基于张量分解与非下采样Contourlet变换遥感图像增强

图像质量低、特征信息不明显是遥感图像获取过程中的常见问题。传统的图像增强方法常常因为不能有效地整合全局信息,从而不能高精度、高效率地凸显有用信息。本文通过结合张量分解和非下采样Contourlet变换,提出一种改进的遥感图像增强方法。使用优化的非下采样Contourlet变换对原始图像进行分解,将各尺度和方向的高频细节图像组合成高阶张量。通过贝叶斯概率张量补全,从不完全张量中识别潜在因子,以预测图像缺失的细节信息。实验结果表明:所提出方法能在有效恢复样张缺失信息的同时突出图像的特征信息,与不同图像增强方法相比,样张处理后在信噪比、结构相似度以及均方根误差方面最大提升分别为27.9%、37.6%和45.4%。改进的遥感图像增强方法在可视化比较和定量评价方面优于常用的图像增强方法。

基于非子采样Contourlet变换的图像融合算法

提出了一种基于非子采样Contourlet变换的图像融合算法.首先,对图像作Contourlet变换,得到一个低频子带和一系列高频方向子带.其次,对低频子带系数采用基于边缘的规则来融合,而对于高频方向子带系数,采用基于一种基于Contourlet局部系数相关性的规则来进行融合.最后,对融合系数进行非子采样Contourlet逆变换,得到最终的融合图像.实验结果表明,该方法对可见光、红外图像融合十分有效,能较好地提取原始图像中的边缘方向信息和几何特征.

基于Contourlet区域对比度的遥感图像融合算法(英文)

为综合利用多传感器遥感图像之间的信息,提出了一种基于contourlet变换的遥感图像融合算法。Contourlet是近年发展起来的一种多尺度几何分析工具,比小波变换更适合对图像等二维信号进行处理。算法的思想是将源图像分别进行contourlet变换,在contourlet域完成图像信息的融合,最后通过逆变换得到融合结果。根据分解系数特性,首次提出了contourlet域的区域对比度作为高频子带的融合规则,系数选择更符合人类视觉系统的要求,使得融合图像更有意义。低频子带采用基于区域能量的加权平均作为系数融合规则,在充分保留图像主要信息的前提下进一步增强了算法的稳定性。实验结果表明该算法在性能上明显优于PCA及小波图像融合等传统算法,且能够有效增强源图像的对比度和细节信息。

基于小波-Contourlet变换与Cycle Spinning相结合的SAR图像去噪

由于合成孔径雷达(SAR)在农业、林业、水文、地矿、海洋、测绘等领域广泛应用,SAR图像质量和视觉效果提升成为了各国学者研究的热点问题。SAR图像的主要噪声源——相干斑噪声的抑制和去除显得越来越重要。本文通过分析了SAR图像的噪声成因以及其噪声模型。基于SAR图像的特性,本文结合小波变换和Contourlet变换各自的优点,提出了一种基于小波-轮廓波变换与图像循环平移结合的SAR图像去噪算法。本文所提出的算法不仅可以显著去除相干斑噪声,提高图像的信噪比,而且还具有平移不变性,可明显改善图像的视觉效果。实验结果表明:与单独使用小波变换去噪相比,本文算法的信噪比提高2分贝;与单独使用Contourlet变换去噪相比,本文的算法去噪后的图像更平滑,抑制了人造纹理产生,视觉效果得到了明显的改善。

一种基于小波-Contourlet变换的图像去噪算法

提出了一种基于小波-Contourlet变换的图像去噪算法.实验证明,该算法相对于小波变换和Contourlet变换能更稀疏的表达图像,并利用此优越性进行图像去噪,可以达到更好的效果和更高的PSNR值.

基于非抽样Contourlet变换的红外图像和可见光图像融合算法

分析了非抽样Contourlet变换(nonsubsampled contourlet transform,NSCT)的原理和优点,针对红外图像和可见光图像的特征,提出了一种新的基于NSCT图像融合算法,应用NSCT对图像进行多尺度、多方向分解,低频子带采取区域能量加权法融合,带通子带采取区域方差加权法融合,最后将融合的系数进行NSCT逆变换得到融合图像.实验表明,与其它融合算法比较,该算法融合图像效果较好.

小波-Contourlet与迭代Cycle Spinning相结合的SAR图像去噪

通过分析合成孔径雷达图像的相干斑噪声模型,提出一种小波-Contourlet与迭代Cycle spinning相结合的SAR图像去噪方法.小波-Contourlet比小波变换、Contourlet变换能更稀疏地表达图像,更好地获得图像结构特征.Contourlet变换缺乏移不变性,导致小波-Contourlet也是缺乏移不变性的,对系数进行阈值处理会产生伪吉布斯现象.Cycle spinning算法可以有效地减少伪吉布斯现象,但不是最优的.为此,用小波变换代替LP(Laplacian pyramid)变换作子带分解,以迭代Cycle spinning代替多次移位取平均值.仿真结果表明,该方法不仅可以显著去除相干斑噪声,达到较高的峰值信噪比,而且还保留了图像的细节,改善了视觉效果.

基于空域Contourlet-时域小波变换的视频水印算法

通过采用空域的Contourlet变换和时域的一维小波变换,提出了一种新型三维多分辨率分解方法,并将水印信息嵌入到Contourlet分解后空域低频子带系数的静止成分和动态成分中。为了增强水印的鲁棒性和安全性,在水印嵌入前先通过Arnold变换对原始二值水印进行置乱加密。在水印的嵌入过程中,构造了一种十位数规则来修改三维分解后的系数。实验结果表明,该算法能够抵抗各种攻击,如MPEG压缩编码、丢帧、帧平均和叠加噪声等等,算法简单,计算复杂度小,兼顾了水印的不可见性和鲁棒性,并且能取得更好的视觉效果。

基于非抽样Contourlet变换的医学图像融合算法

分析了非抽样Contourlet变换(Nonsubsampled Contourlet Transform,NSCT)的原理,提出了一种新的基于NSCT的医学图像融合算法,应用NSCT对CT和MRI图像进行多尺度、多方向分解,低频子带采取区域能量加权法融合,带通子带采取模最大融合,最后将融合的系数进行NSCT逆变换得到融合图像。实验表明,与其它融合算法比较,该算法融合图像效果较好。

基于无下采样Contourlet变换的图像融合

无下采样Contourlet变换(nonsubsampled contourlet transform,NSCT)是基于Contourlet变换的一种扩展,可以对图像进行灵活的多尺度、多方向和平移不变性分解。本文提出了一种基于NSCT的图像融合算法。首先对图像进行NSCT变换;然后对变换得到的低频和高频分量系数分别采用三种不同的融合规则进行融合处理;最后重构图像得到融合结果。文中给出了实验结果,通过对结果的分析比较,表明该方法的性能较传统的基于小波变换或基于Contourlet变换的融合方法有了一定的提高,融合效果更好。

一种高效的小波Contourlet变换阈值去噪算法

针对现有图像去噪算法去噪效率与信号保真度不高的现象,通过研究小波变换与Contourlet变换,将其有机的结合在一起从而实现优势互补,并提出一种高效的阈值去噪算法,通过建立最大值列表,引入适当的阈值将其系数进行分类,并使用优化后的软阈值去噪算法与边缘优化算法对其分类处理,实验表明,该算法能够有效的对含噪图像进行去噪的同时保留其边缘信息,具有高效性、保真度高的图像去噪特性,在图像去噪领域有较好的发展前景。

基于非下采样contourlet变换的图像去噪方法

根据非下采样contourlet变换(NSCT)具有多尺度、多方向和平移不变的性质,提出了一种基于NSCT变换的图像去噪方法。首先对图像进行NSCT变换,得到不同尺度、不同方向的信息,然后根据分解所得系数确定阈值,依此阈值进行去噪处理,最后对去噪处理后的系数进行反变换,得到去噪图像。实验表明:该方法比小波变换(WT)及contourle变换(CT)能更稀疏表示图像,可有效消除图像中的伪吉布斯效应及噪声,能达到更好效果及更高的峰值信噪比(PSNR),较好地保持图像细节及纹理。

一种用于人脸识别的contourlet域稀疏表示分类器

超完备稀疏表示法可以有效解决人脸识别领域中由于光照、表情变化、遮挡和噪声问题等原因造成的性能瓶颈。基于超完备稀疏表示法,将人脸识别问题看作是为多个线性回归模型中的分类问题,提出了一种基于Contourlet域的稀疏表示分类器,改进了利用主成分分析进行数据预处理所造成的鉴别信息丢失,提升了稀疏表示分类器的鉴别能力。在ORL库、Yale库、扩展Yale库和PIE库上大量实验结果验证了算法的有效性。

基于非子采样Contourlet变换的多聚焦图像融合方法

非子采样Contourlet变换(NSCT),是针对Contourlet变换的一些局限性进行了改进,可以对图像进行灵活的多尺度、多方向和平移不变性分解.提出了一种基于NSCT的多聚焦图像融合方法.首先对多聚焦图像进行NSCT变换;然后对变换得到的低频分量系数采用改进的加权平均融合规则进行融合处理,对高频分量的最高层和其它层系数分别采用绝对值最大和改进的区域方差融合规则进行融合处理;最后重构图像得到融合结果;并给出了实验结果.对结果的分析比较表明,所提出的融合规则的效果优于常用的融合方法和参考文献的融合方法.

Contourlet和小波相结合的SPIHT算法

借鉴Contourlet变换和WBCT的思想,采用Contourlet和小波相结合的变换,并根据变换后系数的特殊结构,提出了一种新的空间方向树结构,实现了对变换后系数的类似SPIHT编码,达到了对图像压缩的目的。实验表明,该算法能更好地恢复图像的纹理和细节信息,并在低比特率下具有较高的峰值信噪比。

一种基于Contourlet递归Cycle Spinning的图像去噪方法

综合利用Contourlet变换和递归Cycle Spinning,提出一种新的图像去噪方法.由于Contourlet变换缺乏平移不变性,直接进行Contourlet系数阈值图像去噪会产生伪吉布斯现象(导致图像失真),本文引入递归Cycle Spinning来有效地消除这种由于Contourlet变换缺乏平移不变性而产生的图像失真.实验结果显示,与小波递归Cycle Spinning图像去噪等方法相比,该方法明显改善图像视觉效果,显著提高图像的PSNR值.

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。

基于非抽样Contourlet变换的自适应阈值图像增强算法

提出了一种基于非抽样Contourlet变换的自适应阈值图像增强算法,首先对图像进行非抽样Contourlet变换得到不同尺度不同方向上的变换系数,然后由变换系数自适应地确定阈值和调整增强函数,并对变换系数做增强处理,最后对增强处理后的变换系数进行反变换,实现图像增强.实验结果表明,与其他基于变换域的算法相比,该算法可以得到更好的增强效果.

基于非抽样Contourlet变换的图像模糊取证

数字图像被动盲取证技术是对图像的完整性和真实性进行鉴别.图像遭受篡改操作后,为了消除图像伪造在拼接边缘产生畸变,伪造者通常会采用后处理消除伪造痕迹,其中,模糊操作是最常用的手法之一.因此提出了一种针对人工模糊的取证方法.首先,利用非抽样Contourlet变换分析图像边缘点特征进行边缘点分类;然后通过统计正常边缘点与模糊边缘点之间的差异鉴别模糊边缘;最后引入局部清晰度来区分人工模糊与离焦模糊,从而最终标定人工篡改边缘痕迹.实验表明该方法能够有效地检测出图像人工模糊篡改操作,较为准确地定位图像篡改边界.伪造图像边缘模糊越严重方法的检测效果越好.与其他模糊检测方法相比所提方法具有像素级别定位能力.

改进拉普拉斯能量和的尖锐频率局部化Contourlet域多聚焦图像融合方法

为了克服Contourlet融合在远离支撑区间上出现的混叠成分,抑制融合图像在奇异处产生伪吉布斯现象,提出了改进拉普拉斯能量和的尖锐频率局部化Contourlet(SFLCT)域多聚焦图像融合方法。采用SFLCT而不是原始的Cont-ourlet对多聚焦图像进行分解,并将多聚焦图像空域融合方法中评价图像清晰度的指标引入到SFLCT变换域,用拉普拉斯能量来选择变换域系数。然后,逆SFLCT重构得到融合结果。最后,采用循环平移来提高SFLCT的平移不变性,有效抑制融合图像在奇异处产生伪吉布斯现象。实验结果表明:对于多聚焦图像,所提方法比循环平移小波变换法的互信息提高了5.87%,QAB/F提高了2.70%,比循环平移Contourlet方法的互信息提高了1.77%,QAB/F提高了1.29%;视觉效果优于典型的空域分块拉普拉斯能量方法和平移不变小波变换方法。