多尺度几何分析及其在去噪中的应用

多尺度几何分析的本质是在最优意义下实现信号的稀疏表示.介绍多尺度分析发展的历史和最近的成果,揭示推动多尺度分析发展的根源.通过实际例子比较了小波变换、Contourlet变换、Curvelet变换在压制随机噪声方面的差异.进一步证实了在高维信号中多尺度分析能够取得优于小波变换的稀疏表示.     

基于多尺度分析的人脸识别比较研究

在分析Gabor小波的基础上,提出了一种变采样率Gabor小波的方法,与传统的Gabor小波相比,其识别效果得到大幅提高。该方法采用Curvelet、Log-Gabor小波和Contourlet三种方法结合主分量分析应用于人脸识别。对比实验结果表明,针对表情变化,Curvelet变换不仅识别性能最佳、速度也最快;而针对光照变化,Contourlet综合性能最好,对光照变化具有较强的鲁棒性。综合而言,使用Contourlet变换对图像进行特征提取效果非常好,它能很好地表达人脸的主要信息,是对人脸图像的一种稀疏的、有效的表达。     

一种多方向的合成孔径雷达图像边缘检测方法

经典的边缘检测方法 (Canny,Roberts,Prewitt等)受合成孔径雷达(SAR)图像斑点噪声的影响致使其检测效果不佳;基于SAR图像的假设检验方法 (Ratio算法等)其检测性能不随图像强度的变化而变化,边缘检测错误率低,但检测到的边缘片段较粗;针对上述问题,结合小波的多分辨分析特性以及Contourlet变换的充分捕获高维奇异信号的能力,提出一种改进的Contourlet变换与改进小波变换的模极大值方法对SAR图像进行边缘检测,在16个方向上对SAR图像进行边缘提取,进而保证了边缘信息的丰富性;试验结果表明,该方法提取的SAR图像边缘位置精确,运算速度较快,利于后续的图像匹配。     

一种文档图像多尺度分割算法

1.研究背景随着数字图书馆和电子办公应用的日益普及,面对大量纸质原始文件及资料的数字化,直接扫描、存储和传输文档的需求越来越多,为了解决扫描文档图像庞大信息量和存储容量、传输带宽之间的矛盾,迫切需要专门针对文档图像研究新的高性能压缩算法。根据扫描文挡页面的内容特征,提高压缩比最有挖掘潜力的方法是对文档图像进行图文分割后再分别     

一种更适合图像处理的多尺度变换--Curvelet变换

Curvelet变换是继小波变换之后,能更适合图像处理特点的一种多尺度变换,它能同时获得对图像平滑区域和边缘部分的稀疏表达,且具有很强的方向性,已有初步结果显示其在图像处理中的发展潜力。文章首先给出Curvelet变换的概念,并说明其算法实现。再综述Curvelet变换在图像处理中的应用。最后,提出对Curvelet变换的进一步研究方向。     

一种无抽样Contourlet变换的图像去噪方法

提出一种基于Contourlet变换的图像去噪方法,Contourlet变换采用无抽样形式,系数萎缩处理阈值门限与尺度相关。通过模拟产生不同方差噪声信号进行Contourlet变换,确定各尺度子带系数阈值,得到噪声方差与各尺度子带阈值对应表。对噪声污染图像进行Contourlet变换并估计噪声方差,查表得到各子带阈值,进行系数萎缩处理。实验表明提出的处理方法简单有效,去噪结果具有良好去噪视觉效果和较高峰值信噪比。     

基于层结构的Contourlet多阈值图像去噪算法

研究了多尺度几何分析工具Contourlet，提出了一种基于层结构的Contourlet多阈值去噪算法。该算法将硬阈值算法与基于子带相关的图像去噪方法相结合，根据Contourlet变换后各层分解的系数数目及噪声强度设定阈值，并利用硬阈值函数实现图像去噪。使用该算法去噪后的图像在主观视觉效果和客观质量等方面较小波算法有显著提高。     

一种有效的滤波尺度自适应调整边缘检测方法

该文在分析图像的边缘细节提取与噪声消除相矛盾的基础上,提出了一种有效的滤波尺度自适应调整的小波边缘检测方法,并且给出了滤波尺度参数的调整策略。实验结果表明,该方法能有效提取图像的细节边缘,具有较好的抗噪声性能。     

Contourlet和小波相结合的SPIHT算法

借鉴Contourlet变换和WBCT的思想,采用Contourlet和小波相结合的变换,并根据变换后系数的特殊结构,提出了一种新的空间方向树结构,实现了对变换后系数的类似SPIHT编码,达到了对图像压缩的目的。实验表明,该算法能更好地恢复图像的纹理和细节信息,并在低比特率下具有较高的峰值信噪比。     

基于非抽样Contourlet变换的医学图像融合算法

分析了非抽样Contourlet变换（Nonsubsampled Contourlet Transform,NSCT）的原理,提出了一种新的基于NSCT的医学图像融合算法,应用NSCT对CT和MRI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,带通子带采取模最大融合,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NSCT的红外与可见光图像融合

针对红外与可见光图像的不同特点,提出一种基于非采样Contourlet变换（NSCT）的红外与可见光图像融合算法。采用NSCT对源图像进行多尺度、多方向分解;分别采用基于局部能量和区域特征的融合规则得到融合图像的低频子带系数和带通方向子带系数;最后经过NSCT逆变换得到融合图像。实验结果表明,该算法能够获得较理想的融合图像,其融合效果优于基于Contourlet变换的图像融合算法。     

基于Contourlet变换的纹理图像特征提取方法

对Contourlet变换构造以及Contourlet变换进行了描述,对其子带系数采用广义高斯模型进行建模.同时为进一步降低模型的计算复杂度,对模型进行曲线拟合.用两个变量描述每一系数模型概率.从而提取图像特征.最后,通过在Brodatz纹理数据库中图像搜索验证特征提取的有效性.     

基于双密度Contourlet变换的图像检索

提出了一种新的双密度Contourlet变换,理论证明该变换在L2(Z2)空间是框架算子,具有较低平移敏感性和多方向分辨能力的优点。纹理图像在该变换域的高频方向子带系数分布符合广义高斯分布,可以利用广义高斯参数估计表征图像高频子带的纹理特性;针对变换域的低频子带,采用局部二值模式(LBP)提取图像的局部纹理特征。基于内容的图像检索实验表明,所提算法检索精度比传统Contourlet变换算法提高了5.3%。     

基于伪Zernike矩和Contourlet变换的抗几何攻击图像水印算法

在研究Contourlet变换和伪Zernike矩理论的基础上,提出了一种新颖的抗几何攻击数字图像水印算法。该算法首先 用Contourlet变换处理 原始图像,提取出图像的低频区域;然后依据人眼的视觉特性以及嵌入水印前、后系数的相关性,采取量化调制伪Zernike矩的幅值将数字水印信息嵌入图像的低频区域中。其无须借助于原始图像,就能进行水印提取,实现真正的盲检测。实验结果表明,该算法对平移变换的抵抗力最强,对旋转和缩放也有很好的抵抗力,而且经过JPEG压缩之后,数字水印也不会失真。     

结合多分辨率与块分割的不同聚焦图像融合

提出了一种结合多分辨率与图像块分割的图像融合新方法。该方法除将多分辨率融合图像块作为可能位于源图像的模糊区域与清晰区域交界处位置的最终融合图像块之外,还将多分辨率图像融合方法获取的融合图像与源图像进行分块比较,选用与多分辨率融合图像块相似的源图像块作为最终融合图像块。实验结果表明,该方法能有效提高常用的多分辨率图像融合方法的融合效果。     

多聚焦图像融合的Contourlet变换方法

Contourlet变换（Contourlet Transform,CT）是一种新的多尺度变换,具有良好的多尺度性和多方向性。提出了一种基于Contourlet变换的多聚焦图像融合算法,同时引入Cycle Spinning来有效地消除由于Contourlet变换缺乏平移不变性而产生的图像失真。实验结果表明该算法可获得较理想的融合图像,取得了优于laplacian塔型方法和小波变换方法的融合效果。     

结合FT与NSCT的自适应阈值去噪算法

为更好地对图像进行稀疏表示,以改善去噪效果,提出一种傅里叶变换与非下采样轮廓波变换(NSCT)相结合的自适应阈值去噪算法。在傅里叶域中对含噪图像去噪,在NSCT域中利用分层噪声估计的贝叶斯阈值算法,结合多尺度多方向的能量阈值修正方案自适应地滤除剩余噪声。实验结果表明,该算法的去噪性能较好。     

一种基于扩频的Contourlet域盲水印算法

提出一种基于量化的Contourlet水印算法。该算法首先对原始水印信息进行置乱,采用伪随机序列周期延扩的方法,生成扩频水印。然后对载体图像进行Contourlet变换,最后使用量化的方法,将产生的扩频水印嵌入到选定的Contourlet域系数中。实验结果表明,该算法具有很好的透明性,对一般的信号处理,例如,JPEG压缩、模糊和锐化等具有较好的鲁棒性。