基于多尺度对比度塔和方向滤波器组的图像融合

本文从图像的特性出发,将方向信息与多分辨分析相结合,提出了基于方向滤波器组的融合思想.进而考虑到人眼的视觉特性,利用对比度塔分解(CP)捕获图像的低频分量,利用方向滤波器组(DFB)获得图像的高频分量,提出了一种基于多尺度对比度塔和方向滤波器组(CPDFB)的图像融合方法,同时分析了该方法的融合机理和计算复杂度,较好地实现了复杂图像的融合.仿真实验验证了其可行性和有效性.

全相位方向滤波器组设计及其应用

为提高方向滤波器组的方向选择性和运算速度,基于全相位列率滤波理论提出了一种新的方向滤波器组设计方法.该方法直接从频谱特性设计纯二维方向滤波器并灵活构建方向滤波器组,避免了传统方向滤波器组对图像的旋转、采样等操作,可以更多地保留图像细节并减小运算量.采用该方法设计了2种全相位方向滤波器组,并将其用于图像去噪.对经典测试图像的实验结果表明,与Contourlet变换及其改进——非下采样Contourlet变换相比,采用该方法去噪后图像的峰值信噪比最多提高2.96 dB,且重建图像的主观质量也较好.

基于方向滤波器组的指纹图像预处理

提出一种变换域指纹图像预处理增强方法。应用小波变换分离出低频信号和高频信号,对高频信号送入方向性滤波器组进行方向性子带分解,对各方向子带图像分块,根据块能量分布情况对子带图像重新加权处理。子带图像重建出高频信号加上原低频信号得到预处理结果,达到抑制噪声,增强特征目的。实验表明算法对指纹图像处理效果良好。

新的方向滤波器组及其在图像去噪中的应用

设计了具有45°和135°方向的二维棋盘形滤波器对.通过棋盘形滤波器对,输入图像被分解为两幅子图像,且二维余弦调制滤波器组被分别应用到每幅子图像.这种结构等效于一个冗余比为2的新的方向滤波器组.新的方向滤波器组具有良好的方向和频率选择性.将双重局部维纳滤波算法和新的方向滤波器组相结合,提出了一种新的图像去噪算法.实验结果表明:对于含有丰富纹理的图像,本文提出的算法获得了明显的去噪性能改善.

结合复方向滤波器组高斯尺度混合模型及非局部均值滤波的图像去噪

提出了一种结合金字塔对偶树方向滤波器组（PDTDFB）变换域高斯尺度混合模型及非局部均值滤波的图像去噪方法.首先,建立了含噪图像的PDTDFB系数的局部高斯尺度混合模型,应用贝叶斯最小二乘法估计出去噪图像的PDTDFB系数;然后,通过PDTDFB逆变换重构得到初步去噪的图像;最后,采用非局部均值滤波平滑人工效应,从而获取最终的去噪图像.该方法充分利用了PDTDFB变换具有近似平移不变性、多尺度多方向选择性和对图像纹理边缘等细节信息的高效表示能力,以及高斯尺度混合模型对PDTDFB系数的邻域相关性的概括能力.实验结果表明：与目前几个典型的去噪方法相比较,该方法使信噪比提高了0.3～3 dB,视觉效果也有明显的改善.另外,该方法不仅能有效地去除含噪图像中的噪声,同时也有效地保留了原始图像中的边缘和纹理等细节信息.

非下采样方向滤波器组在遥感图像融合中的应用

利用具有平移不变性的非下采样方向滤波器组(NSDFB),结合具有平移不变性的àtrous小波变换,提出了一种基于NSDFB的低分辨率多光谱图像和高分辨率全色图像的融合方法。将多光谱图像亮度、色度、饱和度(IHS)色彩空间的I分量和全色图像(PAN)分别进行àtrous小波变换,并对得到的高频系数分别进行NSDFB分解,从而得到多方向的高频信息,然后将高低频系数分别通过一定的融合算子进行融合、重构,得到I′分量,最后通过IHS逆变换得到融合图像。实验结果表明,在几种不同的客观评价标准下,该方法优于传统的IHS、主成分分析法(PCA)和小波变换方法的融合效果,能有效地改善主成分分析法(PCA)和小波变换所带来的虚假边缘和光谱扭曲现象。

基于复方向滤波器组和HMT的图像去噪

提出一种基于金字塔对偶树方向滤波器组(PDTDFB)分解系数模的HMT模型,该模型结合PDTDFB理论、复数的模和HMT的特点,利用PDTDFB对图像分解后复系数的模建立HMT模型,由EM算法训练模型获得去噪后的模,恢复复系数、重构图像。实验结果证实,与其他几种典型的去噪算法定性比较,该模型去噪效果有不同程度的提高,更好地保留了图像的边缘信息。

两种菱形结构指纹图像方向滤波器组的设计

指纹增强对于提高指纹细节特征提取的准确率甚至整个自动指纹识别系统的性能都具有重要意义,指纹图像方向滤波器是进行指纹图像增强的一种常用方式.基于著名的斐波那契数列,设计了两组新的菱形结构的方向滤波器模板,在保证各个方向滤波器模板结构一致性的同时,既解决了模板旋转溢出的问题,又使参数在对应方向上分布更具规律性.在FVC数据库中部分典型低质量指纹图像样本上的测试表明,新设计的两组方向滤波器模板对低质量指纹图像具有明显的增强效果.与已有的方向滤波器模板相比,设计的方向滤波器模板能更好地连接断裂脊线并分离粘连脊线,而且增强过程中产生的伪特征点更少.

基于非下采样方向滤波器组的红外复杂地面背景抑制

针对弱小目标检测技术的难点,根据红外图像中目标和背景杂波的特性,提出了一种基于非下采样方向滤波器组的红外地面背景抑制方法。首先,采用非下采样方向滤波器组对图像进行多方向分解,提取图像方向细节特征,然后,根据目标和背景杂波信号的差异,通过将基于傅里叶变换域的频域调整策略应在于分解后各方向子带,从而将红外图像中弱小目标和背景杂波分离,达到抑制背景的目的,最后采用经典的自适应阈值分割技术得到目标点,最终实现对目标的检测。实验结果显示,与最大中值滤波和局部去均值滤波方法相比较,该方法能有效地检测出信杂比较低的目标。

一种多分辨率方向滤波器组及其设计方法

回顾了多分辨率多方向性图像表示,分析了其存在的问题,介绍了新型方向滤波器组即均匀方向滤波器组和非均匀方向滤波器组,证明了滤波器通带条件,讨论了相关的设计和实施问题,并进行了实验仿真。

方向滤波器组预处理方法在人脸识别中的应用

为了解决在不同受控条件下识别人脸图像存在识别率较低的问题,本文提出使用带方向滤波器组预处理的人脸识别方法。首先,单独使用主成分分析、独立成分分析和线性判别分析3种人脸识别算法对人脸进行识别,然后使用方向滤波器组对人脸先进行预处理,再结合3种算法对人脸进行识别。为了证明所提出方法的普适性,本文使用Yale人脸数据库和FERET人脸数据库2个不同的数据库进行了相同的实验。实验结果表明:本文所提的方法明显改进了识别效率,识别率提高了8.91%-49.99%,其中线性判别分析算法更是获得94.21%的识别率。

Contourlet变换及方向滤波器组设计相关问题

本文介绍了基于抽样与插值的方向滤波器组(DFB)设计原理,简要说明Contourlet变换的分解方式,并分析它们两者之间的关系,最后分析了方向滤波器组设计关键技术。

基于支持向量值和方向滤波器组的图像去噪

提出了一种基于支持向量值和非抽样方向滤波器组的图像去噪算法。该算法通过构造支持向量值方向滤波器组(SVDFB)对噪声图像进行多尺度、多方向分解,同时考虑到分解系数服从广义高斯分布的统计特征,采用局部自适应贝叶斯阈值方法实现图像去噪。仿真结果和实验分析表明,该算法的峰值信噪比和去除噪声后图像的视觉效果都有明显提高,同时有效保留了原图像的纹理和细节信息。

一种改进的新型非均匀方向滤波器组

为了提高图象信号处理水平,可以采用一种新的多分辨率、多方向的图象变换方法。该变换采用非分离的钻石形和扇形滤波器进行方向滤波,利用统一的采样矩阵进行样本减(增)采样和方向重排,通过级联双通道树型结构得到多方向的频谱分割。该方法使每层分解后的图象具有一个低频子带和十二个高频子带,这些子带都为规则的方形矩阵,可以通过对低频子带的迭代分解实现多分辨率分析,具有临界采样和理想重构性质。

基于方向滤波器组与Laplacian能量和的图像融合算法

目的针对基于Contourlet变换的融合算法在边缘上易出现吉布斯现象,使其融合图像产生几何失真的问题,设计一种非下采样方向滤波器组耦合局部Laplacian能量和的图像融合算法。方法首先,结合多小波变换(multi-wavelet transform,MWT)与非下采样方向滤波器组(Non-Subsampled Direction FilterBank,NSDFB),将图像分解为3个高频方向系数和1个低频系数。对于低频系数,采用局部修正的Laplacian能量和(Local Sum-Modified-Laplacian,LSML)与脉冲耦合神经网络(Pulse couple neural network,PCNN)组合的LSML-PCNN模型来完成低频信息的融合。对于高频系数,通过提取低频和高频子带边缘,并利用系数绝对最大值法作为依据,实现高频系数的融合。结果实验数据表明,与当前图像融合方案相比,所提算法具有更高的融合质量,得到的融合图像边缘更加清晰和完整。结论所提算法拥有较高的融合视觉效果,可改善图像的对比度和分辨率,在图像处理领域具有一定的参考价值。

均匀与非均匀方向滤波器组的特性与比较

图像多方向处理中方向性滤波器组得到了越来越广泛的关注和应用,针对传统多方向滤波器组的应用缺陷,着重分析和介绍了均匀方向滤波器组和非均匀方向滤波组的频谱分割特性和应用特点。

一种基于无抽样方向滤波器组的抑制噪声的医学图像增强算法

目的:针对传统的图像增强算法中存在弱边缘增强效果差、同时噪声抑制较弱等问题,本文提出的一种无抽样方向滤波器组,并将其用在医学图像增强中。方法:首先,将一维低通滤波器转换成二维低通滤波器,此滤波器再经平移、旋转等操作得到其他多方向无抽样频域滤波器,并将各频域滤波器转化成空间模板,便于使用;其次,将多尺度分析方法与无抽样方向滤波器组结合对图像进行分解得到各子带图像,对各子带图像进行统计特性分析,确定图像的强边缘、弱边缘和噪声;最后,对此三类信息不同的线性变换分别进行处理,获得增强后的图像。结果:由于无抽样方向滤波器能够较好的捕获图像的方向信息,多尺度分析能够较好区分不同的边缘信息,所以该方法的结果很好的保护了图像的边缘及细节,同时有效的去除了图像的噪声,层次结构清晰,视觉效果有了显著改善。结论:将无抽样方向滤波器与多尺度分析结合,并根据不同纹理信息的特点,对各类信息采用不同的处理,是一种行之有效的图像增强方法。

无抽样方向滤波器组用于图像去噪的方法研究

提出一种基于无抽样方向滤波器组的图像去噪新方法,首先,将一维半带滤波器(half band filter)转换成二维低通滤波器,通过对此滤波器的各种操作获得4方向、8方向和16方向等无抽样方向滤波器组,同时,将各频域方向滤波器转换成空域模板;其次,采用Contourlet变换中的多尺度分解方法,利用上述空域模板实现图像方向分解,获得噪声图像的各尺度多方向系数;最后,根据各方向系数的统计特性,合理设定去噪阈值,方向合成只需各方向子带图像相加,多尺度合成过程与Contourlet变换相同,完成图像去噪。实验结果表明:该方法不仅有效地去除了图像噪声,而且能很好地保留图像的边缘纹理信息,并很好地去除了Contourlet变换去噪中无法避免伪吉布斯现象所引起的视觉失真,与现有阈值去噪方法相比,图像信噪比明显提高。

无抽样方向滤波器组的设计及其在医学图像增强中的应用

本文提出一种无抽样的方向滤波器组设计方法,并应用于医学图像增强。该方法将多级滤波器组整合为单级滤波器组,并将各频域滤波器均转化为w×w的空间模板,分别与图像卷积,获得各方向的子带图像,且每幅子带图像的分辨率均与原图像相同,便于利用各方向子带图像的统计特性,实现图像增强。实验结果表明:本方法因避免了抽样与插值过程,操作简便。采用图像方向特征,降低由于设备问题造成的图像模糊的影响,与其他常见的图像增强方法相比,其图像增强效果明显。

2D经验模态分解与非下采样方向滤波器组的红外与可见光图像融合算法

针对当前红外(IR)与可见光(VI)图像融合中细节保留能力不足及目标配准精度不高的问题,设计了一种多尺度2D经验模态分解耦合非下采样方向滤波器组(NSDFB)的红外与可见光图像融合算法。分别计算红外与可见光图像的熵值,并比较二者阈值的大小,计算阈值较大图像的残差。通过2D经验模态分解(2D-EMD)和NSDFB机制,构建了多尺度方向分解模型,将熵值较大图像的残差和熵值较小的图像变换为高频方向系数与低频系数,以获得源图像的细节和特征信息。对于低频系数,引入加权平均作为低频系数的融合准则;根据区域能量对比度与清晰度来定义融合规则,完成高频系数的融合。利用2D-EMD多尺度分解逆变换将获取的低频与高频系数生成新图像。实验表明:与当前常用红外与可见光图像融合对比,所提算法具有更高的融合质量,所输出的图像具有更好的对比度与丰富的细节信息。