基于非降采样Contourlet变换的非线性图像增强新算法

为了克服传统去图像噪声算法的限制,该文提出一种基于非降采样(Nonsubsampled)Contourlet变换的增强新算法(NNIEM-NSCT)。此新算法通过充分利用方向子带相关性的自适应贝叶斯阈值,既保护了图像边缘细节,又可更好地抑制图像噪声。其次,文中构造的非线性增强匹配函数,通过改变变换域的系数能有效对图像强弱边缘进行不同程度的增强。实验结果证明,该文新算法在图像细节处理上,优于基于NSCT的方法,细节方差(DV)大约为NSCT的2倍,背景方差(BV)基本保持不变,并且具有更好的视觉效果。

统计先验指导的非下采样Contourlet变换域SAR图像降斑

提出了一种合成孔径雷达(SAR)图像降斑方案.首先利用Gamma分布和指数分布给出了NSCT域信号系数和噪声系数分布的有效逼近形式,使缩减因子对NSCT域图像子带的冗余特性具有自适应性.然后,利用方向邻域模型给出了缩减因子先验比的计算表达式,使缩减因子对NSCT域图像子带的方向特性具有自适应性,从而提高了NSCT系数缩减的有效性.实测SAR图像的降斑结果表明该降斑方案在减少斑点噪声的同时很好地保持了图像的细节特征.与多种降斑方法相比,该方案具有更好的边缘保持和后向散射系数保持性能.

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%。

采用非降采样第二代小波变换的信号降噪方法

信号降噪是机电设备故障诊断领域中的重要研究课题。根据噪声的小波变换系数随着小波分解尺度的增加而迅速趋向于零这一特性,基于小波变换的降噪方法得到了广泛应用。文中研究了非降采样第二代小波变换的构造方法,给出了非降采样第二代小波变换中预测算子和更新算子的时域计算公式,分析了算法的计算复杂度,并在此基础上提出采用非降采样第二代小波的信号降噪方法。由于非降采样小波分解后的各层系数和原始信号的长度均相同,因此在具备平移不变性的同时还能保留更多的时域信息,从而可以提高信号的降噪效果。对仿真信号和实际信号进行了试验,结果表明,该方法较理想地对信号进行了降噪处理,并且能够较好地保留原始信号中的故障特征。

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。

非降采样Contourlet域方向区域多聚焦图像融合算法

提出了一种基于方向区域特性的非降采样Contourlet域多聚焦图像融合算法。算法将图像进行非降采样Contourlet变换为不同方向的高低频子带,低频子带和高频子带中分别采用方向区域的方差匹配度和能量作为融合规则,其中方向区域与当前子带分解方向保持一致,最后,通过反变换得到融合图像。实验结果表明,本文提出的方向区域方法能够更好地体现二维图像中的曲线或直线状边缘特征。将现有的融合算法和本文所提算法进行了主观和客观的对比,结果表明,基于非降采样Contourlet变换的方向区域特性的图像融合算法是一种有效可行的图像融合算法。

一种基于非采样Contourlet变换红外图像与可见光图像融合算法

针对同一场景红外图像与可见光图像的融合问题,提出了一种基于非采样Contourlet变换(Nonsubsampled Contourlet Transform,NSCT)图像融合算法.算法首先采用NSCT对源图像进行多尺度、多方向分解,得到低频子带系数和各带通方向子带系数.然后,针对低频子带系数的选择,提出了一种基于红外图像与可见光图像物理特征的"加权平均"系数选择方案;针对各带通方向子带系数的选择,结合人眼视觉特性,提出了一种基于区域能量匹配的系数选择方案,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,其融合效果优于传统的基于离散小波变换以及离散小波框架变换的图像融合算法.

基于区域分割和非采样Contourlet变换的红外和可见光图像融合

针对同一场景的红外和可见光图像,提出一种基于OTSU递归分割算法的区域分割和非采样Contourlet变换的红外和可见光图像融合算法。首先,对红外和可见光图像进行区域分割和区域关联,关联映射图分为目标区域、背景区域和灰度区域。随后,应用NSCT变换对图像进行多尺度、多方向分解,按照关联映射图中三个区域对NSCT分解后的高低频子带系数进行区域划分,根据不同区域的特性在NSCT域设计不同的融合规则。最后,进行重构得到融合图像。对三组不同场景图像的实验结果进行主观目视判别和客观性能评价,对比基于像素和邻域能量的融合算法,本文算法不仅能较全面的保持可见光图像中的光谱信息,而且能够有效、准确的提取红外图像的热目标信息,优于传统的基于像素和邻域能量的融合算法,可获得较理想的融合图像。

基于非采样Contourlet变换多传感器图像融合算法

针对同一场景多聚焦图像的融合问题,提出了一种基于非采样Contourlet变换(Nonsubsampled Contourlet transform,NSCT)图像融合算法.并对经NSCT分解得到的不同频域子带系数,分别讨论了低频子带系数和各带通方向子带系数的选择方案.在选择低频子带系数时,提出了一种基于图像局部区域梯度能量和"加权平均"相结合的系数选择方案,从而不仅能够恰当地选择融合后图像的NSCT系数,还能够有效地抑制噪声对融合图像质量的影响;在选择带通方向子带系数时,充分利用了NSCT的方向特性以及各尺度子带图像与源图像尺寸大小相同的特性,给出了非采样Contourlet域方向对比度的概念,并提出了一种基于方向对比度的系数选择方案.采用了多聚焦图像进行仿真实验,并对融合结果进行了主客观评价.实验结果表明,相比于传统的基于小波变换的图像融合算法,该算法能够有效避免"人为"效应或高频噪声的引入,得到具有更好视觉效果和更优量化指标的融合图像.

基于非采样Contourlet变换和SVD的数字水印算法研究

非采样Contourlet变换具有多尺度性、多方向性和平移不变性的优点.提出了一种基于非采样Contourlet变换和SVD结合的数字水印算法,首先对图像进行非采样Contourlet变换得到低频子带,并对该子带系数进行SVD分解,然后将水印信息嵌入到奇异值中.实验表明,该算法在满足不可见性的同时,对常见的攻击有很好的鲁棒性,且提高了对抗JPEG压缩、中值滤波、高斯滤波和旋转攻击的能力.

非下采样Contourlet变换域多聚焦图像融合方法

针对同一场景的多聚焦图像融合问题,提出基于脉冲耦合神经网络(PCNN)的非下采样Contourlet变换(NSCT)域融合方法.将源图像经过NSCT变换生成的低通子带系数和带通方向子带系数输入PCNN,将各神经元迭代产生的点火频数构成点火映射图.采用接近度函数描述点火映射图邻域特性的关联程度,根据邻域接近度为融合图像选择相应的子带系数,通过NSCT逆变换得到融合结果.实验分析表明,新的融合方法在很大程度上保留了多聚焦图像的清晰区域和特征信息,具有比经典小波变换、Contourlet变换和常规NSCT方法更好的融合性能.

基于非降采样轮廓波变换的图像修复算法

多尺度分析技术已经广泛应用于数字图像处理领域,较大破损区域的图像修复成为图像修复的一个热点和难点。针对该问题,结合多分辨率分析原理与传统的样本块图像修复技术,提出了一种基于非降采样轮廓波变换的图像修复算法。该算法利用非降采样轮廓波变换把图像分解成低频部分和高频部分,并对图像分解后不同频率的部分分别予以修复。其中,图像的低频成分采用改进的纹理合成的方法进行修复。因为图像经过非降采样轮廓波变换后,低频分量与高频分量之间对应位置的信息之间具有一致性的特点,所以在修复低频成分的同时实现其他高频分量对应位置信息的修复。最后通过非降采样轮廓波重构过程完成纹理图像的修复。一般图像修复方法的参数选取以图像的修复效果最佳为宜,给出一个反例进行分析论证。实验发现,所提算法所修复图像的结构相似性测度与经典Criminisi算法和小波修复算法相差不大,但是峰值信噪比(PSNR)测度依据不同图像的纹理结构的特点与破损区域的不同位置特点而不同。仿真实验表明,所提方法很好地推广了非降采样轮廓波变换在图像修复中的应用,并且在修复大区域破损图像时能够获得较好的修复效果。

非采样Contourlet变换与局部二值模式相结合的人脸识别

针对人脸识别中姿态、光照和表情变化带来的识别率有限的问题,提出了一种基于非采样Contourlet变换(NSCT)与局部二值模式(LBP)的人脸特征提取方法。首先对人脸图像进行非采样Contourlet变换,得到多尺度、多方向的子带系数矩阵,然后利用LBP算子从每个子带系数矩阵上抽取局部邻域关系,得到各子带的LBP特征图谱,最后将这些图谱分块统计并级联后作为人脸的识别特征。利用多通道最近邻分类器的分类结果表明,所提方法能有效提高识别率,所提取的特征对光照、表情和姿态等变化具有更好的鲁棒性。

基于非采样Contourlet变换的图像融合算法

针对同一场景的红外与可见光图像融合问题,提出了一种基于非采样Contourlet变换的图像融合方法。该方法对图像经非采样Contourlet变换后的低频系数采用基于图像物理特征的"加权平均"融合方法;对于高频系数采用基于局部对比度与空间频率比相结合的系数融合方法。为验证本文算法的有效性,对红外与可见光图像进行了融合实验,实验结果表明该方法相对于传统的简单融合方法以及基于区域能量的融合方法能得到具有更好视觉效果和更优量化指标的融合图像。

非下采样Contourlet变换域混合统计模型图像去噪

提出了一种基于非下采样Contourlet变换(NSCT)域图像去噪算法.首先根据尺度间与尺度内的NSCT系数之间的相关性,用非高斯分布模型对NSCT系数与其邻域系数及父系数进行建模,给出分类准则,把系数分为重要系数和非重要系数,再采用广义高斯分布来模拟重要系数的概率分布,根据贝叶斯理论得到自适应阈值,并求出最佳参量范围.为了克服软、硬阈值函数的缺点,提出一种自适应的新阈值函数,利用新阈值函数估计出不含噪音的变换系数,并通过非下采样Contourlet逆变换得到去噪后的图像.仿真实验表明,本文方法在峰值信噪比、结构相似性与视觉效果上均优于目前许多优秀的去噪算法.

基于非采样contourlet变换的多光谱和全色图像自适应融合算法

光谱保持和高分辨率保留是影像融合的两个重要问题。提出了一种自适应的基于非采样contourlet变换的多光谱和全色图像的融合方法。该方法在对多光谱影像进行IHS变换的基础上,对多光谱的I分量和高分辨率的全色影像分别进行非采样轮廓波变换(NSCT),然后对分解得到的近似分量以及各层金字塔各方向的细节分量利用本文提出的自适应基于局部特征的融合准则进行影像融合,通过非采样contourlet逆变换得到新的I分量,最后与H,S分量一起还原到RGB空间,得到融合后的高分辨率多光谱彩色图像。采用一组多光谱图像和全色图像数据进行融合实验,利用均值、标准差、熵、光谱扭曲度和相关系数5个重要评价指标对融合效果进行数理分析。实验融合图像的目视效果和统计指标均优于传统的IHS融和方法、小波融合方法以及contourlet变换方法。

遥感图像融合的非采样Contourlet变换方法

有效地融合高分辨率全色遥感图像(PAN)和低分辨率多光谱图像(MS),均衡融合结果中的空间细节信息和光谱信息两项特征指标,是多源遥感图像融合技术的难点。为了提高融合后图像的质量,提出了一种基于非采样Contourlet变换(NSCT)的融合方法。由于"非采样Contourlet变换"采用非采样滤波器组实现,具有移不变、高方向性和各向异性的特点,能够较好地弥补"采样的Contourlet变换(CT)"的缺陷,并且解决了小波变换方向性差的问题。实验中,以Landsat TM5图像和SPOT图像进行了算法的验证,并针对传统的直接替换、绝对值选大和局部方差选大等多分辨率融合算法与离散小波变换(DWT)及"采样的Contourlet变换"进行了对比分析,结果表明,本文方法在提高空间信息的同时,可以较好地保持原始多光谱图像中的光谱信息,弥补了"采样的Contourlet变换"在遥感图像融合应用中会导致严重的色彩畸变的缺陷。从而证明了NSCT在遥感图像融合领域是一种有效的多分辨率分解策略,可以被成功的应用到遥感图像融合应用中。

基于非下采样Contourlet变换的显微图像清晰度评价算法

针对显微图像噪声多、光照不均匀的特点,文章提出了一种基于NSCT的显微图像清晰度评价算法。算法首先通过NSCT对图像进行分解,然后基于改进的拉普拉斯能量获取子带系数的能量,最终由低、高频子带系数能量的比值得到评价结果。实验结果表明,与拉普拉斯、方差及小波变换评价算法相比,该算法在保持高灵敏度的同时具有较好的抗噪性能,评价结果更为准确、稳定、可靠。

一种基于非采样Contourlet变换的图像水印算法

基于非采样Contourlet变换(NSCT)具有多尺度性、多方向性和平移不变性的优点,本文提出一种基于非采样Contourlet变换和SVD结合的数字水印算法,首先对图像进行非采样Contourlet变换得到低频子带,并对该子带系数进行SVD分解,然后将水印信息嵌入到奇异值中。实验结果表明,算法对旋转、JPEG压缩和噪声等攻击具有很好的抵抗能力,与基于DWT和基于SVD以及基于相同的算法框架下的DWT结合SVD和Contourlet结合SVD的水印算法相比,NSCT结合SVD的算法鲁棒性显著提高。