一种基于Contourlet变换的GFP图像与相衬图像融合算法研究

针对绿色荧光蛋白(GFP)图像和相衬图像两种源图像之间相似性较低、融合时通常面对高频灰度结构信息与低频彩色分子分布信息难以平衡的问题,提出一种色度、亮度、饱和度(HIS)框架下基于Contourlet变换的分层图像融合方法,对变换后逼近子图、最外层细节子图与其余细节子图分别采取不同的融合策略,以区域一致性测度(RCM)准则自适应调整两种图像之间的权重。对来自约翰英纳中心数据库的117组拟南芥细胞图像进行的实验表明,本文算法能够有效保留源图像中的细节信息,提高了融合图像的信息利用率和可视性,在视觉效果和融合评价指标上均较其他算法更为优越。     

基于非下采样Contourlet域高斯尺度混合模型的图像降噪

提出了一种图像去噪方法,将高斯尺度混合(GSM)模型引入非下采样Contourlet变换(NSCT)域,构造了基于NSCT分解系数的邻域模型,并利用Bayes最小均方(BLS)估计进行局部去噪。仿真实验结果表明,通过本文提出的方法能够有效去除高斯噪声,较完整地保持图像中的边缘等细节信息,在峰值信噪比(PSNR)提高与视觉效果上优于其它的去噪方法。实验结果验证了方法的正确性。     

基于Contourlet域ICA和SVM的图像融合

提出了一种基于Contourlet域独立分量分析(ICA)和支持向量机(SVM)的图像融合方法。首先对源图像进行Contourlet变换,再提取其高频系数的独立分量特征,并通过粒子群优化的SVM实现分类,最后进行图像重构得到融合结果。给出了实验结果,采用均方差(MSE)、信噪比(SNR)、信息熵(H)、空间频率(SF)、清晰度(CL)和相关系数(CR)等评价指标对融合效果进行了定量评价,并与加权平均法、基于Contourlet变换或基于ICA的图像融合方法进行了比较。结果表明,所提出的方法能取得更优越的融合效果。     

基于非抽样Contourlet变换的红外图像和可见光图像融合算法

分析了非抽样Contourlet交换(nonsubsampled contourlet transform,NSCT)的原理和优点,针对红外图像和可见光图像的特征,提出了一种新的基于NSCT图像融合算法,应用NSCT对图像进行多尺度、多方向分解,低频子带采取区域能量加权法融合,带通子带采取区域方差加权法融合,最后将融合的系数进行NSCT逆变换得到融合图像.实验表明,与其它融合算法比较,该算法融合图像效果较好.     

基于非子采样Contourlet变换的图像融合算法

提出了一种基于非子采样Contourlet变换的图像融合算法.首先,对图像作Contourlet变换,得到一个低频子带和一系列高频方向子带.其次,对低频子带系数采用基于边缘的规则来融合,而对于高频方向子带系数,采用基于一种基于Contonrlet局部系数相关性的规则来进行融合.最后,对融合系数进行非子采样Contourlet逆变换,得到最终的融合图像.实验结果表明,该方法对可见光、红外图像融合十分有效,能较好地提取原始图像中的边缘方向信息和几何特征.     

Contourlet变换耦合特征投票的遥感图像融合算法

为了解决图像系数融合问题,设计了基于非下采样Contourlet变换与特征投票机制的遥感图像融合算法。采用色相饱和度(HSV)变换从多光谱图像中提取其亮度成分。随后,对该亮度成分与全色图像进行非下采样Contourlet变换,以计算相应的高频、低频系数。再建立特征投票机制,完成低频系数的融合。通过构造高频系数融合规则,获取融合高频系数。最后,对融合系数进行处理,生成融合图像。实验结果显示,所设计算法具有更好的光谱特性以及清晰度。     

基于Contourlet域K-L变换的SAR图像相干斑抑制

针对SAR图像相干斑噪声去除问题,提出了一种基于多尺度分解的Contourlet域K-L变换的SAR图像去噪的新方法。方法首先对源图像进行Contourlet分解,在不同频段的子带图像中,利用K-L变换进行能量保持即提出信号的主要特征,用重构图像来进行去噪,最后通过Contourlet逆变换得到去噪之后的图像。在SAR图像上的实验结果表明,方法不仅较好地保持了图像的纹理和细节特征及边缘特征,且信噪比也较高。     

基于Contourlet域HMT模型的SAR图像相干斑抑制

将Contourlet变换用于SAR图像的统计特性研究中.基于Contourlet域隐马尔可夫树模型(CHMT),从图像复原的角度出发,结合最小均方误差估计和Bayes估计给出一种SAR图像相干斑抑制的新方法.并给出基于拉普拉斯金字塔算法(LP)分解的斑点方差估计方法.实验中与小波域HMT算法进行了比较,本文方法在方向信息的保留和斑点的抑制上均有明显改进.     

基于奇异值分解的Contourlet域图像水印算法

针对小波变换由于方向性缺乏而无法有效稀疏地表示图像本身几何结构的问题,结合Contourlet变换和奇异值分解的优点,提出了一种Contourlet变换域内基于奇异值分解的数字水印算法。宿主图像经过两层Contourlet分解后,生成一系列多尺度多方向的子带,选取第二层分解中能量最大的子带进行大小为4×4的互不重叠的分块,并进行奇异值分解,再将置乱后的原始二值水印信息嵌入到奇异值矩阵中。实验结果表明,该算法实现简单,透明性良好,对常规攻击和几何攻击具有较强的鲁棒性,且优于一般的小波域算法。     

基于Contourlet变换的图像分块压缩传感重构算法

随着压缩传感的广泛应用,其在图像重构方面的优势得以体现。Contourlet凭借其在图像轮廓和纹理方面的出色表现,成为最受欢迎的方向变换之一。文中提出了一种采用Contourlet变换作为稀疏基,并且运用图像分块采样技术,结合平滑投影Landweber迭代的图像重构算法。实验表明,相较于采用DCT和DWT作为稀疏基的图像重构算法,提出的算法使得重构图像的质量有所提高,尤其是在低采样率的情况下。     

复轮廓波包变换及其在SAR图像去斑中的应用

利用解析的双树复小波包变换(DT-CWPT)与非抽样方向滤波器组(NSDFB),构造了一种复轮廓波包变换(CCPT),并将其应用于合成孔径雷达(SAR)图像去斑。新的变换由于对信号的低频和高频部分都进行了分解,因此除了具有多分辨率、局部性、方向性和各向异性的特点外,还具有平移不变性和更丰富的方向分量。实验结果表明,本文构造的CCPT能够有效地抑制斑点噪声,达到较好的边缘保持效果,并且在图像的细节和纹理表现方面具有一定的优势。     

基于非抽样复轮廓波变换的图像去噪算法研究

将二维双树复小波变换(DT-CWT)与非抽样方向滤波器组(NSDFB)相结合,构造一种新的非抽样复轮廓波变换(NSCCT),并对其平移不变性作了相应证明。同时利用对称的正态逆高斯(NIG)分布先验概率模型和贝叶斯最小均方算法,提出一种基于NSCCT的图像去噪算法。实验结果表明,本文构造的NSCCT能够有效地抑制伪Gibbs现象,并且具有更丰富的方向分量,因而在图像的细节和纹理表现方面有一定的优势。     

基于方向区域的NSCT图像融合算法

提出一种新的基于方向区域的NSCT图像融合算法。算法首先对源图像进行NSCT分解,获得不同方向的高低频子带。其次对高低频系数,根据不同分解层的方向特性,按方向区域能量的规则进行融合。最后,通过反变换获得融合图像。该方法既保留了Contourlet变换方法的多尺度多方向特性,又具有移不变性。实验结果表明,提出的算法有效可行,对比常用的区域融合算法,获得了更好的融合效果。     

基于Contourlet变换的医学图像融合研究

介绍了对医学图像进行多分辨率、多方向分解的Contourlet变换。针对医学图像的特点,提出一种改进的中心区域能量加权平均融合规则。进行了不同Contourlet分解层次以及基于Con tourlet变换的不同融合规则的医学图像融合的仿真实验。结果表明,图像的质量有明显提高。     

基于人眼视觉特性与自适应PCNN的医学图像融合算法

针对多尺度变换的图像特征,提出了一种基于人眼 视觉特性与自适应脉冲耦合神经网络(PCNN)的医学图像融合新方法。首先,对经配准的源图 像进行非下采样Contourlet变换(NSCT), 得到低频、高频子带系数;然后,考虑到低频子带系数中保留了绝大部分源图像能量和图像 轮廓特征,提出 区域能量(RE)和梯度奇异值度量(GSVM)相结合的方法;考虑到图像全局特 征,将PCNN用于高频子带系数中,提出区域视觉对比度(SLVC )模拟人眼视觉特性作为PCNN的 外部刺激输入,设定PCNN的链接强度随视觉对比敏感度(VCS) 自适应变化,同时考虑到PCNN的迭 代次数,利用Sigmoid函数计算其点火输出幅值的显著性度量;最后,对获得的融合系数进 行逆NSCT得到融合图像。通过实验对比分析表明,本文算法不仅可以保留源图像信息的同时 ,还得到较好的客观评价指标和视觉效果。     

结合Contourlet变换的Bayes自适应图像去噪算法

提出了结合Contourlet变换的Bayes自适应图像去噪算法。充分利用Contourlet变换的局部性、多分辨率、各向异性等优点。通过Contourlet变换得到图像不同尺度不同方向上Contourlet系数矩阵,实现了建立在对图像多尺度几何分析基础上Bayes估计自适应图像去噪算法。实验表明,新算法能够获得良好的视觉效果并且有效地提高了去噪图像的PSNR值,同时有效的避免了“过扼杀”系数现象,更好地保留了图像的纹理和细节。     

Contourlet域自适应萎缩阈值去噪方法

受到传输距离、电子干扰等多方面因素的影响,在测量船远程故障视频诊断系统中,地面接收到的设备状态图像不可避免地混合有随机噪声,因此图像去噪是设备状态图像预处理阶段重要的任务之一。Contourlet变换是一种优异的图像去噪工具,但固定的萎缩阈值不能自适应于Contourlet系数的邻域信息。构造了一种利用Contourlet系数邻域信息的自适应萎缩阈值,用该阈值结合Contourlet循环平移方法实现图像去噪,实验结果表明,该方法可以提高去噪后图像的峰值信噪比。     

一种空频域结合的自适应二值图像水印算法

本文提出了一种向二值图像中嵌入水印的算法。首先对原始二值图像做小波变换，通过分析其小波系数来寻找图像纹理及细节较丰富的区域，作为水印嵌入域。然后在空域中通过改变嵌入点的像素值来嵌入水印。根据图像的纹理丰富程度来自适应地选取嵌入水印的长度。实验结果表明，该算法具有较强的不可见性和鲁棒性，是一种有效的二值图像的水印嵌入算法。     

基于支持向量回归的Contourlet域盲水印算法

为进一步提高基于支持向量机(SVM,support vector machine)水印算法的性能,提出了基于支持向量回归(SVR,support vector regression)的Contourlet域盲水印算法。首先对宿主图像进行Contourlet分解,然后利用SVM建立图像尺度内的局部相关性模型,根据模型的预测结果自适应地嵌入水印。实验结果表明,所提出的算法不仅具有较好的不可感知性,而且对叠加噪声、JPEG压缩、锐化、平滑滤波和对比度增强等常规图像信号处理以及旋转、剪切等几何攻击均具有较好的鲁棒性,其性能明显优于基于SVM的空间域和小波域的水印算法。