基于Surfacelet变换和SPIHT算法的视频压缩

提出一种基于Surfacelet变换并结合SPIHT算法的视频压缩编码方法。这种新方法把视频信号作为特殊的三维信号,对信号的空间和时间维进行整体处理。Surfacelet变换具有多方向分解、各向异性、高效率的树结构滤波器组、可完全重建和低冗余度等性质。SPIHT算法具有分辨率质量上的可伸缩性、渐进传输性等特性。利用Surfacelet变换的分解系数在各层间相关以及图像能量集中的特性,结合SPIHT算法完成视频数据的压缩编码。这种新的视频压缩编码方法能弥补三维小波变换的缺陷,达到更高的PSNR值和更好的视觉效果,尤其适用于纹理复杂度较高、运动幅度较小的视频。

基于Surfacelet变换和动态纹理的烟雾检测

鉴于烟雾检测对火灾预警的重要作用,提出一种基于Surfacelet变换的动态纹理烟雾检测算法。先对图像序列进行Surfacelet变换,再对变换后的系数进行广义高斯建模,获得与系数相对应的模型参数作为特征,最后使用KL距离做相似性度量。与其他3种基于Surfacelet变换的烟雾检测方法进行对比,包括:使用均值和方差作为特征,支持向量机进行分类;使用均值和方差作为特征,欧式距离进行相似性度量;使用广义高斯模型参数作为特征,欧式距离进行相似性度量。实验结果表明,该算法可以提高烟雾检测准确性,降低误检率,有效去除类烟运动物体的干扰。

Surfacelet联合多向Cycle Spinning的图像去噪方法

为了有效地保留去噪后图像的细节和纹理,综合利用Surfacelet变换和Cycle Spinning,提出一种新的图像去噪方法.Surfacelet具有良好的多维信号处理能力,但是Surfacelet不适宜直接处理二维图像,该文把多幅加噪图像分别进行多个方向的Cycle Spinning并压成图像序列,生成后的多个序列合成一个图像序列,进行Surfacelet变换后,对其系数硬阈值去噪.实验结果显示,去噪后图像无Wavelet的伪吉布斯现象以及Contourlet的划痕效果,该方法能明显改善图像视觉效果,显著提高图像的PSNR值.

基于Surfacelet变换的3D Context模型视频去噪新方法

本文将3D Context模型应用于Surfacelet变换域,提出一种新的视频去噪方法.Surfacelet变换(ST)是一种新的3D变换,具有多方向分解、各向异性和低冗余度等性质.根据视频信号ST域内系数和噪声分布的特征,将2DContext模型拓展到3D,按照能量分布将ST系数分成多个子块,每个子块有独立的能量和阈值估计.实验结果表明,本文算法噪声抑制效果明显优于分层2D去噪声方法和其它现有的3D方法,去噪视频的PSNR值提高了约2dB.从视觉效果来看,本文算法在去除噪声的同时,能很好的保留视频图像细节,运动物体非常平滑,有效解决传统算法中存在的拖影、闪烁等问题,尤其适合于包含剧烈运动和丰富纹理图像的视频.

基于Surfacelet稀疏重构的视频修复

为提高视频竖线、划痕、文字等破损的修复质量,提出一种基于Surfacelet稀疏重构的视频修复算法。Surfacelet变换的具有多尺度、多方向且高效树状结构的三维稀疏变换特性,能有效捕捉视频中的奇异曲面。算法首先基于Surfacelet变换域构造破损视频信号的稀疏性全局优化的目标函数,然后采用松弛算法求解该目标函数来实现对破损视频的修复。该算法不需要复杂的分割、边缘检测等预处理,能提高视频的纹理和结构信息的修复效果。实验仿真结果表明本文算法的视频修复质量优于现有视频修复算法。

基于Surfacelet变换视频自适应去噪

为了有效地保留视频去噪后的纹理细节,利用Surfacelet变换特性和自适应阈值的方法,提出了一种新的视频去噪算法。Surfacelet变换是超小波分析领域的最新发展,具有良好的多维信号处理能力,真正实现了对多维信号的多方向多尺度分解。本文介绍了Surfacelet变换的结构,根据Surfacelet变换的视频信号的系数特性和噪声分布特征,自适应估计每个方向子带的系数阈值。实验表明,本文算法能更好保留视频细节信息,对于视频的噪声也具有更强的抑制能力。

基于Surfacelet变换的三维CT图像边缘检测

为了有效抑制三维CT图像的噪声,减少伪边缘,基于Surfacelet变换提出一种三维CT图像边缘检测方法.运用Surfacelet变换将三维CT图像分解到三维变换域,并对高频子带系数进行自适应阈值滤波,对低频子带系数进行归一化处理,将处理后的系数进行Surfacelet重建,再采用Canny算子分别提取高低频图像边缘进行融合,可获得准确的完整图像边缘.实验结果表明:根据Surfacelet变换域子带系数分布特征进行处理,可有效分离信号与噪声,增强目标弱边缘,减小稀疏系数幅值波动,从而实现对三维CT图像目标边缘的准确检测与提取,获得清晰、完整的边缘轮廓.

基于Surfacelet变换和运动估计的自适应教学视频压缩

为解决传统的教育视频压缩方法未能同时适应摄像机录制视频和屏幕录制视频的问题,采用变换域与运动估计相结合的方式,提出了一种基于Surfacelet变换域和运动估计的教学视频压缩方法,并根据视频帧间相关性,自适应地选取视频帧组,有效的兼顾了两种教育视频的特征.仿真实验证明,该方法不仅具有较高的压缩比,并且能够很好地还原视频内容.

基于表面波变换的散乱点云去噪方法

提出了一种针对散乱点云的去噪快速处理方法。应用最小二乘法确定散乱点的最佳逼近平面,以平面的法向量为Z轴建立新的三维坐标系,将散乱点向该坐标系进行坐标转换;对转换后的离散数据进行3D表面波变换(Surfacelet transform),依据统计学理论选取恰当阀值,据此对变换后的系数进行筛选,从而达到去除噪声的目的,使点云曲面收敛为一个稳定的三维数字模型。实验结果表明去噪光顺后的数据,噪声明显被抑制,与其他方法相比去噪后数据更加光顺,更好地保留了散乱点的三维形状细节特征。此方法充分利用了三维点云间的相关性,为进一步的三维重建工作提供了必要的前提条件。

基于曲面波变换的红外弱小目标背景抑制

提出了一种基于曲面波变换的弱小目标背景抑制新方法,解决红外搜索跟踪系统探测远距离弱小目标中复杂结构化背景抑制难题。根据红外图像中目标和背景杂波的特性,首先,采用曲面波变换对序列图像进行多尺度、多方向和各项异性分解,提取图像的多尺度和方向细节特征;其次,根据目标和背景杂波信号的差异,通过应用设计的核函数调整分解后的各尺度和方向的子带系数值;然后,重构修改后的各子带,从而将红外图像中弱小目标和背景杂波分离,达到抑制背景的目的;最后,采用自适应阈值分割技术得到真实目标点,最终实现对弱小目标的精确探测。实验结果显示,与局部去均值和最大中值滤波方法相比较,该方法能有效地检测出信杂比(signal-to-clutter ratio,SCR)在1.6以上的目标。

表面波和Retinex结合的水声图像增强方法

水下复杂信道环境以及各种干扰的存在使得声呐图像分辨率偏低,边缘细节不便于识别处理,传统增强算法大多直接进行增强处理而较少考虑去噪过程.针对这一问题,该文分析了表面波分解和视网膜皮层图像增强原理,阐述了两者结合的可能性,并在此基础上提出了一种先采用表面波结合自适应阈值去噪处理,再进行多尺度Retinex增强的图像处理方法.在仿真实验中将该方法与其他图像去噪增强算法分别进行比较,结果表明该方法在边缘细节保持及颜色保真方面具有优势,能够在获得更好的视觉结果的同时控制算法复杂度,有利于后续图像处理.

水下目标声图像分块自适应降噪方法

通过对水下目标声图像机理及统计特性的分析,提出了分块自适应的降噪方法。设置适当的区域图像方差阈值将水下声图像划分信息区及非信息区。在信息区,制成图像序列经过表面波(Surfacelet)变换三维去噪;在非信息区,进行非下采样轮廓波变换去噪。结果表明:去噪后图像峰值信噪比大幅度提高,具有较高分辨率的基础上细节信息也得到保护。此方法不仅充分利用了像素点间的相关性等声图像统计特性,又利用了2种变换的移不变性,去噪后声图像为进一步的图像分割、识别工作提供了必要的前提条件。

基于镜头的数字图书馆视频资源检索框架构建与实现

【目的/意义】随着社会信息化水平的不断提高,视频资源逐渐成为数字图书馆资源建设中的重要组成部分,如何从海量视频资源中快速准确地检索到用户需要的视频信息已成为数字图书馆亟待解决的问题。【方法/过程】针对该问题构建了一种基于镜头的视频检索框架。该框架通过镜头边界检测实现视频分割,然后运用3-D Surfacelet变换对视频镜头进行2层分解,通过对各高频方向子带求均值和标准差,生成镜头的特征向量,再计算所有镜头特征向量的均值生成视频指纹,最后利用欧式距离来度量视频的相似度,再在相似视频里检索相似镜头。【结果/结论】通过实验验证表明该方法具有较好查全率和查准率,并且对数字图书馆中常见的视频编辑变换具有较好的鲁棒性。

基于表面波变换的水声瞬态信号降噪方法

为提高对水下目标信号检测的有效性和可靠性,对水声基阵信号的干扰噪声进行分析,提出对含噪信号进行三维表面波变换的降噪方法.通过设置适当的阈值,对变换后的系数进行舍取处理,得到表征信号及微量残余噪声的重构系数;对其进行表面波逆变换后得到降噪后的水声基阵信号.对实际水声信号的降噪实验表明:该方法实现了对基阵信号的并行处理,取得了较好的降噪效果.

一种融合表面波变换与脉冲耦合神经网络的三维肺实质分割算法

针对肺部病变及支气管干扰等因素导致的肺实质分割困难的问题,本文提出一种融合表面波(surfacelet)变换与脉冲耦合神经网络(PCNN)的肺实质分割算法。首先,通过surfacelet变换对三维肺部计算机断层扫描数据进行多尺度多方向分解,利用局部修正拉普拉斯算子选择处理后的子带系数增强图像的边缘特征;然后,经surfacelet逆变换得到增强后的图像作为PCNN的反馈输入;最后,通过循环迭代完成肺实质的分割。所提算法对公开数据集中的样本进行了测试。结果表明,本文算法的分割性能优于surfacelet变换边缘提取算法、三维区域生长算法和三维U形网络(U-NET)算法,能够有效抑制肺部病变及支气管的干扰,得到更完整的肺实质图像。