基于曲波变换的图像去噪新算法

比较了小波变换和曲波变换,指出小波变换只具有点状奇异性的不足之处和曲波变换具有多尺度各向奇异性的优点,分析了现有的基于曲波变换的图像去噪方法,并对目前基于曲波变换的去噪算法进行了改进,提出结合Wrapping和Cycle Spinning的WCSCurvelet去噪新算法.仿真实验的结果证实了该算法减少了伪Gibbs现象,较好地保留了图像的细节和纹理,获得了更好的视觉效果和更高的峰值信噪比.     

基于快速离散曲波变换的图像去噪算法

Curvelet变换可以更好地表示曲线奇异函数的异向性及图像边缘,因此更适合于多尺度图像去噪。针对传统阈值法存在的不足,在分析wrapping方法的快速离散曲波变换基础上,提出结合Cycle Spinning循环平移方法的菱形块阈值规则去噪法,并自适应地对不同的Curvelet子块进行阈值化。该方法可以消除由于Curvelet变换缺乏平移不变性而产生的图像失真,并且更好地利用曲波系数的相关性。实验结果表明,该方法与传统的小波去噪、曲波硬阈值去噪、曲波软阈值去噪、曲波软硬阈值折中法去噪相比,使得去噪图像的峰值信噪比更高,视觉效果更好。     

改进的多尺度学习字典图像去噪算法

常规字典学习方法在单一尺度下对图像进行稀疏表示,不能完全表示图像的有效信息,去噪结果有待提升。针对上述局限性,提出一种改进的多尺度学习字典图像去噪算法。该算法使用改进的自适应阈值曲波变换对图像进行多尺度分解,并以此构建曲波域的多尺度学习字典,通过循环迭代完成字典和稀疏系数更新并叠加对应的曲波域图像块,最后执行曲波反变换得到去噪图像。结果表明,相对常规去噪算法,论文方法的灰度图像去噪结果峰值信噪比平均提升56.6%,结构相似度平均提升0.44;实际B超图像的完全无参考值提高47.3%,专家平定值提高32.3%。结论认为,改进方法对图像的边缘/纹理细节保持好,图像质量提升明显。     

基于曲波域Mapshrink算法的双阈值去噪

Mapshrink算法广泛应用于小波域的阈值估计,而曲波变换是一种新的多方向性的多尺度变换理论.首先将Mapshrink算法引入曲波域,并分析单一阈值去噪存在的问题,提出一种联合全局闻值和局部自适应阈值的双阈值去噪方法.方法既继承了全局阈值保持图像总体灰度的特性,又保留了局部自适应方法保持边缘细节的优点.实验证明,该方...     

基于静态小波变换和2代曲波变换的图像融合算法

提出了一种基于静态小波变换(SWT)和2代曲波(curvelet)变换的图像融合算法.首先将原图像分别进行SWT变换得到高、低频分量.然后,对低频分量采用基于2代曲波变换的方法进行融合,对高频分量基于绝对值最大的方法进行融合.最后进行SWT逆变换得到最终的融合图像.实验结果表明,该算法具有SWT变换和2代曲波变换二者的优点,主客观评价均优于单独SWT变换和单独2代曲波变换融合算法,也优于离散小波变换(DWT)和曲波变换相结合的融合算法.     

一种基于第2代曲波变换的尺度相关图像去噪方法

从第2代曲波变换为基础,提出了一种利用尺度相关性进行自适应阈值收缩的图像去噪方法。通过实验比较小波与第2代曲波图像去噪,采用峰值信噪比对去噪结果进行了客观评价,实验结果表明,本文提出的图像去噪方法明显优于小波图像去噪方法,并且相对于单纯的阈值收缩去噪也有很大提高。     

一种自适应阈值曲波图像去噪算法

利用曲波变换进行图像去噪能取得较好的效果,但是现有的曲波去噪没有充分利用图像曲波系数的特点,容易过分扼杀图像的细节信息.本文提出了一种基于阈值自适应的曲波图像去噪算法,利用图像经过曲波变换后的能量分布特性选取阈值,以更好地保护图像细节.实验结果表明,该算法可以将每一尺度上的信号与噪声在最大程度上分离,有效去除了高斯白噪声,进一步提高了峰值信噪比,更好地实现了去除噪声与保护图像细节之间的平衡.     

基于Curvelet变换特征的人脸识别算法

针对小波变换无法准确表达二维奇异曲线的弱点,提出基于曲波(Curvelet)变换特征的人脸识别算法。Curvelet变换可以很好地去逼近奇异曲线,对于人脸图像能实现最优的稀疏表示。该算法采用基于Wrapping的离散Curvelet变换加权算法对训练集的人脸图像进行特征提取生成特征矩阵,再通过PCA方法降低维数后结合稀疏表示分类算法(SRC)进行人脸识别。通过在ORL、Yale和AR三个人脸数据库上的仿真实验以及和基于小波变换类识别算法、LDA算法和SRC算法等比较,实验结果表明该算法在人脸遮挡、姿态变换、表情变换和光照变换等干扰因素的作用下具有较高的人脸识别率和较好的鲁棒性。     

全变差与曲波联合稀疏表示模型与原对偶算法

全变差模型因能有效捕捉图像与视频中的细节信息而被广泛应用于机器视觉中,曲波变换具有较强捕捉二维信号中线状跳变信息的能力。文中结合全变差模型和曲波变换的优点,提出一类能更好地捕捉二维信号特征的联合稀疏表示模型,并用原对偶算法求解该模型,即原对偶全变差曲波算法。实验结果表明,用文中模型及求解算法处理后的图像,其客观质量及主观视觉效果均优于现有算法。文中算法也可用于解决图像去模糊、超分辨率等其它具有挑战性的图像处理问题。     

一种基于曲波变换的图像去块算法

图像块效应是由于进行图像压缩编码时采用离散余弦变换(discrete cosine transform,DCT)并对其系数进行量化处理而引起的,该过程丢失了一些频率成分,并引起了子块边界不连续的跳变.针对这一问题,提出了一种基于曲波变换的图像去块算法,该算法首先对退化图像进行曲波变换,再对所获取的各层曲波系数进行处理以备复原图像.通过寻找各层中与原始图像块效应相对应的系数,对不同的层采用不同的方法,并计算图像重建时所要使用的新系数矩阵.实验表明,该算法比传统在客观和主观评估中都被普遍运用的空间域和小波去块方法,得到了更佳的图像复原效果,且保留了更多的细节.     

基于第二代Curvelet变换的自适应图像增强

Curvelet是继小波和Ridgelet之后一种新的图像多尺度表示方法,Curvelet具有多尺度,多方向的特性,属于高度各向异性的变换。第二代Curvelet变换克服了第一代Curvelet变换的高数据冗余度问题,特别是基于”Wrapping”方式的第二代离散Curvelet算法,不仅运算快速、几何真实,而且快速可逆。因此,将第二代Curvelet变换用于图像增强,并通过自适应地确定Curvelet分解子带的噪声水平,实现了一种自适应图像增强方法。实验结果表明,同基于小波变换的图像增强方法相比,该方法具有明显的优势。     

基于curvelet变换和独立分量分析的含噪盲源分离

独立分量分析（ICA）是基于信号高阶统计量的盲源分离方法,在高阶统计量方法中,由于高斯信号的高阶累计量为零,所以系统存在加性高斯噪声时就难以处理。提出了一种基于curvelet阈值去噪和FastICA算法的含噪信号盲分离的方法,并对高斯噪声环境下的混合图像进行了盲分离的仿真。结果表明,该方法能很好地解决由于存在加性高斯噪声而导致经典ICA算法性能发生严重恶化的问题;同时将curvelet变换去噪应用于含噪图像的盲源分离中,可以提高混合图像的信噪比,相对于小波去噪后的ICA算法,其分离性能有很大改善。     

基于曲线波隐马尔可夫模型的人脸检测

提出了一种基于曲线波隐马尔可夫模型的混合人脸检测算法.曲线波变换是一种多尺度几何变换,具有很好的方向性,能用极少的非零系数精确表示图像的边缘,是一种最稀疏的表示方法.根据隐马尔可夫模型对人脸拓扑结构的约束,采用3状态的隐马尔可夫模型进行从粗到细的人脸检测.实验结果表明,这种算法具有较好的检测速度与正确率及鲁棒性.     

第二代Curvelet变换在地震随机噪声衰减中的应用

介绍了具有多尺度与多方向性特点的Curvelet变换的基本原理及实现方法。采用硬阈值法将其应用于地震数据随机噪声衰减中,并进行了仿真计算。结果证明利用Curvelet变换能比较彻底地去掉噪声,去噪后的图像边缘保持良好,滤除噪声同时还保留了有效部分,去噪效果良好,且易于实现,在地震资料处理中具有一定的可行性和应用前景。     

基于快速曲波变换和独立分量分析的有噪图像盲分离算法

曲波（Curvelet）变换有两种数值实现方法,一种是基于非均匀采样的快速Fourier变换即usfft算法;另一种是基于特殊选择的Fourier采样的卷绕即wrapping算法。将这两种实现方法针对图像去噪性能进行了比较,并且提出将曲波变换的wrapping算法和FastICA算法结合起来,对含有噪声的混合图像进行了盲分离。仿真研究结果表明,对于含有加性观测噪声的混合图像,该方法有更好的去噪分离效果,并且运算速度显著提高。     

基于第2代Curvelet的非监督式纹理缺陷分割

针对纹理缺陷分割问题,将曲波变换与均值漂移理论相结合,形成有效的纹理分割新方法。首先,通过曲波变换将图像分解到各通道,对各通道的图像进行非线性变换得到特征图像;然后,用均值漂移算法对各通道特征图像进行自适应聚类,找到各通道的奇异点;最后,对所有通道滤波后的图像进行重构,使缺陷凸显并通过阈值法二值化。该方法不需要学习样本,可以快速、精确地定位到多目标物边界,对旋转、亮度变化、噪声、弱边界具有很强的鲁棒性。通过MATLAB进行仿真实验,验证了该方法的有效性。     

Curvelet变换的多波段遥感图像融合研究

提出一种基于Curvelet变换的多波段遥感图像融合算法。Curvelet变换具有比小波变换更好的边缘表达,因而更适合图像的融合处理。采用具有多尺度、多方向特点的Curvelet变换对多波段遥感图像像进行分解。对于低频系数采用平均融合算法,根据高频子图边缘分布差异,对于方向高频系数采用区域边缘检测和区域谱熵算法实现多波段遥感图像的融合处理。实验结果表明,提出的算法与传统算法相比在保留原始图像边缘和纹理信息同时,可以有效地取得较好的融合视觉效果。     

图像融合在超声造影成像中的应用

针对造影谐波成像能够增强病灶,基波成像能够提供清晰的组织边界的特点,提出了利用相同频率下采集的超声造影基波和谐波图像进行Curvele图像融合的方法,增强谐波图像中的组织边缘。该方法首先对超声造影基波和谐波图像进行Curvelet变换,然后对于低频和高频系数分别采用不同的融合策略,获得组织边界和内部细节均清晰的超声图像,实现病灶区和组织边界的良好定位。实验结果验证了该方法的有效性。