基于Curvelet变换抑制SAR图像斑点噪声的方法

提出了一种基于Curvelet变换来抑制合成孔径雷达（SAR）图像中噪声的方法，Curvelet是一种新的多尺度变换理论，具有各向异性的特征，克服了小波在处理大干一维的高维信号时的不足。该文在介绍Curvelet变换理论及其实现的基础上，引出了SAR图像斑点噪声的去除方法，并改进了Curvelet算法，降低了其运算复杂度，讨论了SAR图像噪声方差的估计，最后和其它的SAR图像去噪方法作了对比和分析。     

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Contourlet域主成分分析的SAR图像去噪

相干斑噪声是合成孔径雷达图像所固有的,并且严重降低了图像的可编译性,影响了后续图像分割,特征提取,目标分类和识别等工作.因此,SAR图像的相干斑去除问题一直是SAR图像应用研究的重要问题之一.针对SAR图像噪声去除问题,提出了一种基于Contourlet多尺度分解域主成分分析的SAR图像去噪新方法,并且简要归纳了已有的SAR图像去噪方法.方法首先对源图像进行Contourlet分解,在不同频段的子带图像中,利用主成分分析方法进行能量保持,用重构图像来进行子带去噪,最后通过Contourlet逆变换得到去噪之后的图像.在SAR图像上的实验结果表明,方法不仅较好地保持了图像的纹理和细节特征,且信噪比也较高.     

一种基于小波域隐马尔可夫模型的SAR相干斑抑制算法

相干斑噪声是SAR图像的固有特点。对相干斑抑制的要求是在平滑噪声的同时，尽量保持原始图像的结构信息。现有的许多相干斑抑制方法各有优点和不足，没有普遍的适用性。基于图像在小波域的隐马尔可夫模型(HMMs)结构，结合SAR图像中相干斑噪声的统计特性，本文提出了一种新的小波域相干斑抑制方法。仿真及实测数据处理结果表明，该方法在有效抑制相干斑的同时，更好地保持了边缘结构。与小波域软阈值去噪方法和Lee滤波器相比较，该方法在噪声平滑及边缘保持上都取得了较大的改进，并得到了较好的视觉效果。     

二维经验模态分解域的新型HMT模型图像去噪

二维经验模态分解(Bidimensional Empirical Mode Decompositio,BEMD)是一种优秀的多尺度几何分析工具,特别适用于非线性、非平稳信号的分析处理。以BEMD与新型隐马尔可夫树(Hidden Markov Tree,HMT)模型理论为基础,提出了一种基于BEMD的新型HMT模型的图像去噪算法。该算法的基本思想是,首先对含噪图像进行BEMD变换,然后采用新型HMT模型对BEMD系数进行建模,并通过期望最大(EM)算法对图像BEMD的HMT模型参数进行估计,最后对训练后的BEMD系数进行逆变换,以获得去噪图像。仿真实验结果表明,该算法不仅拥有较强的抑制噪声能力,而且具有较好的边缘保护能力,其整体性能优于现有HMT图像去噪方案。     

复数Curvelet 变换域复数高斯尺度混合图像降噪

提出了一种基于复数Curvelet 变换域复数高斯尺度混合（CGSM）模型的图像去噪方法．指出Curvelet 变换重构图像存在“划痕”和“嵌入污点”的主要原因是Curvelet 变换域存在频谱混叠,为此,采用复数小波变换和 改进的Radon 变换分别代替原Curvelet 变换中的实小波变换和Radon 变换．构造了具有抗混叠性能的复数Curvelet 变换．本文同时把高斯尺度混合（GSM）模型扩展到复小波域,形成对复小波系数的幅值和相位信息具有有效捕捉 能力的复数GSM 模型,并在复数Curvelet 变换域,采用贝叶斯最小平方（BLS）估计器对CGSM 模型下含噪复系数 进行有效估计,从而实现降噪．实验结果表明,无论是用PSNR 指标评估,还是在视觉效果上,本文方法的去噪性能 均好于传统Curvelet 去噪、Curvelet 域HMT 去噪和小波域BLS-GSM 去噪．本文方法在有效去噪的同时,具有很好 的图像边缘和细节保护能力．     

多变换域马尔可夫树图像去噪算法*

针对图像去噪时单一变换方法的不足,提出了一种新的基于Contourlet变换和小波变换的多变换分级图像降噪算法。根据Wavelet变换和Contourlet变换系数对图像中不同频带信号的稀疏表示特点,利用隐马尔可夫树（HMT）模型可以描述相邻尺度变换域系数的互相关性。首先使用小波域HMT方法进行第一级降噪,然后将其作为先验估计,利用Contourlet变换进行迭代阈值降噪。通过与几种传统的小波域HMT和Contourlet域HMT去噪算法相比,本算法改善了去噪图像的可视性并使PSNR值有所提高。     

基于第二代Bandelet域隐马尔科夫树模型的图像分割

第二代Bandelet可以充分利用图像的内在几何正则性特点, 并能自适应获得图像的最优表示. 本文采用隐马尔可夫树(Hidden Markov tree, HMT)模型对图像的第二代Bandelet系数建模, 通过多尺度参数训练和基于上下文的最大后验概率进行图像分割. 为了评价本文方法的性能, 我们分别选择合成纹理图像、航拍图像和SAR图像进行实验, 并与小波域HMT模型分割方法(WD-HMTseg)和Contourlet域HMT模型分割方法(CHMTseg)进行比较说明算法的有效性. 实验结果表明本文方法不但在边缘准确性和区域一致性上有明显改进, 而且也降低了纹理图的错分概率.     

基于四元数小波变换HMT模型的图像去噪

实小波变换域中的图像去噪会产生伪Gibbs现象,为此,提出一种基于四元数小波变换的隐马尔可夫树模型(Q-HMT),并应用于图像去噪。模型结合四元数小波变换理论与HMT模型,体现小波系数层间的相关性,捕获小波系数邻域的统计特征。实验结果表明,该模型的图像去噪效果在峰值信噪比以及视觉效果上均优于经典的去噪方法。     

基于HMT模型的图像去噪方法研究

小波图像去噪已经成为图像去噪的主要方法之一。利用小波变换在去除噪声时，可提取并保存对视觉起主要作用的边缘信息，但现有的去噪声方法忽略了小波系数之间的相关性。针对这一不足，在小波域隐Markov树模型（HMT）的基础上给出了一种图像去噪新方法。实验结果表明，与普通的小波去噪方法相比，该方法不但可以保留图像的边缘信息，而且能提高去噪后图像的峰值信噪比。     

象素级图像融合方法与选择

首先介绍了图像融合技术的概念,然后对象素级图像融合技术的几种常用方法进行了详细说明,包括PCA变换,HIS变换,HPF变换,神经网络,图像金字塔,小波变换等。并介绍了融合结果的几个评价参数。最后,根据不同类型图像的特点和应用的需要,详细分析了图像融合方法的选择。     

数字签名图像变换的研究

针对手写签名图像的保密问题 ,本文介绍了一种变换与恢复的方法 ,其中对于图像恢复过程中的特殊问题提出了一些巧妙的方法。在一般要求下 ,能够有效地实现手写签名图像的变换与恢复 ,并具有实际应用的可操作性     

基于小波多分辨率分解的图像压缩技术及分析

阐述了小波变换理论,分析了小波多分辨率分解的优点以及小波变换用于图像编码压缩的特点和实现方法,并表明小波变换是实现图像压缩的一种十分有效的工具。     

基于Contourlet变换的多聚焦图像融合

由于可见光成像系统的聚焦范围有限,很难获得同一场景内所有物体都清晰的图像,多聚焦图像融合技术可有效地解决这一问题。Contourlet变换具有多尺度多方向性,将其引入图像融合,能够更好地提取原始图像的特征,为融合图像提供更多的信息。该文提出了一种基于区域统计融合规则的Contourlet变换多聚焦图像融合方法。先对不同聚焦图像分别进行Contourlet变换．采用低频系数取平均,高频系数根据区域统计值决定的融合规则。再进行反变换得到融合结果。文中给出了实验结果．并对融合结果进行了分析比较,实验结果表明,该方法能够取得比基于小波变换融合方法更好的融合效果。     

应用小波系数GSM统计模型的混合傅里叶-小波图像降噪

提出一种混合傅里叶-小波图像降噪算法,该算法的主要步骤是：先在傅里叶域中降噪,然后在小波域中滤除剩余的噪声。小波域中要滤除的是有色噪声,为了考虑有色噪声小波系数间的相关性,采用GSM（Gaussian scale mixture）统计模型描述图像小波系数的统计特性。实验证明该算法能有效提高降噪效果。     

基于IHS变换与小波变换的图像融合

提出一种将IHS变换和小波变换相结合的图像融合算法,适用于多光谱图像和高分辨率图像的融合.算法首先对多光谱图像进行IHS变换,之后利用变换后得到的强度分量和高分辨图像具有较强的相关性的特点,在小波变换域进行图像融合,得到了同时具有较好的空间分辨率和光谱信息的融合图像.实验对比数据表明该方法具有较好的融合效果,融合图像优于传统的IHS变换法和传统小波变换方法.     

数字脊波变换的实现与一种改进方法

脊波变换作为一种新的连续空间中函数的多尺度表示方法，其离散变换形式仍然有许多问题有待解决．目前大多将离散脊波变换形式看做Radon变换与小波变换的复合变换形式，进而对其分步进行处理．利用计算机图形学中的Bresenham算法思想，使得在实现Radon变换的过程中提高了变换的效率．与先前的最近邻方法相比，快速准确，并可完全重构．数值实验显示，与Zp^2方法实现的脊波变换相比较，利用此方法生成的图像重构、压缩、去噪效果都有显著提高，为进一步的研究工作奠定了基础．     

IHS变换与小波变换相结合的图像融合新方法*

提出了一种IHS变换与小波变换相结合的图像融合新方法。对多光谱(TM)图像的强度分量和全色(PAN)图像分别进行小波分解,根据小波变换高低频分量的不同特点,分别采取不同的高低频融合准则形成新的小波高低频分量,再先后进行小波逆变换和IHS逆变换得到融合后的TM图像。实验结果表明,提出的图像融合算法明显改善了融合图像的客观评价和主观视觉效果。     

基于Contourlet变换的多聚焦图像融合

由于可见光成像系统的聚焦范围有限,很难获得同一场景内所有物体都清晰的图像,多聚焦图像融合技术可有效地解决这一问题。Contourlet变换具有多尺度多方向性,将其引入图像融合,能够更好地提取原始图像的特征,为融合图像提供更多的信息。该文提出了一种基于区域统计融合规则的Contourlet变换多聚焦图像融合方法。先对不同聚焦图像分别进行Contourlet变换,采用低频系数取平均,高频系数根据区域统计值决定的融合规则,再进行反变换得到融合结果。文中给出了实验结果,并对融合结果进行了分析比较,实验结果表明,该方法能够取得比基于小波变换融合方法更好的融合效果。     

基于第二代Curvelet变换的自适应图像增强

Curvelet是继小波和Ridgelet之后一种新的图像多尺度表示方法,Curvelet具有多尺度,多方向的特性,属于高度各向异性的变换。第二代Curvelet变换克服了第一代Curvelet变换的高数据冗余度问题,特别是基于”Wrapping”方式的第二代离散Curvelet算法,不仅运算快速、几何真实,而且快速可逆。因此,将第二代Curvelet变换用于图像增强,并通过自适应地确定Curvelet分解子带的噪声水平,实现了一种自适应图像增强方法。实验结果表明,同基于小波变换的图像增强方法相比,该方法具有明显的优势。