基于Finite Ridgelet变换的图像线性特征提取

线性特征是图像的一种重要局部特征,它常常决定图像中目标的形状。线性特征的提取在图像匹配、目标描述与识别以及运动估计、目标跟踪等领域具有十分重要的意义。常用的线性特征检测方法有Radon变换和Hough变换,但检测曲线复杂度会很高。本文提出一种多尺度几何分析的线性特征检测方法,该方法以finite ridgelet理论为基础,结合正交小波变换对线性特征进行提取。Finite ridgelet变换对于含有直线奇异的多变量函数具有良好的逼近特性,能够获得连续空间函数的稀疏表达,同时具有区域平滑性、很好的可逆性和去冗余性。实验结果表明,本方法即使在背景复杂的环境下也具有良好的检测效果。

基于小波基向量的改进FRIT去噪方法

计算小波变换的Mallat算法需要逐级分解和重构,而本文通过矩阵变换方法,给出不需逐级计算的小波分解和重构矩阵的构造方法,并给出9/7小波的分解和重构矩阵的基向量及波形图。另外,本文改进了一种新型的图像方向性表示方法———有限域Ridgelet变换(FRIT),通过折叠分块和增加零行的方法克服了原FRIT需要构造素数长度的小波基的缺点,使小波变换的基向量可直接应用于FRIT中,计算方法和计算量都得到简化。实验表明,在对具有直线特征的图像去噪方面其性能优于FRIT。

一种基于角度的正交FRIT变换及其在图像去噪中的应用

M.N.Do和M.Vetterli提出的Finite Ridgelet Transform(FRIT)因其对线奇异特征的高效表示能力而被广泛应用,但其在图像压缩、去噪的处理中却受到“环绕”现象的严重影响.本文在揭示“环绕”现象和FRAT域系数关系的基础上,提出一种基于角度的正交FRIT变换方案(Angle-based FRIT,AFRIT).该方案具有更好的能量集中特性,并有效地降低了“环绕”现象.进一步,对正交FRIT去噪问题建模,并提出了一种基于AFRIT的改进阈值.不同噪声水平下各种图像的去噪实验结果表明,采用改进阈值的AFRIT同现在常用的FRIT去噪方法相比,具有明显的优越性.

适用于尺寸为2的幂次方图像的离散ridgelet变换

Ridgelet变换是继小波变换之后提出的一种新的多尺度变换,它能比小波变换更好地表达高维线性奇异性。Finiteridgelet是ridgelet变换的离散实现算法,具有和连续ridgelet变换一样精确的代数意义,并且算法复杂度低。但是finiteridgelet只适用于图像尺寸为P×P(P为素数)的图像,这一点限制了它的应用范围。该文将finiteridgelet的算法进行改进,提出了一种可以适用于图像大小为N×N(N=2k,k∈Z)的离散ridgelet算法。该算法不仅推广了finiteridgelet的适用范围,而且简化了finiteridgelet的算法过程。

基于有限脊波变换和Cycle spinning的图像融合算法

有限脊波变换在处理高维信号时比小波变换具有更好的方向性、较高的逼近精度和更好的稀疏表达性能,利用这一特点将其应用于图像融合领域,但有限脊波变换不具有平移不变性,故提出了用有限脊波变换与Cycle spinning相结合的方法消除因移变性产生的Gibbs现象。实验验证结果表明,本文算法能有效提取图像特征,且对边缘特征的表述更加清晰光滑。

基于脊波融合的射线图像增强算法

提出一种基于脊波变换的射线图像增强算法,根据射线成像的特点,对射线成像系统采集信号做分段灰度变换,得到多幅图像,每幅图像含有被测工件的某种细节,再将这些图像分别做有限脊波变换,对得到的变换系数进行融合,再对融合后的系数进行有限脊波逆变换从而得到增强了的射线图像。在融合中低频系数采用基于区域方差和邻域像素相关性分析的融合策略,高频部分采用脊波变换系数绝对值最大的作为融合的高频系数,此法可以将来自不同图像的特征与细节融合在一起并且可以有效地抑制噪声。文中对融合图像质量进行了对比评价,实验结果表明,这种方法能够有效地提高图像的清晰度,在保留图像微小细节方面获得满意的结果。

基于脊波变换的扩频水印算法

针对脊波变换域比小波变换域更适合表示图像线状边缘的奇异性的特征,本文设计出一种新的图像水印算法,即将图像分块脊波变换,在脊波变化域上的高频系数中加性地嵌入经零均值互不相关伪随机序列扩频调制后的水印。实验结果表明,本文算法不仅可以抵抗如压缩、加噪、滤波和剪切等各种常见攻击,还能抵抗图像灰度增强和减弱攻击,与小波域水印算法的比较也说明了本文算法的优势。

有限脊波变换在数字水印中的应用

已有的有限脊波域的水印算法通过调制位于最大能量方向的有限脊波变换系数实现,但是哪些系数更适合嵌入水印是一个有待解决的问题.采用Roberts算子提取边缘图像,然后用拉普拉斯分布模型分析边缘图像的有限脊波变换系数,依据最大后验概率准则估计出适合嵌入水印的变换系数,自适应地嵌入水印信息.实验结果表明,该算法具有很强的鲁棒性和不可见性.

基于有限脊波变换的图像融合方法

针对小波变换在进行图像处理时不能有效表示直线/曲线的奇异性问题,研究了能够很好表示二维或更高维奇异性的有限脊波变换的基本原理,讨论了将有限脊波变换应用于图像融合的可行性,提出了基于有限脊波变换方法进行图像融合的基本架构,并对变换系数的设置与融合过程的处理进行了详细说明。仿真实验的主客观性能比较表明,基于有限脊波变换的图像融合方法比基于金字塔变换和基于小波变换方法的融合效果要好得多。

基于脊波变换的量化水印算法

利用比小波变换域更适合表示图像边缘轮廓特征的脊波变换域设计一种新的图像水印算法.将图像分块脊波变换,在脊波系数最大能量方向选择细节系数,设计合理的量化水印方法.采用奇偶量化方法嵌入水印,利用归属量化区间法提取水印.在较强的攻击下,该方法能够很好地恢复原始水印,采用该方法嵌入水印不易导致水印化图像失真.攻击实验结果表明,与小波域水印算法相比,该算法不仅可以较好地抵抗各种常见攻击如压缩、加噪、滤波和剪切等,还能较好地抵抗几何旋转攻击.

改进曲波变换的在图像角点检测中的应用研究

角点是图像目标的重要局部特征,角点检测在目标跟踪、运动估计、相机定标等方面都有重要的应用.曲波变换基于多尺度几何分析的思想,以边缘为基本元素能够同时获得对图像平滑区域和边缘部分的稀疏表达,是一种更适合图像处理特点的多尺度变换.为降低曲波的数据冗余性,采用有限脊波变换对曲波进行改进,并在此基础上提出利用Mallat模极大值原理进行角点检测的算法,实验结果表明该方法即使在有噪声的情况下仍然具有较高的稳定性和鲁棒性.

脊波分析在手背静脉识别中的应用

提出一种基于改进的有限脊波变换的手背静脉识别算法.利用脊波理论适合于表示直线奇异性的特点,对手背静脉特征进行分析.使用改进的有限脊波变换对手背静脉图像进行分解,得到不同分解尺度下手背静脉的多分辨脊波特征,再通过定义多分辨脊波特征距离进行模式匹配.实验结果表明,与传统静脉特征提取方法相比,该方法较完整地保留了静脉的原始信息,提高了运行速度并降低了算法复杂度.

基于有限脊波变换域的图像水印技术

提出了一种基于有限脊波变换域实现图像水印的方法,其优点是良好的稳健性和层次性。这种算法充分利用有限脊波变换的特点,把原始图像和水印分解成多频段的图像来嵌入水印。检测时,把加了水印的图像分解,通过计算处理每一层取得所有的有关信息。

一种基于脊波变换的数字水印算法

该文针对脊波变换能有效表示二维图像线性奇异性的特点,提出了一种脊波域鲁棒数字水印算法。对图像进行分块有限脊波变换,有选择地在脊波域最大能量方向上的中频系数中嵌入水印,采用奇异值分解方法提取水印提高了检测性能。实验结果表明,算法对噪声、压缩、不规则剪切、亮度、对比度等攻击有较强的鲁棒性。

基于改进型正交有限脊波分析的自适应图像去噪

提出了一种改进型正交有限脊波分析的图像去噪算法。正交有限脊波分析处理信息时,有限域平面上的直线由于模运算的存在而引起信息Radon系数的卷绕,为此,对Radon系数周期振荡方向的信息采用离散余弦变换处理,其他方向信息采用小波分析处理,以减少卷绕对信息重建影响;同时,结合图像信息中噪声的特点,提出了一种去噪浮动阈值的选取方案。仿真结果表明,采用该算法实现的图像去噪,在抑制噪声的同时较有效地保留了信号的细节,去噪图像的PSNR值较OFR IT+W iener、2D-DWT等算法有所增加。

有限脊波域受约束的全变差能量泛函

为了减小有限脊波变换在图像处理应用中所出现的"卷绕"伪直线,将此伪直线视为一种振荡,首先对降质图像进行非线性有限脊波变换阈值,然后引入全变差正则化方法来抑制这一振荡,并约束所保留系数与待恢复图像的变换系数相等,以此确定可行域,进而建立了一种带脊波域约束的极小化全变差能量泛函模型,借助投影梯度算法对其进行求解.实验结果表明该方法对噪声具有较强的鲁棒性,在去噪和保留边缘的同时,使"卷绕"伪直线得到有效的抑制.

基于MG-HMT模型的正交有限脊波域图像分割

针对图像分割中的过分割问题,提出了一种基于图像混合高斯-隐Markov树(Mixture Gaussian-hiddenmarkov tree,MG-HMT)模型的正交有限脊波分析的图像分割算法。正交有限脊波变换处理信息时具有检测信号线奇异的能力,在图像分割中为准确定位信息的边缘、轮廓提供了有力的支持。其次,对图像的小波系数建立了混合高斯-隐Markov树(MG-HMT)模型来描述其在不同尺度子带间的相关性,并利用小波系数自身的传递性和同层小波系数相关性进行补偿处理。仿真结果表明,采用本文算法实现的图像分割,有效地检测出图像信息的线奇异,从而减小了由于干扰在梯度图中造成虚假的局部极值而产生的过分割现象,准确地定位了图像的区域信息。

二进脊波变换的高光谱遥感图像融合分类

将二进脊波变换应用到高光谱遥感图像的数据融合中,并针对该算法的特点,提出了将变换数据分成两部分分别进行融合的融合算法,即将经过二进小波行变换的图像数据进行划分,对于包含图像概貌特征的低频数据进行归一化方差加权融合,对于包含图像边缘、直线等细节特征的高频数据选择各波段数据对应像素点小波系数绝对值最大者作为融合后该像素点的像素值.对标准的AVIR IS高光谱遥感图像实现了数据融合,并在此基础上完成了对高光谱遥感图像的分类.实验结果表明,无论是从直观上还是从数值结果上来看,该方法能有效地实现高光谱遥感图像的数据融合与分类.

有限脊波变换环绕现象改进算法及其在版权保护中的应用

Finite Ridgelet Transform(FRIT)能高效表示线的奇异特征,在多种领域广泛应用。但是由于它的"环绕"现象,影响了在图像处理中的应用。揭示了"环绕"现象和Finite Radon Transform(FRAT)域系数的关系,根据像素的空间相关性,以及对FRAT系数进行软门限阈值处理,提出一种改进算法,能够去除"环绕"现象。依据最大后验概率(MAP)准则选择大能量的改进有限脊波变换(Modified Finite Ridgelet Transform-MFRIT)系数,版权信息嵌入其中。实验结果表明,该算法具有更好的鲁棒性和透明性。

基于有限脊波变换的多聚焦图像融合新算法

提出了一种基于有限脊波变换的多聚焦图像融合算法,针对有限脊波变换的特点和多聚焦图像的基本特点,低频系数采用取平均的融合策略,高频系数采用局部能量取大并进行一致性校验的融合策略。仿真实验的主客观性能分析表明,提出的融合方法具有较好的融合效果。