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。

基于非下采样小波与方向上下文滤波的图像边缘检测

提出了一种新的基于小波变换和方向上下文滤波的图像边缘检测方法:采用非下采样小波变换方法生成图像的梯度图像,采用方向上下文滤波技术提取出图像的边缘.实验结果表明:该方法能够有效地抑制噪声干扰,在图像被较强噪声污染时仍能满意地提取到图像的真实边缘.

非下采样小波域的四阶偏微分SAR图像去噪

针对合成孔径雷达(Synthetic Aperture Radar,SAR)图像受相干斑噪声的干扰会严重影响后续图像处理与分析的问题,提出了一种非下采样小波变换(NonSubsampled Wavelet Transform,NSWT)与四阶偏微分方程相结合的SAR图像去噪算法。首先利用NSWT将SAR图像分解为不同尺度、不同分辨率的高低频分量,然后利用四阶偏微分方程变换消除高频噪声,利用小波软阈值消除低频噪声,在去噪的同时能有效保留图像的边缘与细节,最后再利用NSWT逆变换进行重构。实验表明,该算法可以有效消除SAR图像的斑点噪声。

稳健局部特征非下采样小波域数字水印

目的基于数字水印技术的音乐作品版权保护是学术界的研究热点之一,多数数字音频水印方案仅仅能够对抗简单的常规信号处理,无法有效抵抗破坏性较强的一般性去同步攻击。为此,提出了一种基于稳健局部特征的非下采样小波域数字水印算法。方法利用非下采样小波域平滑梯度检测算子从载体音频中提取稳定的音频特征点,结合数字音频样本响应确定局部特征音频段,采用量化调制策略将数字水印信号重复嵌入局部特征音频段中。结果选取4段典型的采样频率为44.1 kHz、量化精度为16 bit、长度为15 s的单声道数字音频信号作为原始载体进行测试,并与经典算法在不可感知性和鲁棒性两方面进行对比。结果表明,本文算法在含水印音频与原始载体音频间的信噪比平均提升了5.7 dB,同时常规攻击和去同步攻击下的平均检测率分别保持在0.925和0.913,高于大多数传统算法,表明了本文算法具有较好的不可感知性。在常规信号处理(MP3压缩、重新量化、重新采样等)和去同步攻击(幅度缩放、随机剪切、音调伸缩、DA/AD转换、抖动等)方面均具有较好的鲁棒性。结论本文利用描述能力强且性能稳定的平滑梯度刻画局部数字音频性质,提出一种基于平滑梯度的非下采样小波域音频特征点提取方法,有效解决了音频特征点稳定性差且分布极不均匀的缺点,提高了数字音频水印对音调伸缩、随机剪切、抖动等攻击的抵抗能力。

基于非下采样双树复小波域的双变量模型去噪算法

提出一种基于非下采样双树复小波域的图像去噪算法.首先分析非下采样双树复小波变换同一方向实部与虚部小波系数之间的相关性,通过实例及统计规律得到其联合概率分布近似服从于椭圆边界的单峰各向异性二维非高斯分布.然后把双变量统计模型引入到非下采样双树复小波变换实部和虚部小波系数中,将实部与虚部小波系数的联合概率分布作为双变量先验模型,得到了非下采样双树复小波变换自适应各向异性双变量去噪模型.该模型可以很好地体现实部与虚部小波系数之间的相关性.运用最大后验概率来估计从含噪图像的小波系数恢复原图像的系数,达到去噪目的.最后根据该模型得到了一种具有闭式解的去噪算法.实验表明:该算法比经典算法提高了一定的峰值信噪比,且有良好的视觉效果,较好地保持了图像中的纹理特征.

非下采样离散小波变换多聚焦图像融合

图像融合在军事、医疗等领域有广泛的应用,图像融合技术是指采用特定的算法将两幅或者多幅图像融合成为一幅新的图像。针对离散小波变换图像融合算法中下采样环节在每次滤波后一半的系数被丢弃导致缺乏平移不变性,使得融合算法易受到源图像误配准影响的问题,提出了一种基于非下采样离散小波变换的图像融合算法,采用窗口融合规则,并对融合系数进行一致性检测,弥补下采样环节的不足,提高融合效果。通过对基于离散小波变换和基于非下采样离散小波算法的图像多聚焦融合仿真研究表明,非下采样离散小波变换算法具有平移不变性,而且具有较高融合图像互信息和峰值信噪比,融合效果优于离散小波变换图像融合算法。

基于非下采样Contourlet变换的SAR图像增强

该文基于非下采样Contourlet变换(NSCT)和SAR图像的统计特性,提出一种SAR图像增强方法,给出一种基于非下采样塔型分解的斑点噪声方差估计算法和一种基于方向邻域模型的弱边缘增强算法。该文在不同方向子代进行斑点方差估计,利用局部方向统计信息对NSCT系数并进行强边缘、弱边缘和噪声分类并进行弱边缘的增强和噪声的抑制。实验结果表明,该方法在方向信息保留和斑点抑制上优于非下采样小波变换(NSWT)相应方法。

基于非下采样Contourlet变换的彩色图像拼接算法

文中分析研究了非下采样contourlet图像表示方法及在图像变换中的优点,提出了一种基于非下采样contourlet变换的图像拼接方法。利用SIFT算法和最近邻算法求得待拼接图像的匹配点和匹配区域,将待拼接图像分解成不同尺度、多方向的频带,对得到的频带对应地进行拼接,最后利用重构算法将拼接的各频带进行逆非下采样contourlet变换得到拼接图像。针对光照和数码相机的白平衡导致的拼接图像明暗差异,提出了一种基于二维直方图的B样条曲面拟合的的颜色校正方法。实验表明,文中方法优于传统的非下采样小波域中的拼接效果,过渡更平滑,拼接后的图更加自然,细节更清晰。

基于GIS辅助的多源地理空间矢量数据挖掘方法

噪声数据干扰下,数据挖掘精确度和效率偏低,为了提高数据挖掘结果的准确性,提出一种GIS辅助下多源地理空间矢量数据挖掘算法。通过非下采样小波变换方法对原始多源地理空间矢量数据多尺度分解,确保噪声和数据得到有效分离,通过变分偏微方程平滑数据内残余的噪声,避免数据内大量细节信息丢失。将GIS应用到多源地理空间矢量数据挖掘中,建立数据挖掘模型,并根据图层之间的关系变换数据,实现多源地理空间矢量数据的离散化处理。利用形式背景构建概念格和Hasse图,根据概念格中的内涵缩减集形成非冗余关联规则,结合数据挖掘模型完成数据挖掘。实验结果表明,所提方法可以有效滤除多源地理空间矢量数据中的噪声,获取满意的数据挖掘效果。

小波域多角度轮廓模板变分模型的单幅图像超分辨率重建

近年来图像超分辨率重建技术因其可以提高图像的识别精度和识别能力而受到重视,其中一个难点问题是如何保证图像边缘纹理区域的重建质量.本文提出一种基于小波域的单幅图像超分辨率重建方法,首先对输入图像进行非下采样小波变换,根据小波变换的多方向性提出三类多角度模板,并采用TV模型估计各子带轮廓,确定其所属的最优方向,然后利用多角度模板来对各个子带进行双三次B样条插值,最后进行非下采样小波反变换.该方法使重建后图像的边缘、纹理信息更加精细,克服了诸如双线性插值法与双三次插值法等传统插值重建所产生的边缘模糊与边缘锯齿化,以及纹理区域失真等不足,在一定程度上提高了重建图像的质量.该方法可用于图像监控、遥感影像分析和医学图像处理等领域.大量的仿真实验验证了所提出方法的有效性.

多个小波基的联合图像去噪方法

研究了利用多个小波基对含噪图像进行联合去噪的新方法。这种方法首先用每个小波基对含噪图像进行分解、阈值和恢复,得到多幅恢复图像;对这些图像进行简单的算术平均,平均图像的质量明显提高。与非下采样小波去噪方法相比,这种方法计算量小得多而性能相近。通过实验研究了小波基的选取问题,给出了一些经验原则。

采用冗余提升的不可分离小波变换的点扩散函数估计

针对点扩散函数估计(Point Spread Function,PSF)不准确导致在气动退化图像盲复原处理后易造成振铃效应的问题,提出了一种改进的PSF估计方法,并将之应用于气动退化图像的复原处理中。具体做法是:构建平移不变的非下采样小波变换(NSWT),从而使之更易于处理图像奇异信息;基于小波变换模极大值和点扩散函数方差之间的关系,提出基于冗余提升NSWT的PSF估计方法;最后,将之应用于气动退化图像的盲复原中进行仿真验证。实验结果表明,使用改进后的PSF估计方法复原后的图像振铃效应等伪像程度显著减轻,图像质量明显改善,从而验证了构建的平移不变NSWT及改进PSF估计方法的有效性。

基于颜色和轮廓平稳小波变换纹理分析的彩色图像检索

由于单一特征只能表达图像的部分内容,提出了一种新的彩色图像检索方法.该算法在提取颜色特征方面,首先将图像进行分块以获得空间分布信息,为了充分利用RGB颜色模型及HSV颜色模型的优点,分别在两种不同的颜色模型中提取相应的特征向量,将两种颜色空间中的特征向量结合在一起就形成本文的颜色特征向量,在纹理特征方面,结合小波变换及轮廓波变换的优点,将图像进行非下采样轮廓平稳小波变换(NWCT),然后分别计算各子带在各个方向上系数的均值与方差作为纹理特征向量,最后采用加权欧氏距离作为图像的相似度进行检索.实验结果表明,相对于其他检索方法,该方法平均检索精度有了一定的提高,取得了较好的检索结果.

基于小波变换和深度网络的着陆地貌图像分类

针对无人机着陆地貌图像场景复杂、纹理特征丰富等问题,提出一种基于小波变换和深度网络的无人机着陆地貌图像分类算法.利用非下采样小波变换(Non-Subsampled Wavelet Transform,NSWT)的快速压缩能力,将小波变换后的前两层子图系数引入到卷积神经网络(CNN)中,压缩数据量.根据无人机着陆地貌图像的特点,采用轻量化卷积模块设计了15层卷积神经网络.通过支持向量机(SVM)实现复杂地貌场景的正确分类.实验结果表明:所提算法具有良好的特征表达能力,提升了着陆地貌图像的分类准确率.

基于非下采样轮廓小波变换增强的从粗到精的显著性检测

随着机器视觉和人工智能的快速发展,视觉注意机制作为机器视觉的重要组成部分,受到越来越多的关注。提出一种建立在非下采样轮廓小波变换(NSCT)基础上的从粗到精的显著性检测方法,该方法作为一种基于频域分析的显著性检测算法,能够充分利用图像的低频和高频信息,并能抑制光照对检测造成的影响。模型首先对输入图像进行非下采样轮廓小波分解,对低频分量进行Retinex增强以改善图像亮度的均匀性,从而抑制光照对显著性检测带来的影响,随后对其进行粗糙显著性检测;对高频分量进行非线性增强以抑制噪声并增强细节,重构得到高频特征图,在低频粗糙显著图的范围内对高频特征图进行全局和局部的显著性分析;最后经过融合得到精细显著图。在三个数据集上进行对比实验,验证了所提算法的可行性和有效性。

基于多分辨共生矩阵的纹理图像分类

共生矩阵是描述纹理特征的一种常用方法.首先提出一种新的特征提取算法——多分辨共生矩阵.多分辨共生矩阵是通过同时在非下采样小波变换的逼近子带和细节子带上提取共生矩阵来实现的,能够有机整合传统小波的多分辨特性和频谱信息,以及空域灰度共生矩阵的纹理结构信息.其次,分析了多分辨共生矩阵、灰度共生矩阵以及小波能量特征的物理意义,并从相关性出发提出了新的特征选择方法,有效地降低了特征维数.对标准纹理库的分类实验结果表明:多分辨共生特征对纹理具有更好的描述能力,其分类正确率超过小波能量特征、空域灰度共生特征:二者融合以及灰度梯度共生特征的结果;所提出的特征选择方法在降低特征维数的同时,能够保持分类正确率.

与视频背景颜色相似的纹理缺乏前景目标检测方法

现有的视频运动目标检测方法无法有效跟踪与背景颜色相似且纹理缺乏的运动目标,对此,提出一种基于非下采样小波变换的LBP(UW-LBP)纹理特征提取新方法。对当前图像和背景图像进行三层非下采样小波变换;对每个小波变换子图提取LBP纹理特征,为了提高运算速度,没有采用LBP直方图,而是用一个8×n位的二进制向量定义UW-LBP描述子,并用海明距离度量局部纹理的差异;提出一个从像素级到图像块级的层次的运动目标检测策略。实验结果表明,所提出的算法能够有效地检测与背景颜色相似的纹理缺乏运动目标,并对噪声和环境变化有良好的鲁棒性。

基于UDWT与Snake模型的多时相SAR图像变化检测方法

提出一种基于非下采样离散小波(UDWT)和Laplace分布假设下Snake模型的多时相SAR图像变化检测方法。该方法首先计算输入SAR图像的对数-比值图像。然后利用非下采样小波分解该对数-比值图像,得到其多尺度表达。最后迭代执行以下两步直到收敛:(1)利用最大似然法估计Laplace分布参数;(2)根据图像数据和上一步估计的参数演化当前曲线。实验结果验证了该方法的有效性。

基于多分辨率Trace变换的纹理图像分类

针对Trace变换提取的图像特征缺乏对纹理边缘信息描述和计算代价高的问题,利用小波变换对图像轮廓的表征优势,提出了多分辨率Trace变换并应用于纹理图像分类.首先,将小波变换引入到Trace变换中,对纹理图像进行非下采样小波变换,得到不同频率的低频特征子图及高频边缘子图;其次,在各级子图上进行一组泛函的Trace变换,获取纹理图像的融合特征,在获得图像边缘信息的同时避免了Trace变换不同泛函组合计算代价过高的问题;最后,把融合特征送入支持向量机对图像进行分类.实验结果表明,对图像采用多分辨率Trace变换提取的融合特征具有更好的纹理描述能力,相对于传统Trace变换及MCM等对比方法具有更高的鉴别性能,且在时间效率上相对于传统Trace变换有大幅提升.

NSST域内结合UDWT与PCNN医学图像融合算法

为了进一步突出医学融合图像的细节信息﹐提升清晰度,本文提出NSST域内结合UDWT与PCNN医学图像融合算法。首先,将两幅源图像分别通过NSST进行分解,获得相应的低频和高频子带。在低频融合规则中,采用UDWT将低频子带进一步分解为能量子带与细节子带﹐进一步利用PCNN融合这两幅源图像对应的低频能量子带﹔利用区域能量和融合这两幅源图像的低频细节子带,再应用逆UDWT融合低频细节子带和能量子带。其次,在高频融合规则中,采取UDWT分别将A和B两幅源图像对应的高频子带进一步分解为高频能量子带与高频细节子带,再根据拉普拉斯能量和与区域能量和的组合,获取融合后的高频子带。最后,利用逆NSST获取融合图像。实验证明,本文提出的算法与现有主流算法相比,实验结果在视觉效果和客观指标方面均具有较大优势。