Bandelet变换原理及应用研究

近年来,多尺度几何分析在统计分析、模式识别、信号处理、数字图像处理等领域中应用广泛.作为自适应多尺度几何分析的一种新方法,Bandelet变换侧重于图像边缘的表示和处理,对于图像中的几何正则方向具有较强的自适应跟踪能力,由于Bandelet变换能提供对图像的最稀疏表示,能够用比别的基函数更少的非零系数来达到同样的逼近效果,特别是对几何特征明显的图像更具优势.文中详细介绍了Bandelet变换的提出、基本原理和方法等技术实现细节,探讨和和分析了Bandelet变换在数字图像的压缩、融合、去噪和分割等诸多方面的应用,并探讨了Bandelet变换技术的应用发展趋势.     

Bandelet变换原理及应用研究

近年来,多尺度几何分析在统计分析、模式识别、信号处理、数字图像处理等领域中应用广泛。作为自适应多尺度几何分析的一种新方法,Bandelet变换侧重于图像边缘的表示和处理,对于图像中的几何正则方向具有较强的自适应跟踪能力,由于Bandelet变换能提供对图像的最稀疏表示,能够用比别的基函数更少的非零系数来达到同样的逼近效果,特别是对几何特征明显的图像更具优势。文中详细介绍了Bandelet变换的提出、基本原理和方法等技术实现细节,探讨和和分析了Bandelet变换在数字图像的压缩、融合、去噪和分割等诸多方面的应用,并探讨了Bandelet变换技术的应用发展趋势。     

基于第二代Bandelet变换的抗几何攻击图像水印

抗几何攻击的鲁棒图像水印设计是目前水印技术研究的难点和热点之一. 文中分析了图像的Bandelet变换特性, 提出了一种以图像特征点矢量集为特征向量的回归支持向量机(Support vector regression, SVR)和第二代 Bandelet变换的抗几何攻击图像水印算法,采取的主要方法包括: 1)在Bandelet变换提取的刻画图像局部特征的几何流系数上, 采用奇偶量化嵌入水印; 2)利用Harris-Laplace算子从归一化的含水印图像中提取具有几何形变鲁棒性的图像特征点,构造特征点矢量集 作为特征向量,应用回归支持向量机对几何变换参数进行训练学习; 3)水印检测时, 先利用SVR训练模型得到待检测图像所受几何攻击的参数并作几何校正,然后通过奇偶检测器盲提取水印.仿真实验表明,所提出的水印算 法不仅具有良好的透明性,而且对常规图像处理、一般性几何攻击和组合攻击均具有良好的鲁棒性.     

精度可配置DCT及其VLSI设计

利用离散余弦变换(DCT)能量分布的特性,提出一种精度可配置的DCT及其VLSI结构.根据不同的变换精度需求,通过选择DCT基向量局部最优的分布式算法展开精度,实现了变换精度损失与功耗减少的优化处理;同时对DCT基向量采用正则有符号数(canonical signed digit,CSD)编码,减少了整体电路的硬件资源开销.模拟和综合后的结果表明,该结构适合图像视频等要求低功耗、实时处理领域的可配置性应用.     

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。     

Contourlet变换在图像压缩中的应用研究

目前基于小波变换的图像压缩方案比较普遍.而二维小波只是一维小波的张量积,基函数的支撑区域由区间扩展为正方形,只有有限个方向.Contourlet变换是一种图像的多尺度几何分析工具,能够稀疏表示图像,非线性逼近能力很强,它的基函数则具有方向性,各向异性.本文在分析了Contourlet变换的基础上,对变换后的重要系数和其位置进行了编码.对标准图像barbara进行测试,实验结果表明:基于Contourlet变换的方案和基于小波变换的方案相比,峰值信噪比平均提高约0.5dB,且采用Contourlet变换能够较好地保留图像中的纹理,图像的主观视觉质量较好.     

基于几何流多级树Bandelet分割编码的医学图像压缩方法

本文提出了一种新的医学图像压缩方法,利用稀疏表示方法结合图像结构的几何规律,构建图像的灰度级有规则变化的方向的几何流表示方法,获得二元方形图像四叉树表示形式。针对几何正则化数据的小波分解结果存在较少的显着系数问题,使用二维向量场表示正则性的方向,并用样条表示法得到了这些方向的逼近。最后,在几何流图像的方向分解的基础上,利用M-band离散小波变换构建多级树Bandelet分割编码方式,实现了Bandelet系数计算改进。实验结果表明,该方法可有效提高医学图像压缩方法的计算效率。     

一种基于局部特征的鲁棒的盲数字水印算法

提出了一种基于图像局部特征与图像几何正则性的鲁棒数字水印算法.采取的主要方法有:1)利用图像中的局部最稳定特征点生成具有几何不变性的局部特征区域;2)在局部特征分块中快速寻找最佳几何流方向,近似最佳逼近效果;3)设计了一种正交向量盲提取水印.实验结果表明该算法能获得很高的图像质量,且具有较强的抗攻击能力.     

一种新的基于Curvelet变换的遥感图像融合算法

Curvelet变换能充分利用原函数的几何正则性,可以达到用更少的系数来逼近奇异曲线的目的,因此相比小波变换而言,它更适合分析二维图像中的曲线或直线状边缘特征.综合分析Curvelet变换的特性,提出一种基于Curvelet变换的遥感图像融合算法.通过Curvelet变换将源图像分解到不同尺度、不同方向的频带范围内,然后分别对低频、高频分量采取不同的融合规则进行融合,最后进行Curvelet逆变换得到融合结果.实验结果表明该方法在增强空间特征和保留光谱信息方面均优于传统小波变换和传统Curvelet变换等方法.     

一种新的图像特征提取算法

提出了一种全新的提取图像特征的算法,该算法将传统的通过小波变换等各种频域变换提取图像特征的算法与图像的几何特征的提取结合在一起,克服了传统的通过各种频域变换提取图像特征时对形状特征难以充分描述的不足,提取的特征向量的维数相对不高,便于实现.实验表明,该算法通过提取的特征向量能很好地重构原图,对原图像的纹理特征和几何特征都有较好的表述.将该算法应用于图像的检测,采用SVM分类算法,具有良好的抗噪性和较高的识别率,并且具有良好的扩展性.