基于 Trous-contourlet变换的红外与可见光图像融合算法

提出了一种基于à trous-contourlet变换的图像融合新算法。首先利用à trous-contourlet变换对图像进行多分辨率分解,然后针对变换域中各带通方向高频子带系数的选择,提出了一种应用区域能量进行图像匹配度计算的融合规则,并将其应用于红外图像与可见光图像的融合。实验结果表明,该算法能够有效融合红外与可见光图像,与其他方法相比较,取得了更好的融合效果。

基于对比度à trous小波的Contourlet变换图像水印算法

提出将基于对比度的à trous小波代替Contourlet变换中的拉普拉斯金字塔(LP)变换,实现对图像的多尺度分析:对变换后的低频区域分块,计算各个分块的噪声可见性函数(NVF)值,对选出的一系列值较小的分块嵌入水印.实验结果表明,水印算法具有较好的视觉效果,同时对滤波、JPEG有损压缩、噪声等攻击具有较好的鲁棒性.

a′Trous小波变换与PCA变换相结合的遥感影像融合分析

随着高分辨率遥感卫星的产生,传统的融合技术难以达到较好的融合效果,如主成分分析(PrincipalComponents Analysis)变换融合受到融合区域的限制,而传统的小波融合(Wavelet Transformation)算法由于高频直接替换,导致了一定程度的光谱失真,由此本文在分析主成分分析变换和a′Trous小波变换(WT)的基础上,以QuickBird全色和多光谱数据为实验数据,提出了一种将两者相结合的遥感影像融合方法,通过与其他融合方法的定量和视觉比较,结果表明该方法能得到更好的融合效果。

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A'trous小波变换的多传感器数据融合方法

在小波分析中,Mallat算法是一种重要的小波变换方法。但该方法由于存在抽取和插值运算,其结果有一定的失真。A’trous算法既具有Mallat算法的快速性,又有效保留了数据信息。提出把A’trous算法应用到多传感器数据融合中,经过仿真计算,其结果表明该算法是有效的。

基于A Trous变换的心电R波定位研究

心电信号是一种微弱的且易受噪声干扰的非平稳信号,其波形以R波最为明显,而R波的准确定位是QRS复合波识别和心血管诊断病变的前提和基础.基于数学形态法与和A Trous变换研究心电R波定位,首先利用A Trous算法对心电信号进行小波变换,然后选择在尺度3进行阈值定位,最后把在负荷运动环境下采集的ST段变异数据库作为样本测试,结果为灵敏度99.67%、特异性99.96%.

一种基于àtrous小波变换的遥感影像融合方法

针对遥感高分辨率全色影像同低分辨率多光谱影像的融合,提出了一种在àtrous小波变换基础上,可以使边缘特征增强的遥感影像融合方法。实验证明,融合后的影像不仅在很大程度上保留了多光谱影像的光谱特征,还提高了空间分辨率,特别是边缘特征得到进一步增强。

基于à trous小波变换的Landsat 7 ETM^+图像融合研究

以胶州湾及周边海岸带为研究区,采用Landsat 7 ETM+数据,提出一种基于àtrous小波变换的全色图像和多光谱图像融合改进算法。对全色图像和多光谱图像进行适当层数的小波分解,多光谱图像的低频部分采用全色图像和其低频分量的比来调制;最高分解层外的其余分解层采用多光谱图像和全色图像在该层分解系数的加权和,加权系数由局部区域能量比来确定;最高分解层则采用绝对值最大准则。实验表明,该方法得到的图像可提高空间分辨率,对多光谱图像的光谱信息扭曲也较小,为提高海岸带地物分类和信息提取精度奠定了基础。

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Contourlet变换自适应阈值的图像去噪算法

综合利用Contourlet变换和图像在各个尺度各个方向上的轮廓细节的大小,一定程度上改进了Donoho阈值"过扼杀"其分解系数的缺点,同时还考虑图像的轮廓细节.实验结果表明,与小波阈值,Contourlet阈值和多尺度Contourlet阈值相比,这两种方法更好的提取了图像的轮廓细节,提高了图像的PSNR值.

Contourlet:一种有效的方向多尺度变换分析方法

Contourlet变换是对二维图像域内小波变换的一种新扩展,由不可分的方向滤波器组实现,该变换的基函数分布于多尺度、多方向上,可仅利用少量系数有效地捕捉图像中的光滑轮廓,而光滑轮廓正是自然图像的主要特征。讨论了Contourlet变换的发展背景、原理和数字实现与实际应用,分析了Contourlet变换存在的问题并指出了进一步研究的方向。

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Contourlet变换尺度间相关的图像去噪

Contourlet域数据分析表明,信号的变换域系数在尺度间相关性高,而白噪声则呈弱相关或不相关。通过相关性强弱区分噪声与信号系数,并结合阈值函数,提出了基于Contourlet变换尺度间相关的图像去噪新算法。实验结果表明,新方法去噪后的图像比小波相关去噪算法的PSNR值更高,视觉效果更好,尤其适用于纹理轮廓丰富的图像去噪。

基于Contourlet变换的遥感影像融合算法

针对目前最新发展的Contourlet变换能比小波变换更适合于进行多尺度边缘增强处理的特点,本文提出了一种新的基于Contourlet变换的用于融合遥感全色和多光谱影像的算法,分别对应于Contourlet变换后得到的低频和高频分量系数,结合小波变换采用了不同的融合规则.实验结果表明本文提出的融合算法能在保留多光谱影像光谱信息的同时增强了融合图像的空间细节表现能力和信息量,该算法是有效可行的.

基于非下采样Contourlet变换的多传感器图像融合

根据非下采样Contourlet变换同时具有多尺度多分辨分析和平移不变性质的特点,提出一种基于非下采样Contourlet变换的多传感器图像融合方法,将其应用于多传感器图像融合的两个重要领域——多聚焦图像融合和高分辨、多光谱图像融合,从视觉效果和信息量指标方面对融合图像进行主观评判和数值评价.实验中将本文方法与Contourlet变换、小波变换、主成分分析等方法进行了比较,结果表明本文方法得到的融合结果具有更优的视觉质量和量化指标,能很好地将源图像的细节信息融合在一起,拓广了NSCT的应用范围.

基于Contourlet变换的抗旋转攻击零水印算法

为了提高变换域零水印算法抵抗图像旋转攻击的能力,提出了一种基于Contourlet变换的抗旋转攻击零水印算法。对于旋转造成的几何攻击,可以通过对数极坐标系将笛卡尔坐标系中的旋转变换转换为循环平移的性质;对于循环平移后的图像,在水印检测时可以使用穷举遍历的方法来检测测试图像是否包含水印信息。实验结果证明,该方法可以获得良好的图像视觉效果,同时对于加噪、滤波、JPEG压缩、剪切攻击也有很好的鲁棒性。

采用改进投影梯度非负矩阵分解和非采样Contourlet变换的图像融合方法

针对非负矩阵分解(NMF)算法时间复杂度较高,而投影梯度(PG)优化方法可以大幅降低NMF约束优化迭代问题的时间复杂度,提出一种基于改进的投影梯度NMF(IPGNMF)和非采样Contourlet变换(NSCT)相结合的图像融合方法。采用NSCT对已配准的源图像进行多尺度、多方向的分解,将分解后的低频部分作为原始数据,利用IPGNMF得到包含特征基的低通子带系数;高频部分应用了一种基于邻域一致性测度(NHM)的局部自适应融合规则得到各带通方向子带系数。经过NSCT逆变换得到融合图像。实验结果表明,融合结果在主观和客观评价上均优于NSWT方法、IPGNMF方法和NSCT方法。与NSCT法相比,实验所采用的两组图像的信息熵、清晰度和Q指标分别提高了0.0627%、0.901%、3.120 1%和2.769%、2.203%、1.049%。

非下采样Contourlet变换自适应图像去噪方法

提出了一种基于非下采样Contourlet变换的自适应图像去噪方法。首先对噪声图像进行非下采样Contourlet变换,得到各个尺度各个方向子带的系数,再根据该系数的能量自适应地调整去噪阈值。实验表明,与Contourlet多尺度阈值去噪、Contourlet自适应阈值去噪相比,该方法在保留图像边缘细节的同时,能提高图像的PSNR值,减少了Gibbs现象。

Contourlet变换在图像检索中的应用

利用Contourlet变换良好的稀疏特性及其能准确地捕获图像中边缘信息的特性,分析了纹理图像Contourlet系数的统计特征,提出了一种滤波算法。该算法根据纹理图像Contourlet系数分布的特点,采用高斯模型对其进行精确拟合提取纹理特征,针对各子带数据的离散程度进行加权处理,为分类能力强的特征量赋予较大的权值,并加入在低频子带上提取的灰度—平滑共生矩阵统计量,来形成最终的特征向量,以两幅图像不同特征向量间的加权欧氏距离作为图像的相似度进行检索。仿真实验结果表明,该方法在检索效果上有一定的优越性。

基于Contourlet变换的彩色图像融合算法

以红外和彩色可见光图像为研究对象,提出一种基于Contourlet变换的彩色图像融合算法.算法首先通过IHS(Intensity-Hue-Saturation)变换将彩色可见光图像从RGB颜色空间变换到IHS空间,进而利用Contourlet变换和加权融合规则将I分量图像与红外图像进行融合,然后将得到的灰度融合图像进行线性拉伸以获得与I分量相同的均值和方差,最后用拉伸后的灰度融合图像替换原来的I分量,并通过IHS逆变换得到最终的RGB彩色融合图像.算法一方面将Contourlet变换这一新的数学工具引入到图像融合中,另一方面提供了一种新的红外和可见光图像的彩色融合方法.实验结果表明,同样采用本文的彩色融合方法,Contourlet变换的融合结果优于小波变换,而且本文彩色融合方法的融合性能明显超过传统IHS变换融合法.