基于非下采样Contourlet 变换的多分辨率图像融合方法

提出了一种基于非下采样contourlet 变换(NSCT) 的多分辨率图像融合方法,通过非下采样金字 塔(NSP) 和非下采样方向滤波器组(NSDFB) 实现对图像的多尺度多方向分解．该方法既保留了contourlet 变换 方法良好的多分辨率特性,又具有平移不变性．在融合处理中,采用一种改进的一致性校验策略;在高频系 数中除了进行本层的一致性校验外,还进行多层之间的一致性校验．实验结果表明,该方法取得了良好的融 合效果,所得融合图像的多项指标都优于拉普拉斯金字塔变换、小波变换、contourlet 变换等方法．     

一种基于改进的contourlet变换的图像压缩算法

Contourlet变换是一种新的结合不可分离的方向滤波的小波变换,它除了具有一般小波变换的多尺度,局部性外,还具有方向性,各向异性。该文分析了contourlet变换的基本原理与变换的特点,改进了contourlet变换冗余大的缺点,提出了一种基于改进的contourlet变换的图像压缩算法。实验表明,在高压缩率下,文章的算法对于方向性明显的纹理图像具有良好的效果。     

基于context模型的contourlet域图像去噪

在分析contourlet域系数分布特征的基础上提出了一种基于context模型的contourlet域图像去噪算法。算法的关键点在于:基于contourlet变换系数的分布特性,确定合适的去噪门限;利用context模型建立图像contourlet变换后的系数分类模型并根据分类使用不同的门限去噪。实验表明,本方法能较好地去除图像噪声,在提高去噪图像PSNR值和改善主观视觉效果方面都表现出了良好的性能。     

基于盲源分离SAR图像相干斑抑制

针对SAR图像相干斑的随机性,采用统计信号处理中盲源分离的方法进行去噪。方法利用了基于峰度的盲源分离(BSS)开关算法,从轮廓(contourlet)变换域和小波的多方向滤波器分解(DFB)的变换域中,进行盲源分离以达到SAR图像的去噪。实验结果显示,与contourlet变换域的其他去噪方法相比,基于峰度的BSS开关算法不仅从视觉上对图像的质量有明显改进,而且在量化图像指标上也得到了较大的提高;而contourlet变换域与小波的多方向分解(DFB)变换域的相应的各类去噪方法相比,后者能得到更好的结果。     

基于非下采样Contourlet变换的彩色图像拼接算法

文中分析研究了非下采样contourlet图像表示方法及在图像变换中的优点,提出了一种基于非下采样contourlet变换的图像拼接方法.利用SIFT算法和最近邻算法求得待拼接图像的匹配点和匹配区域,将待拼接图像分解成不同尺度、多方向的频带,对得到的频带对应地进行拼接,最后利用重构算法将拼接的各频带进行逆非下采样contourlet变换得到拼接图像.针对光照和数码相机的白平衡导致的拼接图像明暗差异,提出了一种基于二维直方图的B样条曲面拟合的的颜色校正方法.实验表明,文中方法优于传统的非下采样小波域中的拼接效果,过渡更平滑,拼接后的图更加自然,细节更清晰.     

结合NSCT和图像形态学的路面裂缝检测

路面图像的复杂性及裂缝信息的弱信号性导致对路面裂缝进行检测非常困难,为此提出一种基于非下采样contourlet变换(NSCT)和图像形态学的路面裂缝检测算法.首先对图像进行NSCT得到不同尺度、不同方向上的变换系数,在NSCT域中根据变换系数自适应地确定阈值,并应用广义非线性增益函数来增强较弱细节的局部对比度;然后对增强处理后的变换系数进行反变换;最后用图像形态学方法和中值滤波实现裂缝检测及孤立噪声点去除.通过对实际的高速路面图像测试表明,与直方图增强、小波变换及contourlet变换相比,该算法能更有效地增强弱对比度的细小裂缝,克服了常规算法易受离散噪声点以及光照条件等干扰的问题,具有较强的鲁棒性且高效实用.     

基于非下采样contourlet变换与脉冲耦合神经网络的图像融合算法

提出一种基于非下采样contourlet变换(NSCT)与脉冲耦合神经网络(PCNN)的图像融合算法.该方法首先利用非下采样eontourlet变换对输入图像进行多尺度分解、多方向稀疏分解,准确捕获图像中的高维奇异信息,然后利用脉冲耦合神经网络的同步激发特性确定融合规则,选取融合系数,提高融合性能.实验结果表明,算法比小波变换、contourlet变换有更好的融合性能.     

基于非向下采样contourlet的自适应图像融合算法

针对融合后图像模糊现象,提出一种基于非向下采样contourlet的自适应图像融合算法.分析了轮廓波变换和非抽样轮廓波变换的原理,采用非向下采样contourlet对图像进行分解,依据低频变化设置阈值来调节低频变化率和均匀度在决策规则中所占的比例.当低频变化率之差高于阈值时,采用基于均匀度的融合规则;当低频变化率之差低于阈值时,采用基于变化率的融合规则.对于高频部分则采用高频系数对比度的处理策略.通过熵、相对误差和清晰度对实验结果进行了评价,结果表明,基于非向下采样contourlet的自适应融合算法取得了良好的融合效果.     

轮廓波域Entropy—Fourier旋转不变算子在纹理分类中的应用

针对图像的旋转问题,提出一种基于contourlet域的旋转不变纹理描述算子。对contourlet变换后的系数进行处理,提取子带香农熵作为特征向量,然后对各个尺度的特征向量进行离散傅立叶变换,得到旋转不变的纹理特征。利用傅立叶谱的对称性,将特征向量进一步降维。最后采用支持向量机和欧式距离对纹理图像进行分类。在包含1456幅图像的自建图像库中进行分类实验,结果表明该方法在低计算复杂度的优势下。能获得较好的分类性能。     

基于Contourlet变换的多波段SAR图像伪彩色融合

针对多波段SAR图像融合问题, 提出了一种基于contourlet变换的伪彩色图像融合方法. 该方法首先利用contourlet变换多尺度, 多方向以及各向异性的良好特性对不同波段SAR图像进行多尺度分解, 采用边缘信息量测因子策略融合方向高频子带, 加权平均策略融合低通子带. 然后对灰度融合图像利用混合高频提升滤波方法得到RGB彩色空间的三个颜色通道, 并在RGB空间量化显示,把人眼难以分辨的灰度信息转化为可分辨的色彩, 保持SAR图像的空间分辨率的同时增强了光谱分辨率. 采用Ku和L波段SAR图像进行融合实验, 并用客观评价因子对融合质量进行评价, 结果验证了该方法的有效性.     

图像语义自动标注及其粒度分析方法

缩小图像低层视觉特征与高层语义之间的鸿沟, 以提高图像语义自动标注的精度, 进而快速满足用户检索图像的需求,一直是图像语义自动标注研究的关键. 粒度分析方法是一种层次的、重要的数据分析方法, 为复杂问题的求解提供了新的思路. 图像理解与分析的粒度不同, 图像语义标注的精度则不同, 检索的效率及准确度也就不同. 本文对目前图像语义自动标注模型的方法进行综述和分析, 阐述了粒度分析方法的思想、模型及其在图像语义标注过程中的应用, 探索了以粒度分析为基础的图像语义自动标注方法并给出进一步的研究方向.     

基于小波变换的图像纹理特征提取技术

纹理是一种区域特征,是对于图像各像元之间的空间分布的一种描述.由于纹理能充分利用图像信息,无论从理论上或常识上出发它都显然应该成为描述与识别图像的重要依据,同时与其它图像特征相比,它似乎能更好地兼顾图像宏观性质与细微结构两个方面,因此纹理分析成为图像分析的重要手段.它被广泛的应用于气象云图分析、卫星遥感图像分析、机器人视觉、工业监控、场景分析、辅助医疗、生物组织和细胞的显微镜照片分析和军事目标分析等诸多领域.     

基于MATLAB的图像处理方法及分析

本文提出了一种基于MATLAB的数字图像处理环境,并对其结构、特点及应用做了介绍。重点阐述了多种算法综合运用解决特定应用环境下的图像处理问题,如用直方图均衡进行图像增强,通过形态学方法进行图像特征提取与分析,利用傅立叶变换进行图像分析等。     

一种基于互信息和小波分解的图像配准算法

为了寻找快速、精确、鲁棒性强的自动配准算法,论文提出了基于互信息和小波分解图像配准方法。假设实时图像和模板图像之间的变换为仿射变换,采用金字塔小波分解和边缘特征提取获得特征点,利用分层特征点方法进行配准,以互信息最大作为度量准则,在每层上利用互信息的最大值来获取变换参数,然后得到全局变换参数。仿真结果表明此方法具有很好的抗干扰性、鲁棒性和精确性。     

图像信息处理及图像数据库模型分析

文章主要介绍了图像信息数字化问题、图像信息的处理、图像分析和图像理解,并对图像数据、图像特征的描述和辅助信息的处理进行了描述以及图像数据库模型的组成进行了分析,为研究图像数据库模型方法,外观图像信息的储存、检索、处理提供了相应的技术支持。     

Applications of deformable models for in-dopth analysis and feature extraction from medical images—A review

Medical imaging plays important role for the practice of medicine globally and is rapidly increasing and getting sophisticated day by day. But accurate, fully automatic medical image analysis continues to be an elusive ideal for quantitative exploitation for diagnosis and therapy. The spatial relations between these anatomical structures as well as the biological shape variations are observed over a representative population of individuals. Deformable models (DMs) are being used in digital image analysis to maintain essential characteristics of image shape and intensity while accommodating fluctuations. Among model-based techniques, DMs offer a unique and powerful approach to image analysis that combines geometry, physics, and approximation theory. DMs are highly insightful interactive methods that allow medical scientists and practitioners to bring their expertise to bear on the model-based image interpretation task whenever necessary. The paper reviews the application of deformable models as a capable and robustly applied digital medical image analysis technique of the human body.     

基于小波多分辨率分析的图像模糊增强算法的研究与实现

图像在采集的过程中,会受到各种噪声的干扰和污染.基于小波变换的多分辨率分析能够有效抑制噪声的特性,提出利用小波多分辨率分析对图像进行平滑滤波实现图像的去噪,并定义新的模糊隶属度函数对图像进行增强,在保证模糊增强效果的同时减少噪声的影响.经试验证实,该方法能够有效地实现图像的增强.     

图像分割技术在足球机器人中的应用

以MiroSot机器人为研究对象,通过理论与实践相结合的方法,对足球机器人视觉系统中的图像分割方法进行研究与分析,提出一种新的彩色图像阈值标定方法,使阚值设定更准确。经过处理,输出图像的质量得到相当程度的改善,既改善图像的视觉效果,又便于计算机对图像进行分析、处理和识别。