮廓波变换域的图像去噪

为了克服传统小波变换的不足,提出一种将非下采样四元数轮廓波域对称正态逆高斯分布模型与非局部均值滤波相结合的图像去噪新方法。非下采样四元数轮廓波变换是级联四元数小波变换和非下采样方向滤波器组得到的,具有高度的方向选择性、各向异性及平移不变性。仿真实验表明:该方法在峰值信噪比、平均结构相似性及视觉效果上均优于一些经典的去噪算法。

基于最大后验和非局域约束的非下采样轮廓波变换域SAR图像去噪方法

提出一种基于最大后验和非局域约束的非下采样轮廓波变换域SAR图像去噪方法。根据SAR图像数据的特征,引入非对数加性模型,并在该模型下对SAR图像NSCT域中的噪声分布统计建模,应用最大后验准则和非局域约束相结合的方法解求SAR图像真实信号的NSCT系数。试验结果表明,本方法具有良好的去噪能力。

基于非下采样轮廓波变换和压缩感知的PET/CT像素级融合算法

Piella多分辨率图像融合框架包括4种融合规则的构造方法,围绕该框架下的第1种融合规则提出了基于非下采样轮廓波变换(NSCT)和压缩感知的PET/CT像素级融合算法。首先,对已配准的PET和CT源图像进行NSCT变换;然后,为突出低频图像的病灶部位,采用对特征和区域敏感性更高的脉冲耦合神经网络融合规则;其次,选择高斯随机矩阵对高频子带进行压缩采样得到测量值,基于Piella融合框架以高频子带分块计算的直方图距离作为匹配测度,以高频子带的区域能量作为活性测度,用匹配测度和活性测度构造出自适应的决策模型计算融合因子d,根据融合因子对高频测量值进行融合,再利用正交匹配追踪算法重构出高频融合图像;再次,对融合后的低频图像和重构后的高频图像同时进行NSCT逆变换得到最终的融合图像;最后,进行了融合算法比较、活性测度比较和匹配测度比较的实验。实验结果表明该算法可以更好地呈现病灶信息,从主观效果和客观评价指标均验证了其有效性。

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。

基于非下采样轮廓波变换的彩色图像感知哈希算法

针对现有的图像哈希算法普遍存在对几何攻击(如:尺度、旋转)鲁棒性不足,以及不适合彩色图像等缺点,提出一种基于非下采样轮廓波变换的彩色图像感知哈希算法.该算法首先结合图像正则化,对分块后图像进行非下采样轮廓波变换,把对变换系数求得的统计值作为中间感知哈希;然后利用块与块统计值之间的关系对中间感知哈希进行量化;最后利用混沌序列对量化后的感知哈希序列进行加密,得到最终感知哈希.实验结果表明,该算法对常见的图像内容保持操作具有强鲁棒性,并具有很好的唯一性,在碰撞率和检错率方面均优于对比算法.

应用图像纹理连续性的4f系统图像非下采样轮廓波变换域降噪

4f系统同时具有噪声和低通特性，为实现对其输出图像降噪的同时保护图像细节，提出一种结合图像纹理连续性的非下采样轮廓波变换域去噪方法。在传统NSCT域硬阈值去噪方法基础上，首先，对高频子带图像用一个衰减的阈值去除小幅值的噪声点，以更多地保护图像细节并凸显剩下的大幅值噪声点的孤立性。然后，利用图像细节纹理连续性分布和剩下的大幅值噪声点孤立分布的区别分离余下的图像细节和噪声点，进一步实现去噪的同时更好地保护图像细节的目的。实验结果表明，与传统方法相比，该方法峰值信噪比（PSNR）提高了0．5～1dB，结构相似度指数（SSIM）提高了3％～5％，因此能更好地保护图像细节，视觉边缘效果更清晰。

基于区域检测与非下采样轮廓波变换的红外与彩色可见光图像融合

针对灰度图像融合的分辨率低及现有的彩色图像融合方法融合的图像色彩不自然、不符合人的视觉感受的特点,在此提出一种基于Snake模型的区域检测和非下采样轮廓波变换(NSCT)的红外与彩色可见光图像融合的方法。首先对彩色可见光图像进行亮度、色度和饱和度(IHS)颜色空间变换提取亮度分量,并用Snake模型对红外图像的目标区域进行检测;然后对亮度分量和目标替换的红外图像应用NSCT分解,对所得到的高频系数采用像素点"绝对值和取大"、低频系数采用基于"亮度重映射技术"的加权融合规则进行融合;通过对融合系数进行NSCT逆变换获得融合图像的亮度分量,最后运用颜色空间逆变换得到融合图像。实验结果表明,所提出的融合方法既能保持可见光图像的高分辨率和自然色彩,又能准确保留红外图像中检测出的目标信息,获得视觉效果较好、综合指标较优的融合图像。

基于非下采样轮廓波变换与自蛇扩散的合成孔径雷达图像相干斑抑制算法

针对合成孔径雷达(synthetic aperture radar,SAR)图像中乘性相干斑噪声的抑制与边缘保护问题,提出了一种基于非下采样轮廓波变换(NSCT)与自蛇扩散的抑斑新算法;该算法先利用NSCT变换对SAR图像进行多层子带分解;然后借助自蛇扩散对SAR图像不同子带分别实施参数不同的扩散滤波;最后对各去噪子带进行NSCT重构获得的SAR图像再次进行自蛇扩散滤波处理,从而实现带有边缘保护与增强的SAR图像相干斑抑制。实验表明,与多种传统抑斑算法相比,本文算法在相干斑抑制与边缘保护性能上均有明显提升。

基于非下采样轮廓波变换的智能化红外空中小目标检测

针对复杂背景下的远距离红外空中弱小目标检测问题,提出了一种基于非下采样轮廓波变换和BP神经网络的智能化检测方法。通过自适应结构元素的灰度形态学顶帽变换实现复杂背景的空域抑制。在非下采样轮廓波域构造高频子带系数的中心向量并进行综合形成距离像,实现复杂背景的频域抑制。以像素的灰度、水平、垂直和对角梯度、邻域均值和方差6个特征为输入量,通过大样本训练构造3层BP神经网络,实现空中弱小目标检测。仿真实验结果表明:可以实现对红外复杂背景的有效抑制,稳定准确地检测出信噪比大于2的空中弱小目标。

基于非下采样轮廓波变换耦合对比度特征的遥感图像融合算法

为了解决当前较多遥感图像融合方法忽略了图像的对比度特征,使得融合图像存在振铃效应等问题,设计了基于非下采样轮廓波变换耦合对比度特征的遥感图像融合算法。引入HSV(hue,saturation,value)色彩模型,提取出多光谱(MS)图像的V因子。借助非下采样轮廓波变换(NSCT),计算出V因子与全色(PAN)图像的不同系数。随后,利用傅里叶变换来求取图像的显著性因子,并将其与图像的区域能量特征相结合,形成低频系数融合规则,实现低频信息的融合。通过利用图像的标准差信息对图像的对比度特征进行度量,并将其与图像的平均梯度信息相结合,形成高频系数融合规则,实现高频信息的融合。最后,通过逆NSCT对其进行重构,以更新V因子。将更新后的V因子,联合MS图像的H因子和S因子,通过逆HSV色彩模型进行重构,得到融合结果。通过实验发现,较当前遥感图像融合技术而言,所提算法的融合图像具备更高的光谱相关系数值以及信息熵值。

一种改进的非下采样轮廓波变换图像去噪算法

优化图像去噪问题,在非下采样轮廓波变换图像去噪中,收缩阈值的确定仅依赖变换子带系数的幅值,使得过多图像系数和噪声系数一并去除,导致滤波图像模糊。从检测变换子带几何结构出发,引入自蛇模型对子带系数作几何结构检测并抑制噪声后,估计双阈值将子带系数划分为三类并作不同处理,实现对噪声系数的去除和对图像系数的保护。实验结果表明,相对现有典型算法,改进算法获得的峰值信噪比提高了0.1-0.9dB,图像系数被更好识别和保留,滤波图像中边缘与区域细节损失减少,提高去噪效果,保留图像的有效信息。

一种非下采样轮廓波变换域水果图像预处理方法

水果图像在获取过程中受到拍摄系统自身的缺陷、复杂多变的成像环境等多重因素的限制,导致图像被掺杂进一些噪声,降低了图像的清晰度。结合非下采样轮廓波变换(nonsubsampled contourlet transform,NSCT),提出了该类图像的有效预处理方法。该方法首先对图像进行多尺度NSCT分解,获得低频分解系数和高频分解系数;然后对低频分解系数进行模糊增强处理,对高频系数采用二维多级中值滤波算法(two-dimensional multi-stage median filtering algorithm)进行处理;最后进行分解系数重构,获得清晰度较高的水果图像。分别将此算法与已有的几类同类型算法对水果图像进行去噪处理,并引入峰值信噪比(peak signal noise to ratio,PSNR)作为处理效果评价指标,结果表明,此算法性能明显优于已有的同类型算法。

非下采样轮廓波变换在故障分类中的应用

基于非下采样轮廓波变换的多尺度分解和多方向分解的特性,提出一种用于时频图像特征提取的方法。首先,将振动信号变换到时频域得到时频图像,并利用Matlab将得到的时频图像转换为灰度图像;其次,对该图像进行非下采样轮廓波变换,得到其高频和低频子带,根据高频子带和低频子带所包含信息不同,研究不同的特征提取方法,笔者提取高频子带的能量和低频子带的均值、标准差作为特征值;最后,利用支持向量机(support vector machine,简称SVM)对齿轮箱的不同程度故障以及滚动轴承故障进行分类测试。实验结果验证了该方法提取时频图像特征量的有效性,为设备的状态识别提供了一种有效的方法。