基于NSCT和半张量积在防跑道侵入检测技术的研究

为进一步提高跑道侵入告警系统的自动化水平,降低设施设备安装维护成本等问题,通过摄像设备获取机场场面的视频图像数据,采用稀疏表示对视频图像数据集进行检测处理;通过利用NSCT算法优化,结合半张量积,对样本数据集进行跟踪训练;根据单目摄像机测距建立坐标转换和测距模型,对机场场面航空器与跑道中线的距离进行准确测量,根据地面保护区设置合适的阈值实现跑道侵入告警。实验结果表明,优化后的模型图像重构质量提高了7.07%,平均处理时间降低了21.95%,模拟环境下跑道侵入告警准确率为95.2%。模型重构质量好,处理时间快、实时性好、准确率高,可以为预防跑道侵入事件的发生提供方法支持。

基于灰狼自适应阈值分割和改进模糊增强的红外图像NSCT增强算法

研究低成本和便携的红外成像技术是最近几年带电检测的发展趋势,为减少红外检测环境、红外传感器以及其他因素的影响,解决红外检测中红外图像含噪声干扰、模糊和对比度低的问题,文章设计了一种基于灰狼自适应阈值分割和改进模糊增强的红外图像NSCT增强算法。对原始红外图像进行NSCT域变换;变换后含有噪声的高频分量采用VT去噪后,接着采用改进模糊增强处理;对变换后含有电力设备主体的低频分量进行灰狼自适应阈值分割为背景和前景部分,随后分别进行增强处理;最后将处理后的各分量进行逆NSCT变换。经对比应用,验证了该算法应用在变电站电力设备红外检测上的优越性:文章算法与其他算法相比在边缘强度、信息熵、对比度、标准差、峰值信噪比五类评价指标上的涨幅至少为3.94%、2.16%、9.86%、7.45%、21.86%。文章算法处理后的红外图像符合人眼视觉效果,更易于人眼识别故障,有利于电力设备热故障的检测与故障定位。

基于NSCT子带融合特征的纹理材质分类

由于图像纹理特征具有复杂且没有规律的特点,单一的纹理特征提取算法不能充分地描述图像纹理。因此,提出基于NSCT的高低频子带的CS-LBP和Tamura融合特征的纹理分类方法。此外,对CS-LBP算法进行了优化,得到DCS-LEBP,在提取了图像局部边缘特征信息的基础上又加入了低频信息,提高了算法的抗噪性和特征提取的全面性。融合的纹理特征通过支持向量机(SVM)进行分类识别,实验结果表明,该方法能够提取多尺度、多方向的纹理特征,提高了分类精度,并且优化的DCS-LEBP算法比原算法性能更加优秀。

基于卷积神经网络结合NSCT的红外与可见光图像融合

传统红外与可见光融合图像在复杂环境下存在细节缺失,特征单一导致目标模糊等问题,本文提出一种基于卷积神经网络结合非下采样轮廓波变换(non-subsampled contourlet transform,NSCT)的红外与可见光图像进行融合的方法。首先,通过卷积神经网络提取红外与可见光目标特征信息,同时利用NSCT对源图像进行多尺度分解,得到源图像的高频系数与低频系数;其次,结合目标特征图利用自适应模糊逻辑与局部方差对比度分别对源图像高频子带与低频子带进行融合;最后,通过逆NSCT变换得到融合图像并与其他5种传统算法进行对比;实验结果表明,本文方法在多个客观评价指标上均有所提高。

基于IHS_NSCT多光谱图像融合算法的研究

基于无人机多光谱影像的大豆生产状况信息获取是近年来农业信息技术研究的主要方向之一,但大豆生长过程中无人机多光谱图像不同通道间图像存在重叠且合成的多光谱图像分辨率较低。为此,针对传统的IHS变换只能进行3个波段的图像融合且易出现光谱扭曲失真现象,将源图像配准操作消除重叠影响,提取图像中光谱信息更为丰富的强度分量单位,并利用NSCT变换的多尺度、平移不变特性结合分量单位进行高、低频子带的提取和再融合操作,完成MS图像与PAN图像的融合。同时,以信息熵(EN)、相关系数(CC)等参数作为评价指标,得到高分辨率的融合图像。实试结果表明:算法熵值信息和相关系数参数明显优于另两种算法结果,其信息熵值达到7.79,相关系数达到0.97,可见融合算法能够表达作物光谱信息且可为作物营养成分监测任务提供理论与技术支撑。

基于NSCT域和Masi熵的红外图像分割

针对红外图像噪声多、对比度低、边缘模糊等问题,提出一种基于非下采样Contourlet变换(NSCT)域和Masi熵的红外图像分割方法。首先对图像进行NSCT分解,在获得具有多尺度多方向的高频子带基础上,对方向相同、尺度各异的高频子带进行多尺度乘积运算构造乘积图像;然后通过内外轮廓图像对乘积图像进行采样重构直方图,并计算直方图所对应的Masi熵;最后以最大化Masi熵对应的灰度值作为方向阈值,对方向阈值进行加权求和获得最终分割阈值。将提出的方法与2种阈值分割方法、1种神经网络分割方法、1种聚类分割方法以及1种活动轮廓分割方法进行比较,实验结果表明,该方法具有更稳健的分割适应性,能获得分割精度更高的结果。

基于NSCT和IHS变换的遥感影像融合方法研究

为增加遥感影像的信息量、提高影像的解译效果,研究一种基于NSCT和IHS变换相结合的多源遥感影像融合的方法,该方法对光学影像进行IHS变换,然后采用NSCT对SAR影像和光学影像的I分量分别分解,采用不同的融合策略分别对高低频系数进行融合,即对低频系数利用区域能量的融合规则和高频系数采用标准差加权融合规则的方法,最后通过IHS逆变换得到融合后的影像。通过对比实验进行验证,结果表明,该方法具有更优的融合效果,在提高影像的清晰度、增加纹理信息及细节信息、减少光谱失真等方面具有优越性,为高质量的影像目标识别和地物判读别提供有力支持。

基于视觉显著性和NSCT的红外与可见光图像融合

结合非下采样轮廓波变换的平移不变性,提出了一种基于视觉显著性的红外与可见光图像融合算法。首先,利用引导滤波器改进显著性检测算法并将其用于红外图像;然后,对红外图像和可见光图像进行非下采样轮廓波变换以得到各自的低频与高频子带;最后,在低频与高频子带的融合中分别采用红外图像显著性指导法与绝对值取大法。实验结果表明,与多种相关算法相比,该算法所得融合图像在突出红外目标的同时还具有丰富的可见光背景信息,具有更好的视觉融合效果和客观质量评价。

一种基于NSCT和SIFT的遥感图像配准算法

研究提出了一种基于NSCT和SIFT的遥感图像配准算法,综合利用了NSCT在图像分解上的灵活性和SIFT算法在特征描述上的有效性来进行遥感图像配准。首先分别对参考图像和待配准图像用NSCT进行分解,然后把分解的低频图像作为SIFT算法的输入并得到匹配结果,并利用匹配结果求解模型参数,最后通过重采样和双线性插值完成两幅遥感图像的配准。实验结果表明,此算法在运算速度和匹配精度方面均比SIFT算法和SWT+SIFT算法优越。

基于NSCT变换的多传感器图像融合算法

针对多传感器图像融合中偏袒法和平均法易削减图像对比度的缺点,提出一种基于NSCT变换的图像融合算法。首先对来自同一场景配准后的多传感器图像进行NSCT变换;然后采取不同的融合策略分别对低频和高频方向子带系数进行融合:低频子带系数采用区域能量自适应加权的方法,高频方向子带系数采用局部区域能量匹配的加权平均法与选择法相结合的方案;最后通过NSCT逆变换得到融合图像。分别对红外与可见光图像和多聚焦图像融合进行实验,并对融合图像进行主客观评价,实验结果表明:该算法得到的融合图像具有较好的主观视觉效果和客观量化指标,并优于传统的融合方法。

基于NSCT和PCNN的红外与可见光图像融合方法

提出了一种基于非采样Contourlet变换(NSCT)和脉冲耦合神经网络(PCNN)的红外与可见光图像融合方法。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采取一种基于边缘的方法以得到融合图像的低频子带系数;对各带通子带系数提出了一种改进的基于PCNN的图像融合方法来确定融合图像的各带通子带系数;最后经过NSCT逆变换得到融合图像。实验结果表明,本文方法优于Laplacian方法、小波方法和传统的NSCT方法。

NSCT域内基于改进PCNN和区域能量的多光谱和全色图像融合方法

针对多光谱和全色图像的融合,提出了一种NSCT域内基于改进脉冲耦合神经网络(PCNN)和区域能量的融合方法。首先,利用NSCT将图像分解为一个低频子带和多个不同方向的带通子带。然后,对分解后的低频子带采用基于区域能量的自适应加权算法进行融合;在带通方向子带,结合改进的脉冲耦合神经网络,使用带通方向子带系数作为PCNN的外部输入激励,经过PCNN点火获得待融合图像的点火映射图,根据点火时间计算点火映射图的区域能量,通过判决算子选择待融合图像的带通方向子带系数作为融合系数。最后,对融合处理后的NSCT变换系数进行重构生成融合图像。实验结果显示:在迭代次数为100次时,与改进小波算法相比,标准差提高了9.48%,熵提高了0.95%,相关系数提高了21.56%,偏差指数降低了29.66%;与Contourlet算法相比,标准差提高了9.73%,熵提高了0.94%,相关系数提高了11.27%,偏差指数降低了9.45%;与NSCT算法相比,标准差提高了3.84%,熵提高了3.34%,相关系数提高了7.89%,偏差指数降低了7.42%。

基于NSCT域边缘检测的侧扫声呐图像分割新方法

针对侧扫声呐图像混响噪声严重、对比度低、分割困难的问题,根据侧扫声呐图像成像特点,提出一种基于非下采样Contourlet变换(NSCT)域边缘检测和区域生长的侧扫声呐图像分割新方法。首先,对侧扫声呐图像进行NSCT分解,通过K均值聚类法在NSCT域低频部分对阴影进行分割;然后通过寻找NSCT域高频层由同一粗尺度分解的2个细尺度相邻子带系数差的模极大值位置,来选择图像边缘点,并进行尺度内、尺度间的边缘融合;最后,利用基于边缘的区域生长方法完成对目标的分割。实验结果表明,该方法对侧扫声呐图像分割具有抗噪性能好、正确分类率高以及边缘定位准确等优点。

基于NSCT的红外与可见光图像融合

针对红外与可见光图像的不同特点,提出一种基于非采样Contourlet变换(NSCT)的红外与可见光图像融合算法。采用NSCT对源图像进行多尺度、多方向分解;分别采用基于局部能量和区域特征的融合规则得到融合图像的低频子带系数和带通方向子带系数;最后经过NSCT逆变换得到融合图像。实验结果表明,该算法能够获得较理想的融合图像,其融合效果优于基于Contourlet变换的图像融合算法。

基于NSCT的航拍绝缘子图像边缘提取方法

绝缘子图像边缘提取是实现航拍绝缘子缺陷检测与识别的重要前提,结合航拍绝缘子图像的特点,提出了一种基于非下采样轮廓波变换(non subsampled contourlet transform,NSCT)的航拍绝缘子图像边缘提取方法。先利用分段线性灰度变换实现预处理,然后进行NSCT分解,基于分块思想对系数进行分块并求局部阈值,得到边缘图像,最后对边缘检测结果进行形态学滤波使边缘图像更清晰。分别对Lena图像和现场绝缘子图像用Canny算子法、小波模极大值法和所提方法进行图像边缘提取,并对各方法进行性能指标的评价。实验结果验证了所提方法对绝缘子图像边缘检测的有效性,并表明了该方法优于基于Canny算子和小波模极大值的边缘提取方法。

基于NSCT和IA–AP聚类的直流电缆局放信号图特征提取

对直流交联聚乙烯(XLPE)电缆局放信号进行特征提取是故障诊断前的关键步骤。当特征提取在小波域进行时,存在提取的特征参数有限、识别准确率低的问题。因而提出了一种基于非下采样下轮廓波变换(NSCT)和免疫算法(IA)优化仿射传播(AP)聚类的直流XLPE电缆局放信号图特征提取方法。首先采用NSCT提取信号子带系数,并通过IA-AP聚类将全部系数进行分类,计算对应的信号熵和马氏距离等特征参数,最后通过不同的分解层数、聚类个数、训练样本对缺陷类型进行对比分析。实验结果表明:该方法能够应用于直流XLPE电缆局放信号的特征提取研究,相同分类器下,其识别率比小波变换法提高14%以上。该结论为直流XLPE电缆局放信号特征提取提供了新思路,有利于后续绝缘缺陷识别研究。

NSCT变换的SAR和可见光图像融合

非下采样Contourlet变换同时具有多尺度、多方向选择性、多分辨分析和平移不变性质的特点,对SAR和彩色可见光图像融合的问题,提出一种基于非下采样Contourlet变换和HIS变换相结合的多传感器融合算法。通过对经非下采样Contourlet变换分解得到的不同频域子带系数选择方案的分析,对低频子带系数的选择,提出了一种基于SAR图像与彩色可见光图像物理特征的"加权平均"的系数选择方案;针对各带通方向子带系数的选择,采用绝对值选大多分辨率融合算法。实验以同一场景下ku波段的SAR图像和彩色可见光图像进行算法验证,实验结果和信息熵、均值、相关系数、偏差指数和交叉熵等客观评价数据表明,方法具有较好的融合效果。

一种基于NSCT变换的超声图像降噪新算法

为有效抑制超声仪器成像中固有的斑点噪声,提出了一种基于非降采样Contourlet变换(nonsubsampled Contourlettransform,NSCT)域中边缘信号系数区提取和最小均方误差(minimum mean square error,MMSE)估计的超声图像的降噪算法。根据NSCT变换的细节信息刻画能力和平移不变性,对其各高频子带中系数进行分类,提取出边缘信号和平缓信号系数区;对超声图像的乘性斑点噪声进行推导研究,在边缘信号系数区和平缓信号系数区,根据各自噪声项的性质分别得出满足贝叶斯最小均方误差估计的降噪滤波方程;最后,对降噪后的系数进行NSCT反变换重建得到降噪图像。仿真图像和临床超声图像的实验结果证实,该算法与传统方法相比,不但能更有效地对斑点噪声进行抑制,也更好地保留了图像的细节信息。

基于NSCT变换的红外与可见光图像融合技术研究

提出了一种基于非下采样Contourlet变换(NSCT)的红外与可见光图像的融合算法。采用对低频系数取平均,对高频系数中最大分解尺度选择系数最大值,其他尺度系数采用局部方差最大的规则,通过对所得到的融合系数进行逆变换即可得到融合后的图像。实验表明:该算法结合了NSCT的多尺度、多方向和平移不变性的优点,能够更好地提取源图像特征,增强融合图像的空间细节表现能力。融合后的图像具有较好的主观视觉效果,标准差和熵值较传统的融合方法有所提高。

联合NSCT和SVD方法的红外弱小目标复杂背景抑制

复杂背景抑制是天基红外预警系统中红外弱小目标探测技术的一个关键环节。为降低复杂背景下杂波干扰,提高目标检测精度,利用非下采样轮廓波变换(NSCT,non-subsampled contourlet transform)的多尺度分解及多方向分解特性以及图像矩阵奇异值分解(SVD,singular value decomposition)不同奇异值代表图像不同能量信息的特点,提出了联合NSCT和SVD的红外图像背景的抑制方法。首先依据非下采样轮廓波变换思想对红外原始图像进行多尺度多方向分解,得到与原始图像同样大小的不同尺度和不同方向上的子带图像,然后,利用奇异值分解的中序部分奇异值调整各子带图像矩阵系数以区分目标和背景杂波,最后对调整后各子带系数组成的矩阵施加NSCT逆变换,最终获得抑制背景处理后的图像。对比实验表明,该方法能够在低信噪比环境下有效抑制复杂背景及边缘,突显目标,降低虚警率。