基于张量低秩分解和非下采样剪切波变换的视频图像去雪方法

在雪天条件下,雪花会对视频监控系统造成遮挡,使部分重要景物信息无法被捕获,严重降低获取的视频图像质量,对后续目标检测与识别等高级图像处理造成强烈干扰。现有视频图像去雪方法普遍存在去雪效果不稳定,运算耗时长等缺陷。针对该问题,首先利用张量能充分挖掘视频图像中蕴含的空间位置信息的优势,通过张量低秩分解模型与三维全变分正则化相结合,将受到雪花污染的监控视频分解为静态背景层和运动前景层;然后,采用基于非下采样剪切波变换和数学形态学滤波方法,将运动前景层进一步分解为运动物体层和雪层;最后,将静态背景层和运动物体层进行重构,得到最终去雪后的视频图像。实验结果表明,该方法能够有效去除视频图像中的雪花干扰,清晰保留景物边缘信息,在处理效果和运算效率上均优于现有先进算法。

非负矩阵分解结合非下采样剪切波变换的遥感图像融合

文章提出了一种基于非负矩阵分解(NMF)和非采样剪切波变换(NSST)的图像融合方法。该方法通过将NMF和NSST相结合来实现图像融合,以此提取图像的共性信息和结构信息,从而获得更清晰、自然、准确的图像融合结果。具体地,我们使用NMF方法来分解多幅输入图像,并获取它们的共性部分和个性部分。通过NMF的分解,原始图像可以表示为一个非负矩阵V的乘积,其中V包含原始图像的像素值,同时包含若干列代表图像的基矩阵。在我们的方法中,共性部分对应于图像所共有的信息,而个性部分对应于图像的个别特征。接着,我们使用NSST方法对共性部分和个性部分进行分解,以便获得不同尺度和方向的图像信息。NSST是一种基于剪切波变换的多尺度分析方法,能够很好地保持图像的结构信息,并抑制伪吉布斯现象。最后,将分别经过NSST处理的共性部分和个性部分进行融合,从而获得一幅整合了图像的细节和特征的输出图像。该融合方法可以很好地处理不同类型、尺寸和分辨率的图像,并在处理复杂情况时表现出良好的效果。为了验证所提出的方法的性能,我们在不同数据集上进行了实验,并与其他常用的图像融合方法进行了比较。实验结果表明,我们提出的方法取得了良好的融合效果。因此,本文所提出的方法在图像融合领域中具有广泛的应用前景。

基于非下采样剪切波变换的FSVM图像去噪算法

以非下采样剪切波变换为基础,提出了一种模糊支持向量机图像去噪算法,其中非下采样剪切波变换能够获得噪声图像的高频子带,对高频子带系数进行模糊分类,利用自适应阈值处理含噪子带系数,达到去噪效果。实验结果表明,本文算法在图像去噪方面表现良好。

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。

基于非下采样剪切波变换的医学图像融合算法

为了解决单一模态医学图像的局限性,提出了一种基于非下采样剪切波变换(NSST)的多模态医学图像融合方法.该方法利用NSST将待融合的医学图像分解成低频系数和高频系数,并利用区域能量加权(WLE)的方法对分解后的低频系数进行融合,使用区域能量和平均梯度加权的方法对分解后医学图像的高低频系数进行融合,采用NSST逆变换重建融合后的图像.选择信息熵、平均梯度和空间频率3个参数作为融合图像的客观评价参数,结果表明,该方法取得的融合结果比离散小波、轮廓波和非下采样轮廓波变换等传统方法更好,计算效率更高.

基于非下采样剪切波变换域方向信息测度的多聚焦图像融合方法

根据非下采样剪切波变换(non-subsample shearlet transform,NSST)在图像融合领域的优势和多聚焦图像的成像特点,将NSST运用于多聚焦图像融合。在NSST变换域中,利用方向信息测度能够突出图像边缘纹理特征以及降低图像噪声,将其运用在高频子带系数的融合规则中,并对传统的低频融合策略进行改进,将低频系数和高频系数的融合图像进行NSST的逆变换,得到融合图像。计算机仿真实验表明,相比于传统的剪切波变换的融合策略,本文提出的图像融合方法提高了图像的融合质量,增加了图像的信息量,并能降低图像噪声,具有一定的有效性和实用性。

基于非下采样剪切波变换域的图像增强方法

提出了一种基于非下采样剪切波变换域的彩色图像增强方法。首先,该方法对原始彩色图像进行非下采样剪切波变换,并利用Naka-Rushton视觉适应方法对变换图像进行了增强,然后根据Weber-Fechner对比定律来实现局部对比增强。最后,在更改响应值之后逆向变换生成最终增强图像。对若干彩色图像进行了实验测试,在视觉分析和背景方差等方面,对提出方法与其他两种常用彩色图像增强方法的结果进行了比较。比较结果显示,相较于其他两种常用方法,提出方法的增强效果更好。

基于简化自适应脉冲耦合神经网络模型和非下采样剪切波变换的多模态图像融合算法研究

目的:提出一种简化自适应脉冲耦合神经网络(PCNN)模型和非下采样剪切波变换(NSST)的CT和MR图像融合算法,用于PCNN模型构建融合规则。方法:采用NSST变换将已配准的CT和MR图像分解成高频和低频子图像,分别采用基于平方差之和与方向梯度特征之和的PCNN模型融合低频子图像;而高频子图像采用绝对值取大与方向梯度特征之和进行融合。采用NSST逆变换重建融合图像,选取哈佛大学脑图库8组临床实例的CT和MR图像进行仿真试验,仿真算法为本研究算法和5种基于NSST变换的融合算法,采用互信息、空间频率、标准差、边缘强度和相似度对融合图像质量进行评估。结果:定性分析与其他5种基于NSST变换的算法相比,基于图像融合算法获得的融合图像对比度、清晰度和边缘强度均最佳;本研究算法所得定量结果中互信息为2.71%~13.63%,空间频率为12.25%~73.69%,标准差为1.86%~26.33%,边缘强度为0.37%~29.90%,相似度为0.37%~67.07%,均比5种基于NSST变换的算法有不同程度提升。结论:基于简化自适应PCNN模型和NSST变换的融合算法性能优越,是一种可行的CT和MR图像融合算法。

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。

基于非下采样剪切波变换的元素分布与形貌信息融合方法在触头表面微观分析上的应用

针对观察单模态图像难以对触头表面进行完整评价的问题,为将所有相关信息从多种模式有效部署到单个图像中,该文提出一种基于非下采样剪切波变换(NSST)的元素分布与形貌信息融合方法。对于扫描电子显微镜&X-射线能谱仪(SEM&EDS)记录的触头表面的元素分布与三维非接触式分析系统记录的表面微观形貌信息,首先在鲸鱼优化算法(WOA)的帮助下,采用基于B样条配准方法;其次应用一种新的加权能量融合规则,实现了具有不同分辨率的多模图像的融合;最后从融合触头图像中圈定出不同元素分布。通过融合结果,该文分析了触头材料转移和微观形貌,研究了触头表面元素分布,为分析触头表面结构变化、分析并定位表面聚集膜以及准确地计算接触电阻奠定了基础。

非下采样剪切波变换域下遥感图像融合

多光谱图像与全色图像的融合已被广泛应用于提高后续图像处理效果以满足图像进一步应用的需要,本文提出了一种在非下采样剪切波变换域中基于区域清晰度加权和导向滤波相结合的遥感图像融合方法。利用剪切波变换将多光谱图像的亮度分量与全色图像分别分解为低频子带和高频子带;针对高低频子带的特点分别设计高低频子带融合规则;对融合系数取剪切波逆变换和亮度-色度-饱和度逆变换得到融合图像。与6种典型融合方法通过9种包含光谱和空间质量评价的指标进行比较,实验结果表明:本文方法在主观视觉效果和客观评价方面都达到了极好效果,在提升空间分辨率的同时有效的保留了光谱信息。

基于非下采样剪切波变换的PET/SPECT和MR图像融合

目的针对PET/SPECT伪彩色图像空间分辨率低而MR灰度图像空间分辨率高的融合问题,探究一种新方法来提升PET/SPECT和MR图像的融合质量。方法对待融合图像进行非下采样剪切波变换(nonsubsampled shearlet transform,NSST),得到各自的低频子带和高频子带,然后采用绝对值取大规则去融合高频子带,采用本文提出的基于Haar小波的能量(Haar wavelet based energy,HWE)规则去融合低频子带,最后对融合后的高、低频分量进行逆NSST从而获得融合图像。采用40组脑PET/SPECT和MR图像对本文所提出方法进行测试,并与其他典型的融合方法进行比较。结果本文方法与基于DTCWT,NSCT,NSCT-SR和NSST的融合方法进行测试,结果表明,本文方法在4个指标上最优,1个指标上次优。结论本文方法在PET/SPECT和MR图像的融合中具有优越性,可提升此类医学影像在辅助临床诊断和放疗手术计划中的精准性。

基于高斯曲率优化和非下采样剪切波变换的高密度混合噪声去除算法

为提高矿井混合噪声图像的可观测性,提出了基于高斯曲率优化和非下采样剪切波变换的高密度混合噪声去除算法.使用局部高斯曲率优化混合噪声图像,抑制椒盐噪声对噪声分布的影响,使混合噪声分布近似为高斯噪声分布.使用非下采样剪切波变换分解高斯曲率优化图像,实施自适应硬阈值收缩降噪,去除混合噪声中的高斯噪声成分.最后,迭代使用局部高斯曲率优化和非下采样剪切波变换降噪去除残余噪声,直至输出图像梯度能量满足停止条件.实验表明,本文算法能够有效地去除高斯噪声和椒盐噪声构成的高密度混合噪声,且有效抑制了剪切波变换降噪引起的伪吉布斯现象,有效地降低了矿井图像的噪声.

基于非下采样剪切波变换—参数自适应脉冲耦合神经网络的属性融合裂缝预测方法

常用的叠后地震属性主要有相干体(描述波形相似性)、曲率体(表征构造应力引起的地层弯曲程度)、倾角体(刻画地层构造变化特征)等,但仅仅依靠单一属性很难准确地预测地下裂缝分布情况。为此,提出一种基于非下采样剪切波变换(NSST)—参数自适应脉冲耦合神经网络(PA-PCNN)的属性融合裂缝预测方法,该方法基于NSST分解算法,将多种属性数据分解为高、低频子带,将融合后的多尺度、多方向高、低频子带进行数据重构,得到最终的多属性融合结果,可进一步提取裂缝的轮廓及细节信息。具体步骤为:①提取描述相同尺度裂缝的多种地震属性(相干、曲率及倾角等属性),通过NSST将多种属性分解为高、低频子带,其中高频子带包含更多的裂缝细节信息,低频子带可更好地刻画裂缝轮廓且具有丰富的能量信息。②对高频子带运用PA-PCNN模型进行融合,无需人工设置参数,得到更全面的高频数据;结合八邻域的改进拉普拉斯算子加权和与局部能量加权方法对低频子带进行融合,使低频数据更好地保留细节及能量信息,以得到丰富的低频数据。③通过逆NSST方法有效地完成属性融合裂缝预测。运用所提方法对M区属性数据进行测试,并对比了不同方法的属性融合裂缝预测结果,证明基于NSST—PAPCNN的属性融合裂缝预测方法能够更有效地预测裂缝。

基于改进的双边滤波与非下采样剪切波变换的图像去噪

图像去噪一直是数字图像处理领域研究的热点之一。近年来,针对小波变换的不足,提出了一种基于变换域的多尺度几何理论分析——剪切波变换(Shearlet Transform)。结合剪切波变换的特点,提出了一种基于非下采样剪切波变换的图像阈值去噪方法。然后,将非下采样剪切波变换与改进的双边滤波结合,提出了一种基于改进的双边滤波与非下采样剪切波变换的图像去噪方法。将该算法跟传统的双边滤波去噪方法进行对比,实验结果表明,所提算法很好地保护了图像的边缘信息和细节信息,提高了峰值信噪比,明显减少了均方误差,去噪效果更佳。

基于非下采样剪切波变换域三变量模型图像去噪算法

结合非下采样剪切波变换域三变量阈值滤波和多分辨引导滤波,本文提出一种去除高斯白噪声的图像去噪的有效方法。在非下采样剪切波变换域中,以三变量非高斯模型对方向带通子带系数间相关性进行建模,采用最大后验估计理论推导出三变量收缩阈值函数。此外,对低频子带系数采用多分辨引导滤波进行平滑处理,以达到更好的噪声抑制效果。实验结果显示,本文所提去噪方法可以有效抑制噪声同时保留更多的图像细节信息,与其他滤波算法相比,该去噪算法可得到更高的客观数据及更好的视觉效果。

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。

非下采样小波变换红外光谱数据去噪

为了降低噪声对实测红外光谱信号的影响,引入了一种非下采样小波变换的红外光谱数据去噪方法。采用非下采样小波变换对原始光谱信号进行多尺度分解,提取信号的多尺度细节特征;根据光谱信号和噪声在不同尺度上的差异,通过应用变分偏微分方程方法调整分解后的各子带系数;重构各子带就可以将原始光谱信号中真实信号和噪声分离,从而达到剔除噪声的目的。通过两组实验对比传统小波和该方法针对红外光谱数据的消噪效果,实验结果表明:非下采样小波变换在红外光谱数据去噪方面具有明显的优势,不仅能够有效地去除噪声,很好地保持信号的形状,并且均方误差较小;在实际的红外光谱数据处理中能够获得较好的去噪效果。

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CNN的非下采样剪切波域多聚焦图像融合

结合非下采样剪切波变换的时频分离优良特性,提出了一种基于卷积神经网络(convolutional neural networks,CNN)的非下采样剪切波变换(non-subsampled shearlet transform,NSST)域图像融合算法.首先对源图像进行NSST分解,其次对分解的低频系数进行基于CNN的融合策略.最后对分解的高频系数进行基于向导滤波(guided filtering,GF)的改进加权的拉普拉斯能量和(improved weighted sum of Laplace energy,IWSML)模取大融合策略,然后将根据不同融合规则融合后的频率系数进行NSST反变化获取输出的清晰目标图像.实验结果表明,该方法不仅可以获得更利于人眼接受的视觉效果图,且有效地提高了融合图像的客观性能评价指标.