基于第2代Curvelet变换的彩色图像去噪

提出基于第2代Curvelet变换的彩色图像去噪算法,克服小波变换在表达彩色图像边缘的方向特性等方面的内在缺陷。该算法适合分析二维彩色图像中的曲线或直线状边缘特征,且具有较高的逼近精度和稀疏表达能力。通过Matlab对512×512的Lena和Babon彩色图像进行仿真实验,结果表明,该算法在视觉效果和性能指标方面都优于小波和Ridgelet算法。

基于二代Curvelet变换和ProbShrink算法的红外图像背景抑制

为了提高红外复杂背景下弱小目标的检测性能,提出了一种基于二代Curvelet变换和ProbShrink算法的红外图像背景抑制新方法。弱小目标在二代Curvelet变换后表现为高频信息,而二代Curvelet系数表示了边缘信息的稀疏,抑制其低频系数即能很好地去除大部分复杂背景。本文通过对高频子带系数单一分布和联合分布的分析,确定包含目标信息的子带位置,利用ProbShrink算法对高频系数中的背景系数进行有效地缩减。实验结果显示,对输入信噪比为4.16 dB的复杂云层进行背景抑制后,其输出信噪比能达到40.04 dB,优于小波和二代Curvelet的方法,表明本文算法能够很好地抑制红外图像背景,保留弱小目标信息。

应用第二代Curvelet变换的遥感图像融合

提出了一种基于第二代Curvetlet变换遥感图像融合算法.将具有高空间分辨力的Pan图像与Ms图像的待融合波段图像进行直方图匹配,并对直方图匹配后的Pan图像与待融合波段Ms图像分别进行Curvelet变换分解,得到各自的低频子带系数和各带通方向子带系数;采用一定的融合规则对Curvelet变换系数进行组合得到融合图像的Curvelet系数;最后对组合后的系数进行Curvelet重构得到该波段具有高空间分辨力的Ms图像.对IKONOS卫星遥感图像的仿真实验结果表明:与传统的基于亮度-色调-饱和度彩色空间变换融合算法相比,该算法使融合后的Ms图像整体光谱保持度提高了10.54%,而与传统的基于小波变换的图像融算法相比,其空间质量提高了0.81%～1.12%,有效解决了基于亮度-色调-饱和度彩色空间变换融合算法中光谱失真严重和基于小波变换图像融合算法中空间质量较低的缺点,使得融合后的Ms图像在最大可能地保持原始Ms图像光谱特性的同时,显著提高了融合图像的空间质量.

基于二代Curvelet变换耦合图像纹理算法

当前较多图像融合算法主要是通过图像的能量信息来完成系数融合,忽略了图像的纹理特征,导致融合结果中存在吉布斯以及块现象等缺陷。设计了二代Curvelet变换耦合纹理信息调节的融合算法,该算法采用二代Curvelet变换,从输入图像中获取不同的Curvelet系数,采用图像的R(Red),G(Green),B(Blue)值,构造纹理信息因子,测量图像的纹理信息,并联合图像的信息熵特征,定义低频信息融合机制,完成低频系数的融合,使融合图像具有更多的纹理信息。利用图像的平均梯度特征建立高频信息融合方法,实现高频系数的融合,使其含有更多的边缘细节信息。测试结果显示:与已有的融合算法相比,该算法的融合图像更为清晰,没有吉布斯和块现象,具有更大的交互信息量和标准差值。

基于第二代Curvelet变换的彩色图像增强算法

针对小波变换对彩色图像增强算法诸多问题,提出基于第二代Curvelet变换的彩色图像增强算法,它克服了小波变换在表达彩色图像边缘的方向特性等方面的内在缺陷,更加适合分析二维图像中的曲线或直线状边缘特征。阐述了第二代Curvelet变换的基本原理,通过对512×512的Lena和Babon彩色图像仿真实验,实验结果表明算法对彩色图像具有很好的增强效果,提高了彩色图像的对比度,降低了噪声,同时也较好地保留了边缘信息,无论是从视觉效果还是从性能指标都优于小波和Ridgelet算法。

基于二代Curvelet变换与近似度制约规则的遥感图像融合算法

为了提高遥感图像的融合质量,消除模糊与不连续效应,设计了基于二代Curvelet变换与近似度制约规则的遥感图像融合算法。通过HSV变换对多光谱图像进行分解,获取其亮度子图。引入二代Curvelet变换,对全色图像与亮度子图进行精细分解,求取图像的高频与低频系数。利用图像的对角信息改进空间频率模型,求取全色图像低频系数的注入因子,并将全色图像的低频系数注入到亮度子图对应的低频系数中,获取融合低频系数。利用结构相似度模型对不同高频系数进行近似度测量,建立近似度制约规则,获取融合高频系数。通过对融合系数实施Curvelet和HSV反变换,获取融合的遥感图像。实验结果表明,较已有的遥感图像融合方法而言,所提方法具有更好的融合质量,包含了更多的光谱与空间信息。

第二代Curvelet变换与像素能量特征对比度结合的医学图像算法融合算法

针对传统的多尺度医学图像融合算法大多没有突出待融合图像的特征,在图像细节信息较丰富情况下,并没有突出图像边缘等较多信息,融合效果并不理想的特点,提出基于第二代Curvelet变换与像素能量特征对比度结合的医学图像融合算法.源图像经第二代Curvelet变换后,其低频部分采用基于窗口的融合算法,高频部分采用每个窗口的Curvelet能量系数取最大的融合算法,最后通过Curvelet逆变换获得融合图像.实验表明,本文提出的融合方法图像包含源图像的信息量大,对源图像的边缘结构保持最好,与源图像信息相关程度较高且差异性较少,实验结果远优与传统的图像融合方法 PA法(像素平均法)、拉氏(Laplace)法、DWT(小波变换)法.

Curvelet变换结合(2D)~2PCA的人脸识别算法

作为一种新的多尺度多方向性的信号分析工具,Curvelet变换不但具有小波变换多尺度和多分辨率的特点,还具有很强的方向性,对包含大量面部轮廓和五官曲线信息的人脸图像能实现最优的稀疏表示。本文提出并实现了一种基于Curvelet变换结合双向二维主成分分析((2D)~2PCA)的人脸识别算法,以Yale人脸数据库进行人脸识别实验,结果表明,该算法相对于传统基于小波变换的人脸识别算法,能有效提高识别率,缩短识别时间。

基于第二代Curvelet变换和特征量积的图像融合

文中提出了一种基于二代Curvelet和特征量积的图像融合算法.首先对融合图像进行快速离散Curvelet变换,在相应的尺度上由融合规则将Curvelet系数融合.采用平均策略融合低频系数;对于高频分量采用了小波的局部能量、局部梯度、局部的标准偏差组成的特征量积自适应地融合高频系数.最后利用Curvelet重构得到融合图像.对多聚焦图像和多光谱图像进行了实验.采用了标准差、平均梯度、信息熵作为评价标准,并与小波的融合结果做了比较..实验证明二代Curvelet所获得的融合结果更佳清晰、效果更佳且应用广泛.

基于二代Curvelet变换耦合二维因子的图像融合算法

目的为了解决当前图像融合算法在融合过程中忽略了低频系数中所包含的图像细节信息,导致其输出的融合图像存在间断以及模糊效应的不足,方法提出基于二代Curvelet变换耦合二维因子的图像融合算法。首先,利用具有多尺度以及多方向特性的二代Curvelet变换对源图像进行快速的分解,以获取源图像精细的低频以及高频系数。引入低频系数的信息熵以及区域方差特征来构造二维因子,对低频系数所包含的信息量以及图像的变化程度进行度量,以完成低频系数的融合。随后,利用高频系数的平均梯度特征,构造信息融合规则,完成高频系数的融合,提高融合图像的细节信息含有量。最后,利用像素点的R,G,B值,构造颜色校正因子,对融合图像进行颜色修正,以获取色彩效果较好的融合图像。结果实验结果显示,与当前图像融合算法相比,所提算法具有更强的细节表达能力,其输出的融合图像具有更好的清晰度及视觉效果。结论所提算法拥有较好的融合质量,能提高图像的对比度与分辨率,在图像处理领域具有一定的参考价值。

基于二代Curvelet变换耦合显著判定机制的遥感图像融合算法

为了解决遥感图像融合方法在信息融合过程中因忽视了图像中的显著内容而导致融合图像的空间特征不理想的问题,提出了二代Curvelet变换耦合显著内容判定机制的遥感图像融合算法。借助HSV变换,计算多光谱(MS)图像的明度(V)分量;再采用二代Curelet变换对全色图像以及V分量进行计算,输出二者对应的频域子带。采用图像的幅度谱特征,计算出图像的显著信息,通过对图像进行分块,以分块图像的显著信息为依据,建立显著内容判定机制,根据分块图像的显著值,采用不同的方法来融合低频子带。最后,利用图像的梯度值,构造细节测度因子,以计算出图像的细节信息,实现高频系数的融合。实验结果显示,相对于已有的遥感融合方案而言,所提算法的融合图像拥有更好的光谱等特征,呈现出更高的标准差和相关系数值。

一种基于二代Curvelet和2D Log-Gabor滤波器的多模特征层融合识别方法

针对单模生物特征识别在实际应用中易受干扰、识别率低且无法达到零错误识别的问题,提出一种基于二代Curvelet和2DLog-Gabor滤波器的人脸与虹膜特征层融合识别算法.该方法利用二代曲波变换提取人脸特征,用2DLog-Gabor幅值法提取虹膜特征,通过PCA降维单模特征向量,在特征层进行融合,通过SVM分类识别融合特征向量.在ORL人脸库和CISIA虹膜库构成的多模生物特征库上进行测试.实验结果表明:该算法正确识别率能达到100%,较单模人脸、单模虹膜识别方法的识别率均提高3.33%,为多模生物特征识别提供了一种有效模型.

核燃料棒芯块^(235)U丰度检测方法研究

核燃料棒中UO_(2)芯块的^(235)U丰度检测是保证核反应堆正常运行的重要环节,根据铀样品能谱谱形,通过迭代拟合算法精确选取目标信号的能量范围,减少了测量精度受UO_(2)芯块年龄的影响,扩大了目标信号能量选取范围,基于小波变换法,过滤无关频率信号,提高了突变信号的识别精度,进一步提高了检测速度。通过模拟存在异常丰度芯块燃料棒检测验证了方法的可行性。

基于第二代Curvelet变换的多聚焦图像融合方法研究

本文针对光学成像系统聚焦范围有限,很难使得同一场景中所有物体都清晰这一特点,将一种多尺度几何分析方法——第二代Curvelet变换引入到多聚焦图像融合之中。本文通过对多幅多聚焦图像Curvelet变换后的系数进行调整,再进行Curvelet反变换得到结果图像。实验结果表明,基于Curvelet变换的多聚焦图像融合结果好,空间质量得到显著提高。

基于二代Curvelet和PCA变换的遥感影像融合

提出了一种基于二代Curvelet变换和PCA变换的图像融合方法。首先对低分辨率多光谱图像进行PCA变换得到各个主成分,然后对高分辨率图像和低分辨率图像的前三个主分量进行Curvelet变换,并进行系数调整实现融合。最终得到PCA反变换后的融合图像。经实验结果表明,该方法有效,优于传统的融合方法。

基于curvelet变换快速迭代收缩阈值算法的压缩采样磁共振图像重建

目的为提高MR图像的重建效果和降低重建图像边缘模糊,本文提出一种基于curvelet变换的MRI快速迭代收缩阈值算法(fast iterative shrinkage-thresholding algorithm,FISTA)。方法利用curvelet变换多尺度、各向奇异性、对图像边缘有更好的几何表达等特性,将curvelet稀疏变换和FISTA结合,并与传统基于小波变换的FISTA对相同MR图像作重建对比。重建图像的质量以峰值信噪比(peak signal to noise ratio,PSNR)、均方误差(mean square error,MSE)、结构相似性度(structural similarity degree,SSIM)来衡量。结果实验选用Lena图像和脑部MR图像,从重建图像细节、差值图像、评估参数三方面对算法重建效果进行比较分析,证明该curvelet-FISTA算法可有效恢复完全采样图像从核磁共振成像中的欠采样数据。结论与传统基于小波变换的FISTA相比,该方法可以更好地保持重建图像的细节信息,并有效地消除图像边缘的模糊现象,显示了较好的重建效果。

基于二代curvelet变换耦合方差特征约束的遥感图像融合算法

为了使得融合遥感图像能够保留更多光谱特性的同时,还能尽可能高地提高其清晰度,论文提出了一种基于二代curvelet变换耦合方差特征约束的遥感图像融合算法。将多光谱图像经过IHS变换处理,获取其亮度(I)分量。利用二代curvelet变换对I分量以及全色图像进行多尺度以及多方向的分解,以获取其对应的低频系数以及高频系数。以不同低频系数对应的区域能量比例为权重因子,对低频系数进行加权融合。通过不同高频系数的方差特征,构造高频系数融合模型,以完成高频系数的融合。将融合后的高、低频系数通过二代curvelet逆变换更新I分量,将更新后的I分量通过IHS逆变换得到融合遥感图像。实验结果表明,所提算法融合的图像在光谱特性以及清晰度方面,都比当下遥感图像融合方法融合的图像更好,具有优良的融合性能。

基于Curvelet变换的缺失地震数据插值方法

Curvelet变换具有局部性、多尺度性和多方向性,在处理非稳态地震信号中具有较大的优势,可以利用Curvelet变换的压缩特性重建缺失的地震数据。本文首先分析了基于稀疏变换的缺失地震数据插值的基本原理,在反问题正则化理论框架下,针对L2范数约束和L1范数约束条件,分析了两种约束的差异,着重阐述了基于Curvelet变换的L1范数约束的插值方法,其优点在于对非线性同相轴不需要分窗口处理,并将凸集投影算法(POCS)引入到Curvelet变换的插值方法中,通过采用按指数规律衰减的阈值参数加快了迭代收敛的速度。理论和实际算例验证了Curvelet变换插值方法的有效性。

基于Curvelet变换和PCA相结合的方法提取地质构造信息

提出一种基于局部能量规则的第二代Curvelet变换和主成分分析(PCA)相结合的影像融合方法。实验表明,和其他方法相比,提出的新方法能把两种影像的优点集中在一张影像上,得到的融合影像清晰度高,地质构造可解译程度高,能提供更细致准确的地层岩体、线性和环形构造信息,对矿产资源评价和成矿预测非常有利。

Curvelet变换在人脸识别中的应用研究

针对小波只能反映信号的点奇异性,无法实现人脸图像面部轮廓和五官曲线信息的最优稀疏表示,提出了一种基于第2代Curvelet的人脸识别算法.通过对人脸图像进行第2代Curvelet变换,分解得到表征人脸基本信息的低频系数,再利用双向2维主成分分析((2D)2PCA)进行降维,并结合最近邻算法进行人脸识别.以ORL人脸数据库进行试验,结果表明:与基于小波变换的算法相比,该算法具有更高识别率和更短的识别时间.