基于无下采样Contourlet变换的图像融合算法

针对目前最新发展的无下采样Contourlet变换,同时具有方向性、各向异性和平移不变性的特点,提出了一种新的基于无下采样Contourlet变换图像融合算法。首先对原始图像进行无下采样的Contourlet变换,得到高频和低频图像系数;然后根据它们的系数特性,采用一种新的加权融合规则对其进行融合。实验证明,此方法相对于传统的变换法,取得更优的融合结果。

基于无下采样Contourlet变换的图像融合

无下采样Contourlet变换(nonsubsampled contourlet transform,NSCT)是基于Contourlet变换的一种扩展,可以对图像进行灵活的多尺度、多方向和平移不变性分解。本文提出了一种基于NSCT的图像融合算法。首先对图像进行NSCT变换;然后对变换得到的低频和高频分量系数分别采用三种不同的融合规则进行融合处理;最后重构图像得到融合结果。文中给出了实验结果,通过对结果的分析比较,表明该方法的性能较传统的基于小波变换或基于Contourlet变换的融合方法有了一定的提高,融合效果更好。

基于无下采样Contourlet变换的SAR图像去噪

提出了一种基于无下采样Contourlet变换(NSCT)的合成孔径雷达(SAR)图像去噪方法。首次在理论上证实了SAR图像取对数后无下采样Contourlet系数服从广义高斯分布,从而提出采用贝叶斯阈值方法估计不含噪声的无下采样Contourlet系数,达到去除噪声的目的。仿真和实际实验结果表明,该方法在噪声平滑、边缘和纹理保护等方面优于其他方法。由于无下采样Contourlet变换不进行下采样,该方法能够避免其他进行严格下采样的变换去噪时所引入的人工痕迹。

无下采样Contourlet变换在图像边缘检测中的应用

传统图像边缘检测不能同时实现边缘检测需要的各向异性和多尺度性,小波虽然可以做到,但是小波在表现多方向性时,不能以最稀疏的方式表示。Contourlet变换正是解决这些问题的一种新的分析工具。目前将Contourlet变换用于图像边缘检测的方法还很少见,该文在各向异性的感受野模型可以很好用于图像高通滤波的思想上,提出一种利用无下采样Contourlet变换进行图像边缘检测的方法。实验结果证明,该方法可以较好地用于图像的边缘检测。

一种基于无下采样Contourlet变换的多聚焦彩色图像融合算法

提出了一种基于无下采样Contourlet变换和YIQ颜色空间的多聚焦彩色图像融合算法。对变换得到的高低频分量,根据各自的物理意义采用不同的融合规则进行融合处理,其中对高频分量的Y分量采用基于区域绝对值的融合规则,对I、Q分量采用改进的区域对比度融合规则。通过实验验证了这种改进算法的可行性、有效性和稳定性。

基于投影约束和随机采样Hough变换的虹膜分割方法

非合作式虹膜图像的采集导致图像中具有大量干扰和噪声,因此,提出基于投影约束和随机采样Hough变换的虹膜分割方法提取虹膜有效区域。对虹膜二值图像进行投影粗定位虹膜的外轮廓圆心和半径,通过圆心和半径确定虹膜的大致区域,在该区域上,使用随机采样的Hough变换确定虹膜的内外轮廓,从而提高了虹膜分割的准确性。实验证明,与现有方法相比虹膜分割方法错误指标E1和E2最多提高8%和20%,具有更低的错误率和较高的时间效率。

基于小波变换实现地磁秒采样观测移动车辆干扰的自动识别

为了提高对地磁秒采样数据中移动车辆干扰的处理、提取效率,基于小波变换设计了移动车辆干扰自动识别处理方法,并采用溧阳地震台、河池地震台受干扰数据进行分析。结果显示,采用该方法,选择db6、db9、sym8小波识别提取移动车辆干扰,识别率大于91%,正确率大于83%。

基于无下采样Contourlet变换和独立分量分析的红外弱小目标检测

针对存在背景干扰和噪声情况下的红外弱小目标检测问题,提出一种基于无下采样contourlet变换(NSCT)和独立分量分析(ICA)的检测方法。首先原始图像减去通过快速ICA分离出的背景图像,再经NSCT去噪,接着利用新型Top-hat变换滤波得到预处理图像;然后采用基于类内方差及背景与目标面积差的阈值选取方法来分割预处理图像。针对红外小目标图像进行了大量实验,并和基于快速ICA、基于NSCT的红外目标检测方法进行了比较,结果表明所提出的方法抗噪性强,具有更为优越的检测性能。

基于无下采样Contourlet变换和人眼视觉系统的稳健盲水印算法

提出一种基于无下采样Contourlet变换(NSCT)和人眼视觉系统(HVS)的自适应稳健盲数字水印方案,该方案在NSCT域中对人类视觉系统的特性进行建模,利用人眼的视觉掩盖机制自适应嵌入水印序列。实验结果表明,该数字水印方案在保证人眼视觉不可见性的前提下,对包括噪声、JPEG压缩、图像剪切、滤波、图像扭曲等均具有很强的稳健性,并且检测水印时无需原始图像,是一种很有前途的盲水印方案。

基于非子采样Contourlet变换的多聚焦图像融合方法

非子采样Contourlet变换(NSCT),是针对Contourlet变换的一些局限性进行了改进,可以对图像进行灵活的多尺度、多方向和平移不变性分解.提出了一种基于NSCT的多聚焦图像融合方法.首先对多聚焦图像进行NSCT变换;然后对变换得到的低频分量系数采用改进的加权平均融合规则进行融合处理,对高频分量的最高层和其它层系数分别采用绝对值最大和改进的区域方差融合规则进行融合处理;最后重构图像得到融合结果;并给出了实验结果.对结果的分析比较表明,所提出的融合规则的效果优于常用的融合方法和参考文献的融合方法.

采用非采样Contourlet变换与区域分类的红外和可见光图像融合

提出基于多尺度变换和区域相结合的红外与可见光图像融合方法,用于有效保留红外图像与可见光图像中的空间信息及热目标信息,提升融合图像的可观测性和可理解性。首先,基于非采样Contourlet变换(NSCT)方法对红外和可见光图像进行初步融合,采用基于局部能量的规则融合低通子带系数,根据尺度内各方向子带的相关性原则融合带通方向子带系数。然后,计算初次融合后所得的融合图像与源图像的结构相似性(SSIM),根据源图像与初次融合图像的结构相似程度对图像进行区域分类,得到相似区域分类标识图。最后,依据区域内各自的相似度特性,分别采用不同的融合策略进行二次融合,从而得到最终的融合结果。实验结果表明:该方法能够充分提取源图像的区域特征和纹理特征,融合结果在主观和客观评价上均优于目前流行的融合方法。与仅使用NSCT法进行融合相比,实验所采用的两组图像的质量评价指标分别提高了16%、85%、54%、36%和18%、102%、84%、41%。表明该方法在主客观评价上均优于双树复杂小波变换(DTCWT)、NSCT、冗余离散小波变换(RDWT)等方法。

采用改进投影梯度非负矩阵分解和非采样Contourlet变换的图像融合方法

针对非负矩阵分解(NMF)算法时间复杂度较高,而投影梯度(PG)优化方法可以大幅降低NMF约束优化迭代问题的时间复杂度,提出一种基于改进的投影梯度NMF(IPGNMF)和非采样Contourlet变换(NSCT)相结合的图像融合方法。采用NSCT对已配准的源图像进行多尺度、多方向的分解,将分解后的低频部分作为原始数据,利用IPGNMF得到包含特征基的低通子带系数;高频部分应用了一种基于邻域一致性测度(NHM)的局部自适应融合规则得到各带通方向子带系数。经过NSCT逆变换得到融合图像。实验结果表明,融合结果在主观和客观评价上均优于NSWT方法、IPGNMF方法和NSCT方法。与NSCT法相比,实验所采用的两组图像的信息熵、清晰度和Q指标分别提高了0.0627%、0.901%、3.120 1%和2.769%、2.203%、1.049%。

基于非下采样Contourlet变换的多传感器图像融合

根据非下采样Contourlet变换同时具有多尺度多分辨分析和平移不变性质的特点,提出一种基于非下采样Contourlet变换的多传感器图像融合方法,将其应用于多传感器图像融合的两个重要领域——多聚焦图像融合和高分辨、多光谱图像融合,从视觉效果和信息量指标方面对融合图像进行主观评判和数值评价.实验中将本文方法与Contourlet变换、小波变换、主成分分析等方法进行了比较,结果表明本文方法得到的融合结果具有更优的视觉质量和量化指标,能很好地将源图像的细节信息融合在一起,拓广了NSCT的应用范围.

基于非下采样Contourlet变换和稀疏表示的红外与可见光图像融合方法

针对非下采样Contourlet变换(NSCT)中低频子带系数稀疏度较低不利于融合的问题,提出基于NSCT和稀疏表示的图像融合方法。对红外与可见光图进行NSCT变换;对稀疏度较低的低频子带系数提取共有和特有系数,并按照特有系数的活动水平自适应调整权重融合;对稀疏度较高的高频方向子带系数,采用同一尺度下系数绝对值之和最大的方法进行融合。经NSCT逆变换后得到融合图像。实验结果表明,与传统基于变换的DWT、NSCT融合方法以及基于稀疏表示的SOMP、JSR算法比较,文中方法可以获得更好的融合效果。

非下采样Contourlet变换自适应图像去噪方法

提出了一种基于非下采样Contourlet变换的自适应图像去噪方法。首先对噪声图像进行非下采样Contourlet变换,得到各个尺度各个方向子带的系数,再根据该系数的能量自适应地调整去噪阈值。实验表明,与Contourlet多尺度阈值去噪、Contourlet自适应阈值去噪相比,该方法在保留图像边缘细节的同时,能提高图像的PSNR值,减少了Gibbs现象。

改进的非下采样Contourlet变换红外弱小目标检测方法

针对存在复杂背景干扰和噪声的红外图像弱小目标检测问题,提出了一种非下采样Contourlet变换(NSCT)的改进的红外弱小目标检测方法。首先对含弱小目标的红外图像进行预处理,然后利用NSCT进行变换,并利用改进的非线性映射函数和能量交叉融合相结合的方法实现了背景杂波的抑制,最后引入Otsu算法进行阈值分割分离出红外弱小目标。通过与同类弱小目标检测算法的对比实验,验证了该方法的有效性。

基于非子采样Contourlet变换的图像融合方法

分析了非子采样Contourlet变换滤波器组的设计与实现方法,提出一种基于非子采样Contourlet变换的图像融合方法.首先将图像作非子采样拉普拉斯金字塔尺度分解,并在各尺度层使用非子采样方向滤波器组对高频子带作方向分解,构成非子采样Contourlet变换;然后,采用基于区域能量的融合规则得到融合图像的非子采样Con-tourlet系数;最后进行非子采样Contourlet逆变换得到融合图像.实验结果表明,该方法的融合效果优于劋trous小波变换方法和Mallat小波变换方法.

基于非下采样Contourlet变换系数直方图匹配的自适应图像增强

由于非下采样Contourlet变换(NSCT)域图像增强方法需要手动调节参数,无法实现自适应增强,本文将直方图均衡化和NSCT域增强相结合,提出了一种基于NSCT系数直方图匹配的自适应图像增强算法。该算法首先对低对比度含噪原图像进行直方图均衡化,然后对原图和直方图均衡化后的图像分别进行NSCT分解,得到低频子带系数和各高频方向子带系数。对低频子带,将原图的低频子带系数直方图匹配到直方图均衡化后图像的对应系数直方图上。对各个高频子带,则先进行阈值去噪,再将原图的各个高频子带系数直方图匹配到直方图均衡化后图像的对应系数直方图上。最后,经NSCT重构得到增强后的最终图像。实验结果表明,本文方法增强效果明显优于直方图均衡化,与Contourlet变换增强法相比,实验所采用的两组图像的图像评价函数(EMEE)值分别提高了24.05%、16.97%、13.29%和20.63%,且与NSCT域非自适应增强法(人工选取参数)的处理效果相当。该方法无需手工调节参数,具有自适应性和实用性强的优点。

一种基于非采样Contourlet变换的图像融合算法

非采样Contourlet变换(Nonsubsampled Contourlet transform,NSCT)是一种新的多尺度变换,它同时具有方向性、各向异性和平移不变性,能有效的表示图像的边沿与轮廓。提出了一种基于非采样Contourlet变换的图像融合方法。首先用NSCT对已配准的源图像进行分解,得到低频子带系数和各带通子带系数;其次对低频子带系数利用均匀度进行系数选择,针对各带通子带系数提出了基于区域特征的系数选择方案,得到融合图像的NSCT系数;最后经过NSCT逆变换得到融合图像。实验结果表明该算法可获得较理想的融合图像,取得了优于小波变换和Contourlet变换的融合效果。

基于非下采样Contourlet变换和区域特征的医学图像融合

针对非下采样Contourlet变换具有多尺度分析及平移不变的性质,结合计算机断层成像(CT)和核磁共振(MRI)医学图像各自的成像特性,提出了基于非下采样Contourlet变换和区域特征策略来对低频、高频子带进行融合的医学图像融合方法;介绍了图像融合的评价标准,阐述了非下采样Contourlet变换的原理及实现;从视觉效果和客观数据指标方面对融合图像进行主观评判和数值评价。下颌骨系统CT和MRI图像的融合实验结果表明,该方法相对于小波变换和Contourlet变换方法,可有效综合这两种断层图像的有效信息和细节信息,融合后图像具有更优的视觉质量和量化指标。