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。     

基于分块Contourlet变换的图像独立分量分析方法

该文利用Contourlet变换良好的稀疏特性和能准确地捕获图像中的边缘信息的特点,提出了一种基于分块Contourlet变换的独立分量分析方法,并应用到图像分离中。实验结果表明,该方法在分离效果和处理时间上都有一定的优越性。     

基于分块和Contourlet变换相结合的多聚焦图像融合算法

分块融合易产生块效应,而Contourlet变换融合方法不具备平移不变性.结合以上方法的各自优势,提出1种新的基于Contourlet变换与块分割相结合的多聚焦图像融合方法.首先对图像进行分块并评价子块清晰度,然后通过建立标记矩阵,确定图像清晰区域、模糊区域及两者的交界区域.对非交界区域,直接选取清晰子块的像素值作为融合后的像素值;对介于清晰与模糊之间的交界区域,采用1种新的基于Contourlet变换的融合算法完成融合.实验结果表明,该方法有效抑制了图像块效应,且具备平移不变性,融合效果明显优于分块和Contourlet变换融合方法.     

基于独立成分分析的多时相遥感图像变化检测

变化检测是通过分析多时相遥感图像间的差异实现地物变化信息的提取,而消除多时相遥感图像中的相关性是提取变化信息的一种有效途径。独立成分分析(ICA)作为近年出现的盲源分离技术,能够有效地消除多源信号间的二阶和高阶相关,经其变换的各分量之间相互独立。该文提出一种应用ICA变换实现多时相遥感图像变化检测的算法,首先对多时相多光谱遥感图像进行独立成分分析,得到彼此没有相关信息的独立成分,并且各独立成分图像中的变化信息得到增强;然后通过分析变换后的独立成分实现地物的变化检测。实验结果显示该算法比传统的方法具有更好的性能。     

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.     

基于Contourlet和改进牛顿插值的图像超分辨率重建

通过研究现有图像超分辨率重建算法原理,针对其不足,提出了一种基于Contourlet轮廓波和改进牛顿插值算法的图像超分辨率重建方法.该算法首先对原始图像进行Contourlet变换,然后对高频分量做多方向的改进牛顿差值计算,最后进行小波逆变换得到更加清晰的高分辨率图像.实验结果表明,该算法比传统插值算法和小波插值算法具有更好的视觉效果,并且拥有更高的信噪比和结构相似性.     

基于二维小波变换和独立分量分析的SAR图像去噪方法

该文给出了一种基于离散小波变换和独立分量分析的SAR图像斑点噪声抑制方法。首先利用小波变换对图像进行分解,然后将分解出的各部分子图像分别进行独立分量分析,提取出相应的独立源,去除噪声分量,最后依次进行ICA重构和小波重构。该文还同时比较了采用不同小波基函数时斑点噪声的抑制效果,研究了它们对斑点抑制的影响。对MSTAR实测SAR图像的实验结果表明该方法能够有效地抑制图像中的斑点噪声,且在性能上优于ICA和Lee滤波方法。     

基于NSCT的多光谱和全色图像的融合

提出了一种基于无下采样Contourlet变换的多光谱和全色图像的融合方法.该方法在对多光谱影像进行IHS变换的基础上,对多光谱的I分量和高分辨率的全色影像分别进行无下采样Contourlet变换(NSCT),然后对分解得到的近似分量以及各层金字塔各方向的细节分量利用本文提出的一定的融合准则分别对近似分量和细节分量进行影像融合,最后通过无下采样Conlourlet逆变换得到新的I分量,与H,S分量一起还原到RGB空间,最终得到融合后的高分辨率多光谱彩色图像.本文采用一组多光谱图像和全色图像数据进行融合实验,其实验融合图像的目视效果和统计指标均优于传统的IHS融合方法、小波融合方法以及Contourlet变换方法.     

基于ICA小波的数字水印方案

基于独立分量分析(ICA)和小波变换理论,提出一种新的图像数字水印方案.该方案在小波域利用ICA的方法完成水印嵌入和检测.计算机仿真结果表明该方案具有较好的透明性和鲁棒性.     

一种基于独立分量分析的图像融合方法

独立分量分析是一种基于高阶统计量的信号分析方法,近年来在图像处理和信号处理领域发挥着越来越重要的作用,因此也逐渐得到了人们广泛的关注和研究。本文提出了一种基于独立分量分析的图像融合方法。文中首先介绍了3种常用的图像融合方法：加权平均法、主成分分析法和小波变换法;然后在ICA模型的基础上提出了基于独立分量分析的图像融合方法;最后通过实验验证了该算法的有效性。     

一种结合Contourlet和小波变换的图像编码算法

该文提出了一种Contourlet变换和小波变换相结合,使用新的空间方向树的类似SPIHT编码算法。该算法先对图像进行Contourlet变换,再对变换后的低频子带进行多级小波变换,然后根据变换后系数的结构特性,借鉴小波SPIHT编码思想,构造了一种新的空间方向树,实现了对变换后系数的类似SPIHT编码。仿真实验结果表明,该算法与小波变换,Contourlet变换和基于小波的Contourlet变换的SPIHT算法相比,重构图像保留了更多的纹理和细节信息,并且在低比特率下具有较高的峰值信噪比。     

基于Contourlet直方图的目标跟踪算法

提出一种基于Contourlet直方图的目标跟踪算法。对图像先进行Contourlet变换,并利用变换后的Contourlet系数建立Contourlet直方图,将其作为meanshift算法的迭代参数来实现目标跟踪。实验结果表明,本算法具有较好的鲁棒性,能够在遮挡、小目标等情况下实现快速准确的跟踪。     

全景图拼接中图像融合算法的研究

为了实现平滑连续的全景图拼接融合效果,针对全景图拼接的特点,提出了利用彩色空间变换和Contourlet变换结合对比度金字塔分解的图像融合算法。首先进行HSI彩色空间变换,得到图像的亮度信息,然后利用基于对比度金字塔的Contourlet变换对亮度信息进行塔式分解,得到不同的频带信息,再对不同频带进行融合处理。实验证明,该文提出的算法充分利用Contourlet变换的轮廓特性,展示了图像的细节信息,从而很好地实现了全景图的拼接融合效果。     

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。     

基于多尺度变换的直觉模糊推理图像融合算法

提出了基于多尺度变换的直觉模糊推理医学图像融合方法,针对4种多尺度变换对图像融合的影响进行了分析。文中融合算法是利用4种多尺度变换对待融合图像进行分解,并对得到的低频分量和高频分量采用直觉模糊推理融合规则进行处理,最后将融合后的低频分量和高频分量经逆变换得到融合图像。实验结果表明本文算法优于传统的模糊推理图像融合算法,并且在变换域中,Contourlet变换下的融合结果要优于其它3种变换。     

基于数字图像处理的冲压工件增强算法研究

传统的图像增强算法在增强图像时,存在丢失细节和增大噪声以及运行时间长等问题,为了满足冲压工件缺陷自动在线检测技术的需要,本文提出了基于Contourlet变换和混沌小生境粒子群优化算法(NCPSO)相融合的图像增强算法。首先,对图像进行Contourlet变换分解,在带通方向子带进行自适应增强来实现对工件图像的增强;然后将NCPSO算法引入,克服了Contourlet变换在图像增强时速度较慢等问题,提高了算法效率。通过实验表明,该方法在增强效果和运算时间上都优于传统的图像增强算法。     

基于Contourlet变换的偏振图像融合

提出一种基于Contourlet变换的偏振图像融合算法。Contourlet变换是一种具有几何信息的灵活多尺度、多方向和平移不变性的图像分解变换,与小波变换相比,对图像分析很重要的沿曲面任意方向反映的细节更容易调整。采用Contourlet变换对三个555波段不同方向的偏振图像进行分解,对于高频和低频系数分别采用不同的窗函数计算区域能量,最后加权实现偏振图像的融合处理。实验结果表明,该算法与小波分解法相比在保留原始图像边缘和纹理信息同时,可以体现偏振图像的特点,取得较好的融合视觉效果。     

基于Contourlet变换的稳健性图像水印算法

提出了基于Contourlet变换的数字图像水印算法。与小波变换不同的是,Contourlet变换采用类似于线段(contoursegment)的基得到一种多分辨、局部化、方向性的图像表示。水印信号通过基于内容的乘性方案加载到Contourlet变换系数。在采用零均值广义高斯分布拟合Contourlet变换系数的基础上,提出采用极大似然估计实现水印的盲检测。依据Neyman-Pearson准则,在给定虚警率的情况下对判决准则进行了优化。实验结果表明在保证水印隐蔽性的前提下,水印对常见的信号处理手段以及几何变换具有很好的稳健性。     

一种基于mean shift的Contourlet域SAR图像去噪方法

Contourlet变换是小波变换的新发展,具有良好的多尺度和多方向性。合成孔径雷达(SAR)图像Contourlet阈值去噪不考虑相邻像素在变换域的联系,将低于阈值的变换系数置零,会丢失图像中的细节信息。针对上述问题,文中提出一种新的去噪算法:首先,将SAR图像进行Contourlet分解;然后,利用具有良好间断点保留能力的mean shift算法处理子带系数。实验结果证实该算法能够在有效抑制相干斑噪声的同时,较好地保留图像中的细节信息。