基于小波-Contourlet变换的智能监控图像融合的增强方法

智能监控图像已经成为图像实际应用中不可或缺的一项工作,为了获得更好的增强效果,提出了一种基于小波-轮廓波(小波-Contourlet)变换的图像融合的图像增强方法,并且与图像循环平移(Cycle Spinning,CS)相结合,提高信噪比,更好地体现图像的边缘和纹理等特征信息。在Matlab环境下进行仿真实验,结果表明,这种算法能够获得更高的信噪比,使视觉效果得到明显的改善。     

基于小波Contourlet变换和区域能量融合规则的图像融合算法*

利用小波-Contourlet变换的多尺度和多方向性特征以及基于区域能量的融合规则在选取融合系数上的优势,提出了一种基于小波-Contourlet变换和区域能量融合规则的图像融合算法,并引入Cycle Spinning来消除变换缺乏平移不变性而引起的图像失真。实验结果表明,该算法明显降低了融合图像的RMSE值,减少了运算时间,达到了良好的视觉效果。     

基于小波-Contourlet变换的图像压缩算法

利用小波-Contourlet变换对图像分解具有多尺度和多方向性的特点,提出一种结合小波-Contourlet变换和无链表集合分裂嵌入块编码的图像压缩算法.小波-Contourlet通过方向滤波器组把小波分解的高频予带进一步分解为多个方向子带,从而更稀疏地表示图像的边缘和纹理.无链表集合分裂嵌入块算法充分利用系数子带内的相关性,具有复杂度低、编码效率高的优点.实验结果表明,与基于小波变换的SPIHT算法和SPECK算法相比,新算法对纹理丰富的图像有很好的压缩效果和视觉效果.     

基于非采样提升小波变换的图像融合算法

针对传统提升小波变换的图像融合算法缺乏平移不变性以及区域能量融合准则存在的不足,提出了一种基于改进提升小波变换的图像融合新算法.该算法在提升小波变换原理的基础上,通过取消其奇偶分裂来获得具有平移不变性的非采样提升小波变换.对图像经此变换得到的低频部分设计出一种新的基于区域空间频率的加权和选择相结合的融合方法,高频部分采用一种基于边缘信息的加权融合策略.为验证所提出融合方法的有效性,对多聚焦图像进行了融合实验.实验表明,与传统的图像融合算法相比,该算法能更好地描述灰度的突变信息,获得含有丰富细节特征的融合图像.     

基于复小波-Contourlet变换的高维信号处理

Contourlet变换克服了小波变换在处理高维信号时的不足,相对于小波变换具有较好的方向性、较高的逼近精度和较好的稀疏表达性能。因此将Contourlet变换用于多维信号处理,能更好的提取图像信号边缘特征,为融合提取更多的特征信息。利用对偶树复小波-Contourlett变换的多尺度和多方向性特征以及自适应融合规则在选取融合系数上的优势,提出了一种自适应对偶树复小波-Contourlet变换的多传感图像融合新算法。算法是将全色图像和多光谱图像进行对偶树复小波-Contourlet变换分解后,针对不同的频率域特点选择不同的融合规则,对低频系数选取区域能量的加权系数自适应融合规则,对高频系数特性选用了区域特征自适应的融合规则,最后通过重构得到融合图像。将其他的融合算法和本文所提算法进行了主观和客观的对比,结果表明,该算法是一种有效可行的图像融合算法。     

基于多尺度形态小波变换的红图增强算法

针对红外图像对比度差、信噪比低的特点,本文将小波分析与数学形态学相结合,提出了一种基于多尺度形态小波变换的红外图像边缘增强算法.该算法首先利用多尺度形态小波变换对图像进行分解,提取图像的多尺度边缘特征,然后通过非线性增强算子来改变边缘特征的强度,最后利用多尺度形态小波反变换重构图像,以实现图像边缘的对比度增强和背景抑制.实验结果表明,该算法有效地保持和增强了边缘信息,得到较好的增强效果.     

一种新的多聚焦图像融合算法

提出了一种基于小波-Contourlet变换的多聚焦图像融合算法;该算法首先采用小波-Contourlet变换对源图像进行多尺度分解,得到高频和低频图像;接着根据高、低频分量各自的区域特性,采用不同的融合规则进行处理,得到小波-Contourlet变换域的融合系数,最后通过反变换得到融合图像;采用信息熵、标准差和互信息3个评价标准,将该算法和传统的小波算法和Contourlet算法的融合结果进行了比较;实验结果表明,该算法获得的评价指标都优于其它算法,且融合图像较好地从源图像中提取了有用信息,提高了融合质量.     

结合边缘颜色与形状特征的图像检索方法

小波变换具有良好的局部特性与多尺度特性, 能多尺度逼近边缘, 这使得它在图像奇异性检测和特征提取方面得到了广泛的应用. 通过三次样条二进小波变换模极大值法提取图像彩色边缘, 用彩色边缘的环形颜色直方图表示颜色特征, 用小波模极大值的环形直方图表示形状特征; 最后利用上述两种直方图计算图像间的相似度, 并进行彩色图像检索. 实验结果表明该算法不仅具有较好的查准率和查全率, 而且对图像中存在的光照变化和几何变化(尺度, 平移, 旋转等)具有较强的鲁棒性.     

基于自适应理论的影像合成技术

提出了一种基于对偶树复小波-Contourlet变换的自适应影像合成新算法。算法将全色图像和多光谱图像进行对偶树复小波-Contourlet变换分解后,针对不同的频率域特点选择不同的合成规则。对低频系数选取区域能量的加权系数自适应合成规则,对高频系数特性选用了区域特征自适应的合成规则,最后通过重构得到合成图像。将其他的合成算法和本算法进行了主观和客观的对比,结果表明,基于对偶树复小波-Contourlet变换区域特征自适应的影像合成算法是一种有效可行的影像合成算法。     

综合颜色特征与形状特征的图像检索算法

由于小波变换具有良好的局部特性与多尺度特性,能多尺度逼近边缘,这使得它在图像奇异性检测和特征提取方面得到了广泛的应用。采用二次样条二进小波变换进行边缘检测,用边缘梯度方向直方图表示图像形状特征,用颜色直方图表示图像颜色特征,提出了综合颜色特征和形状特征的图像检索算法。实验结果表明,该算法不仅具有较好的检索性能,而且对图像中存在的光照变化和几何变化（尺度、平移、旋转等）具有较强的鲁棒性。     

SAR图像的NSCT域自适应收缩相干斑抑制

提出了一种基于Nonsubsampled Contourlet（NSCT）变换域自适应收缩的SAR图像相干斑抑制算法。首先将SAR图像分解至NSCT域,其次对NSCT系数进行Pizurica自适应收缩。利用NSCT变换的良好的方向选择性及平移不变性,同时结合Pizurica自适应收缩的方向空间相关性及其局部噪声度量,自适应地得到各方向的高频子带系数对应的收缩因子,修正NSCT系数,最终将修正后的子带系数通过NSCT逆变换获得经过斑点噪声抑制的图像。实验结果表明,与小波域软阈值和Contourlet域软阈值算法相比,该算法在有效抑制SAR图像斑点噪声的同时能更好、更清晰地保持图像的边缘细节特征。     

基于边缘检测的Contourlet变换图像去噪

为了实现较好保留图像边缘特征的有效去噪,提出了一种基于边缘检测的Contourlet变换去噪方法。该方法先用LOG算子提取图像边缘,进而在Contourlet变换域上对图像的边缘部分和非边缘部分分别选取不同阈值进行最佳软阈值去噪处理。实验表明,与采用Donoho软阈值的Contourlet变换去噪方法相比,该方法可有效地保留图像的边缘信息,达到了更好的去噪效果。     

第二代轮廓波纹理图像检索系统

提出了一种基于第二代轮廓波变换的纹理检索系统的实现方法。该系统采用第二代轮廓波变换域子带系数的能量和标准偏差序列作为特征向量,以Canberra距离为相似度度量标准。采用Brodatz纹理数据库中的109幅640×640的纹理图像为实验对象,比较了基于同样架构的第一代轮廓波变换和第二代轮廓波变换纹理检索系统的性能。实验结果表明：在特征向量长度、检索时间、所需存储空间基本相同的情况下,第二代轮廓波变换检索系统比第一代轮廓波变换检索系统具有更高的检索率。     

基于非降采样轮廓波变换的图像修复算法

多尺度分析技术已经广泛应用于数字图像处理领域,较大破损区域的图像修复成为图像修复的一个热点和难点。针对该问题,结合多分辨率分析原理与传统的样本块图像修复技术,提出了一种基于非降采样轮廓波变换的图像修复算法。该算法利用非降采样轮廓波变换把图像分解成低频部分和高频部分,并对图像分解后不同频率的部分分别予以修复。其中,图像的低频成分采用改进的纹理合成的方法进行修复。因为图像经过非降采样轮廓波变换后,低频分量与高频分量之间对应位置的信息之间具有一致性的特点,所以在修复低频成分的同时实现其他高频分量对应位置信息的修复。最后通过非降采样轮廓波重构过程完成纹理图像的修复。一般图像修复方法的参数选取以图像的修复效果最佳为宜,给出一个反例进行分析论证。实验发现,所提算法所修复图像的结构相似性测度与经典Criminisi算法和小波修复算法相差不大,但是峰值信噪比（PSNR）测度依据不同图像的纹理结构的特点与破损区域的不同位置特点而不同。仿真实验表明,所提方法很好地推广了非降采样轮廓波变换在图像修复中的应用,并且在修复大区域破损图像时能够获得较好的修复效果。     

基于改进复扩散自适应耦合非局部变换域模型的图像放大

针对二阶偏微分方程（PDE）放大算法丢失弱边缘和纹理细节的不足,提出一种改进复扩散自适应耦合非局部变换域模型的图像放大算法。利用复扩散具有边缘定位准确的特点耦合冲击滤波器,改进复扩散模型能够较好地增强强边缘;而通过对相似图像块构成图像组的三维变换系数的稀疏特性进行建模,非局部变换域模型能够很好地利用图像中相似图像块的非局部信息,对弱边缘和纹理细节有较好的处理效果;最后利用复扩散得到图像的二阶导数作为参数实现改进复扩散模型和非局部变换域模型自适应耦合。所提算法与偏微分方程放大算法、非局部变换域放大算法和偏微分方程耦合空域非局部模型放大算法进行仿真实验比较,在强边缘、弱边缘和细节纹理具有较好的放大效果,弱边缘和纹理细节图像在平均结构相似性测度上高于改进复扩散放大算法、非局部变换域放大算法。所提算法验证了空域模型和变换域模型、局部模型和非局部模型耦合结合的有效性。     

一种HVS和Contourlet结合的图像水印算法

提出了一种Contourlet域的图像水印算法.首先对图像进行多层分解;然后利用视觉系统的亮度纹理特性,把伪随机序列组成的水印信号自适应地嵌入到能量最大的子带中;最后经过逆变换得到嵌入水印后的图像.该算法解决了直接嵌入边缘扭曲的问题,检测端使用基于相关的盲检测.实验结果表明,该算法能够在满足不可见性的条件下抵抗JPEG压缩、加噪和剪裁等攻击,具有很强的鲁棒性.     

基于混合基稀疏图像表示的压缩传感图像重构

单一基函数不能对同时包含边缘和纹理信息的自然图像进行最优压缩传感图像重构. 本文根据Meyer的卡通--纹理图像模型和生物视觉原理, 用拉普拉斯塔式分解和圆对称轮廓波分别表示图像的光滑成分和边缘成分, 并构造了窄带轮廓波变换实现纹理成分的稀疏表示. 三种稀疏变换的基函数分别与视觉皮层中的侧膝体、简单细胞及栅格细胞的感受野类似. 结合三种图像稀疏表示方法和凸集交替投影算法提出了基于混合基稀疏表示的压缩传感图像重构算法. 实验结果表明,与基于块匹配三维变换迭代收缩的图像重构算法比较, 本文算法能获得更高的图像重构质量.     

基于非下采样Contourlet变换的指纹图像超分辨率重建

非下采样Contourlet变换(Nonsubsampled contourlet transform,NSCT)采用非抽样金字塔结构和非抽样方向滤波器组构成,具有Contourlet变换所不具备的平移不变性、较高冗余度等优良特性,而且能够克服伪吉布斯现象。图像经过非下采样Contourlet变换后分解成多尺度、多方向的细节信息,这些细节信息代表了图像不同频带不同方向的特征,这就简化了系数之间的关系。基于学习的超分辨率重建算法具有整体的预测性,将非下采样Contourlet变换和基于学习的算法相结合,在一定程度上提高训练精度。针对指纹图像的实验证明该算法具有良好的性能,重建的图像纹理性细节信息较好,基本保持了原指纹图像的特征点,更接近于原始的高分辨率图像。     

基于引导滤波和Tsallis熵的SAR图像分割算法

针对合成孔径雷达(SAR)图像易受噪声干扰、分割方法精度低的问题,提出了一种基于频域引导滤波和Tsallis熵的SAR图像多阈值分割算法.利用非下采样Contourlet变换(NSCT)对图像多尺度分解,提取图像各方向的高频信息;通过引导滤波增强高频分量的边缘信息,在保持边缘的同时抑制了相干斑噪声;利用改进的二维Tsallis熵多阈值对增强图像精确分割.实验结果表明:分割算法对噪声不敏感,分割精度和适应性明显提高.     

Contourlet-1.3纹理图像检索系统

针对轮廓波变换纹理图像检索系统检索率较低的问题,提出了一种基于较强抗混叠能力的Contourlet-1.3纹理图像检索系统。该系统采用的Contourlet-1.3变换由抗混叠临界下采样拉普拉斯金字塔级联临界下采样方向滤波器构成,特征向量采用变换域子带系数的能量和标准偏差连接而成,以Canberra距离为相似度度量标准。实验结果表明：在特征向量长度、检索时间、所需存储空间基本相同的情况下,基于抗混叠Contourlet-1.3的检索系统比相同架构的轮廓波变换、无下采样轮廓波变换以及Contourlet-2.3检索系统具有更高的检索率;该检索系统中抗混叠Contourlet变换分解结构参数的选择对于检索率也有较大影响。