合成孔径雷达图像的贝叶斯压缩感知重构算法

针对目前合成孔径雷达(SAR)图像压缩感知重构算法没有充分利用小波系数相关性的缺点,提出了一种综合利用尺度间衰减性和尺度内方向能量聚集性的SAR图像贝叶斯压缩感知重构算法(DLWT-TDC)。首先采用方向提升小波变换(DLWT)对SAR图像进行稀疏表示,然后在3个高频子带中分别使用3×5、5×3、5×5邻域设计了具有方向和空间局部自适应的先验概率分布模型,最后利用马尔科夫链蒙特卡罗采样的贝叶斯推理恢复出图像的小波系数,进而得到重构图像。实验结果表明,DLWT-TDC算法在采样率为50%～90%下可以提高图像的重构性能,与仅利用尺度间相关性的小波树结构的压缩感知重构算法相比,在90%高采样率下的重构性能可提高3dB左右。

基于红-黑小波变换的图像数据压缩方法

提出了一种新的变换方法――红–黑小波变换用于图像的压缩,红–黑小波变换与张量积小波变换相比,它的去相关性更好,能得到更稀疏的图像表示。从理论分析和实验结果表明,将红–黑小波变换用于图像压缩是一种更为有效的方法。

红-黑小波变换

介绍一种新的第二代小波变换--红-黑小波变换,它是把矩形栅格的数字图像分成红块和黑块,利用二维提升格式进行构造。并从理论上与张量积小波变换进行了比较。实验表明红-黑小波变换可以更有效地去除图像的相关性并得到更稀疏的图像表示,在图像压缩中红-黑小波变换比传统小波变换更有效。

离散子波提升算法研究及其性能分析

论文基于矩阵变换和变换矩阵级联分解的思想,提出一种新的多相矩阵表示形式,对离散子波提升算法的机理进行了完整的理论分析,对子波提升算法和子波变换双通道滤波实现的理想重构条件进行了等价性证明,并利用互补滤波器组的对偶性提出一利新的子波提升分解算法的级联矩阵分解形式,使提升算法的机理解释更加完善,然后基于文中提出的矩阵级联分解形式,以(2,2)双正交子波变换为例说明了离散子波提升分解算法的实现,并就算法的可逆性、运算量和原位实现等问题进行了简要讨论。

小波提升格式的研究

小波提升格式以计算快速、能形成整数到整数的可逆变换的优势在数字图像压缩领域得到了广泛应用,而如何把适合于图像压缩的第一代小波映射成整数提升格式也成为一个研究问题。本文应用双正交滤波的多相矩阵的多步三角分解,提出不同多相矩阵表示时寻求提升系数的方法,并利用这种方法给出了多相矩阵的行列式不为1的滤波器组的提升格式。

基于四通道不可分提升小波的多聚焦图像融合

张量积小波及其提升小波只强调图像的水平方向和垂直方向的边缘,造成其在应用于多聚焦图像融合时结果图像的空间分辨率不高;而二维四通道不可分小波对图像进行融合时虽有较高的空间分辨率,但由于对图像进行分解和重构时采用了卷积运算,使得融合方法的运算量增大。针对上述问题,把二维四通道不可分小波滤波器组进行提升分解,并提出了一种基于此提升分解方案的多聚焦图像融合方法。首先,对二维四通道不可分小波滤波器组的多相位矩阵进行提升分解,并利用所得提升方案对源图像进行分解;其次,对分解后的低频子图像和高频子图像分别进行融合,得到融合金字塔;最后,做二维提升小波逆变换,得到融合后图像。利用熵、平均梯度和清晰度等客观指标对融合结果进行评价。实验结果显示,所建议提升小波融合方法比张量积小波和张量积提升小波融合方法及轮廓波融合方法有较高的清晰度,比提升之前的二维四通道不可分小波融合方法速度有了较大提升。

基于提升静态小波变换与联合结构组稀疏表示的多聚焦图像融合

为抑制传统小波变换在多聚焦图像融合中产生的伪吉布斯现象,以及克服传统稀疏表示的融合方法容易造成融合图像的纹理与边缘等细节特征趋于平滑的缺陷,提高多聚焦图像融合的效率与质量,采用一种基于提升静态小波变换(LSWT)与联合结构组稀疏表示的图像融合算法。首先对实验图像进行提升静态小波变换,根据分解后得到的低频系数与高频系数各自不同的物理特征,采用不同的融合方式。选择低频系数时,采用基于联合结构组稀疏表示的系数选择方案;选择高频系数时,采用方向区域拉普拉斯能量和(DRSML)与匹配度相结合的系数选择方案。最后经逆变换重构得到最终融合图像。实验结果表明,改进的算法有效地提高了图像的互信息量、平均梯度等指标,完好地保留图像的纹理与边缘等细节信息,融合图像效果更好。