改进的Contourlet变换的图像去噪算法

为了更有效地去除图像中的噪声,提出一种基于Contourlet变换的新阈值与改进阈值函数的图像去噪方法。新阈值考虑了图像经Contourlet变换后在低尺度子带和高尺度子带的去噪特性,较好地克服通用阈值的不足;改进阈值函数对阈值处理的Contourlet变换的高频细节系数分为上频、中频和下频,并进行相应的处理,较好地弥补各阈值函数的缺陷。实验结果表明,与通用阈值相比,新阈值能更有效地去除图像中的噪声,获得更高的峰值信噪比(PSNR),结合改进阈值函数后,图像的边缘细节得到更好的保护,视觉效果更好。     

Lipschitz指数与平稳小波变换在CT图像去噪中的应用

针对CT切片图像噪声特点以及应用需求,提出了基于Lipschitz指数和平稳小波的CT图像去噪算法。利用改进的中值滤波器滤除图像的脉冲噪声,然后根据图像阶梯边缘的Lipschitz指数与小波系数之间的关系,在更好地保护图像边缘细节的前提下,利用平稳小波变换的阈值去噪方法滤除高斯噪声。实验结果表明,该方法无论是在视觉效果上,还是在最小均方差意义和信噪比增益上,以及保护图像边缘细节上都有很大提高。     

基于USFFT Curvelet变换图像去噪算法

为了更好地保留图像的高频细节信息,有效地避免图像重构中出现边缘扭曲现象.提出一种基于USFFT Curvelet变换的图像去噪算法.该方法首先对噪声图像进行USFFT Curvelet变换,在变换域计算噪声图像具有的全局阈值,然后采用窗口技术自适应地估计每个处理像素的萎缩因子,通过USFFT Curvelet反变换得到去噪后的图像信号.实验结果表明本文算法取得较高的信噪比,更好地保留了图像中存在的边缘,同时在视觉效果上也取得了较好的效果.     

基于对偶树复小波域图像融合的SAR图像去噪

边缘信息是图像重要的细节信息,保护图像的边缘信息对提高图像质量非常重要.但是在图像去噪的过程中,往往会破坏图像的边缘信息.针对去除噪声和保护边缘信息的双重考虑,提出一种基于对偶树复小波域图像融合的SAR图像阈值去噪.考虑到局部硬阈值和软阈值各自的特点,利用对偶树复小波变换的优点和图像融合的特点,首先在自然对数域对SAR图像进行对偶树复小波分解,然后对小波系数分别执行局部硬阈值去噪和局部软阈值去噪,最后依次通过图像融合,对偶树复小波反变换,指数变换得到去噪以后的图像.实验结果表明,算法融合了两种周值去噪方法的优点,在明显去噪的同时,更好地保护了图像的边缘信息.     

结合第二代Bandelet变换分块的字典学习图像去噪算法

针对以往稀疏编码在图像去噪过程中存在的噪声残留和缺乏对图像的边缘与细节的本质特征的保护等问题,提出了一种结合第二代Bandelet变换分块的字典学习图像去噪算法,其更好地利用了图像的几何特性进行去噪。首先,通过第二代Bandelet变换可以灵活地根据图像几何流的正则性特征并能够自适应地获得图像的最稀疏表示来准确估计图像信息,并能自适应地选择最优的几何方向;然后,根据K-奇异值分解(K-Singular Value Decomposition,K-SVD)算法来训练学习字典;最后,通过四叉树分割对噪声图像进行自适应分块,从而去除噪声并保护图像的边缘与细节。实验结果表明,相比于其他学习字典,所提算法能更有效地保留图像的边缘特征与图像的精细结构。     

一种改进的非下采样轮廓波变换图像去噪算法

优化图像去噪问题,在非下采样轮廓波变换图像去噪中,收缩阈值的确定仅依赖变换子带系数的幅值,使得过多图像系数和噪声系数一并去除,导致滤波图像模糊。从检测变换子带几何结构出发,引入自蛇模型对子带系数作几何结构检测并抑制噪声后,估计双阈值将子带系数划分为三类并作不同处理,实现对噪声系数的去除和对图像系数的保护。实验结果表明,相对现有典型算法,改进算法获得的峰值信噪比提高了0.1-0.9dB,图像系数被更好识别和保留,滤波图像中边缘与区域细节损失减少,提高去噪效果,保留图像的有效信息。     

基于Contourlet变换和改进NeighShink的图像去噪

为了有效去除图像噪声且能更好地保护图像细节,提出一种基于Contourlet变换和改进NeighShink的图像去噪方法。首先将图像进行Contourlet变换,利用stein无偏风险估计在各尺度各方向子带上进行启发式阈值估计;然后根据邻域窗能量将低能量系数置0,高能量系数采用近似最大似然估计法估计其方差,再用最小均方误差准则得到真实系数的估计;最后进行邻域系数收缩。实验表明,该方法能有效地去除图像中的噪声,获得更高的峰值信噪比,并且图像的边缘细节得到很好的保护。     

改进的正交小波变换阈值去噪算法研究

研究了图像去除噪声问题.图像中噪声经常会影响图像的清晰度,造成图像模糊等.为了更好的去除图像中的噪声,特别是去除图像中细节丰富的区域中的噪声,传统的去噪方法难以完成.为了更好的去除图像噪声,保留图像细节信息,提高图像的清晰度,提出了一种改进的正交小波变换阈值去噪算法,先将噪声的数字图像进行正交小波变换,得到小波系数,然...     

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.     

基于小波自适应阈值图像去噪方法的研究

利用小波变换对图像去噪是一种非常有效的方法。传统的小波去噪算法对图像去噪后的平滑效果不是很好,图像细节清晰度不够高,甚至会产生伪吉布斯现象。针对这些现象,文中提出了一种改进的基于小波变换的多尺度自适应阈值图像去噪方法。该方法根据图像小波分解的特性,确定适合小波分解后不同层系数去噪的较优阈值,然后结合恰当的阈值函数对各层高频系数进行处理来达到去噪效果。实验结果表明,与传统方法相比,该方法运算量较小,能有效去除高斯白噪声,进一步提高峰值性噪比,同时能够很好地保留图像细节信息。     

Multifocus image fusion method of Ripplet transform based on cycle spinning

The curvelet transform can represent images at both different scales and different directions. Ripplet transform, as a higher dimensional generalization of the curvelet transform, provides a new tight frame with sparse representation for images with discontinuities along C² curves. However, the ripplet transform is lack of translation invariance, which causes the pseudo-Gibbs phenomenon on the edges of image. In this paper, the cycle spinning method is adopted to suppress the pseudo-Gibbs phenomena in the multifocus image fusion. On the other hand, a modified sum-modified-laplacian rule based on the threshold is proposed to make the decision map to select the ripplet coefficient. Several experiments are executed to compare the presented approach with other methods based on the curvelet, sharp frequency localized contourlet transform and shearlet transform. The experiments demonstrate that the presented fusion algorithm outperforms these image fusion works.     

A statistical and Wiener filtering algorithm based on the curvelet transform for SAR images

Synthetic aperture radar (SAR) images contain many kinds of noise. Speckle noise is multiplicative noise generated by the coherent imaging processes involved in SAR images and brings a great hindrance to the interpretation and application of SAR images, so it is considered the first major kind of noise in SAR images. SAR images also contain other incoherent additive noises generated by other factors, such as Gaussian noise, which are all considered the second major kind of noise. In order to reduce the impact of noise as much as possible, after an in-depth study of SAR imaging and noise-generating mechanism, curvelet transform principle, and Wiener filtering characteristic, a novel filtering method, here called the statistical and Wiener based on curvelet transform (SWCT) method is proposed. The SWCT algorithm processes two different kinds noise based on their properties. Specifically, it establishes a two-tiered filtering framework. For the first kind of noise, the algorithm uses the curvelet transform to decompose the SAR image and uses the statistical characteristics of the SAR image to generate an adaptive filtering threshold of the coefficients of decomposition to recover the original image. Then it filters every sub-band image at each decomposed scale and performs the inverse curvelet transform. The second kind of noise is directly filtered using the Wiener filter in the SWCT algorithm. Using the two-tiered filtering model and fully exploiting statistical characteristics, the SWCT algorithm not only reduces the amount of coherent speckle noise and incoherent noise effectively but also retains the edges and geometric details of the original SAR image. This is very good for target detection, classification, and recognition. Qualitative and quantitative tests were performed using simulated speckle noise, Gaussian noise, and real SAR images. The proposed SWCT algorithm was found to remove noise effectively and the performance of the algorithm was tested and compared to the mean filter, enhanced gamma-MAP (maximum a posterior probability) filter, wavelet transform filter, Wiener filter, and curvelet transform filter. Experiments carried out on real SAR images confirmed that the new method has a good filtering effect and can be used on different SAR images.     

基于曲波变换的渐变镜头转场检测算法

曲波变换在处理“曲线奇异”时有明显的优势。给出了曲波变换的计算方法、公式和具体步骤。对dissolve渐变转场过程中的各相邻帧进行曲波变换。以曲波变换后高频系数的平方作为图像帧的特征量,计算相邻帧间此特征量的欧氏距离。用大量的高清码流对算法进行了实验。实验结果表明,此算法有较高的查全率和查准率。     

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.     

贝叶斯框架下基于曲波特征加权的SAR影像分割

为了探究各特征在SAR影像分割中的作用规律,提出一种贝叶斯框架下基于曲波特征加权的SAR影像分割方法.首先,利用曲波变换提取像素的多尺度光谱特征,构成像素特征矢量,为了探究提取的多尺度光谱特征在SAR影像分割中的作用规律,赋予该矢量中的每个特征分量不同的贡献权重,并利用上述特征和贡献权重定义特征加权影像;然后,划分影像域,并在贝叶斯框架下构建基于曲波特征加权的SAR影像分割模型;同时利用马尔可夫链蒙特卡罗(Markov Chain Monte Carlo, MCMC)算法和最大期望值(expectation maximization, EM)算法实现影像分割和权重估计;最后,利用所提出方法和4种对比方法对SAR影像进行分割实验,通过其定性及定量评价结果验证所提出方法不仅能够自适应地确定特征在影像分割的作用,还能有效提高SAR影像分割精度,表明所提出方法在SAR影像多特征分割中的优势.     

基于离散曲波变换的图像Hash算法

为了提高图像Hash算法的鲁棒性,提出一种新的基于离散曲波变换的图像Hash算法。该算法首先对图像预处理,再进行基于“打包”的快速离散曲波变换,提取出包含图像主要特征的曲波低频系数和边缘信息较丰富的细节2层系数作为特征向量;然后用Logistic方程对特征向量加密;最后进行量化压缩得到图像Hash序列。实验结果表明,该算法与已有传统算法相比,具有更高的鲁棒性;能有效区分不同图像,具有易碎性;混沌系统的引入使算法具有安全性。     

基于曲波变换的图像融合方法

本文在研究了曲波变换的特性后,提出了一种基于曲波变换的图像融合方法,并分别将由不同传感器获得的不同分辨率的遥感图像和医学图像利用此方法进行了融合.这种方法不仅能够完好地显示了源图像各自的信息,而且能很好地将源图像的细节融合在一起.实验结果表明采用这种方法可以得到更好的融合效果.     

基于Curvelet的边缘纹理特征提取及表情识别

针对小波变换在提取图像边缘特征上的局限性,提出一种使用Curvelet变换进行边缘纹理特征提取的表情识别方法。Curvelet变换在表达图像的边缘曲线上的奇异性时比小波变换更能得到稀疏的图像表示。在表情识别中,对表情图像使用Curvelet变换得到Curvelet系数作为边缘纹理特征能更好地反映表情的变化,使用K最邻近结点算法进行了识别。结果表明在表情识别中该方法比小波变换更有效。     

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。     

Curvelet transform and cover selection for secure steganography

In this paper, we present curvelet transform (CT) based image steganography that embeds scrambled secret image in appropriately selected cover image. Curvelet transform offers optimal nonadaptive sparse representation of objects with edges and possesses high directional sensitivity and anisotropy. Cover image is decomposed using curvelet transform and adaptive block based embedding is carried out only in non-uniform regions of high frequency curvelet coefficients. In addition, this work also demonstrates a new cover selection method to choose suitable cover from image database. Spatial information based image complexity is modelled using fuzzy logic to identify set of images that yields least detectable stego image. From this set of ranked images, best cover can be chosen for carrying secret information depending on amount of information to be embedded. Cover selection offers reduced risk of detectability and ensures security. It is evident from experimental results that proposed method outperforms conventional methods in terms of imperceptibility, robustness and security.