紧缩能量分层有限Ridgelet图像去噪新方法

有限Ridgelet变换是一种为了克服Wavelet在高维信号处理中的不足而提出的图像处理新方法。通过Radon变换将图像边缘奇异性转变为点奇异性,再利用Wavelet变换针对点奇异性进行处理。根据图像经Radon变换后能量分布紧缩集中,该文提出一种新的Ridgelet改进算法,该算法在图像Ridgelet变换过程中,按能量高低分为两种能量系数矩阵再分别进行降噪处理,并在融合重构以后,再次利用Wavelet变换提取低能量图像中的细节信息并将之融合,二次加强图像细节。使得输出信噪比及图像细节保持上得到大幅度提高。仿真试验表明在受噪声干扰严重情况下,该方法的输出信噪比及视觉效果均优于其他算法。     

基于提升小波变换和分形维数的声纳图像识别

分形理论在图像的纹理识别中得到了广泛应用,由于分形维数不能反映图像的空间信息,容易造成误识别。针对该问题并结合声纳图像的特点,通过提升结构构造了Haar小波,并将提升小波变换同分形理论相结合,利用小波分解的多分辨率特点和分形维数的多尺度特性,提高图像的识别率。采用Levenberg-Marquardt(L-M)算法优化的BP神经网络对不同信噪比的声纳图像进行分类识别。实验结果表明,文中方法不论在识别率还是识别时间上均优于传统纹理识别方法。     

多分辨率域HMT图像去噪增强算法

为了同时削弱wavelet的伪吉布斯现象以及Contourlet的划痕效果,该文根据多分辨率分析原理.在Wavelett域与Contourlet域建立统一的隐马尔可夫树(HMT)去噪模型,实现了对图像的有效去噪与细节增强.该方法具有多向选择性、图像信息并行处理、信息利用率高、多频率图像融合增强等特点.通过仿真实验与Wavelet、Contourlet和Wavelet HMT等去噪算法进行比较,验证了该方法的有效性和优越性.     

非降采样Contourlet图像边缘检测算法

介绍了非降采样Contoudet变换(NSCT)的结构特点与系数分布特性,并提出了基于NSCT的图像边缘检测算法,实现了对图像高频边缘的有效去噪和提取.该方法具有多向选择性、高低频信息并行检测、信息利用率高、两类边缘相互补偿修正精确定位及抗噪声干扰能力强等特点.通过仿真实验并与Prewitt、Sobel、Canny及多尺度小波边缘检测算法进行比较,验证了该方法的有效性和优越性.     

非亚采样Contourlet遥感图像融合

非亚采样 Contourlet 变换是在非亚采样塔型滤波器及非亚采样方向滤波器组的基础上建立起来的,它是一种移不变多方向多尺度图像表示方法.介绍了该变换的结构特点与系数分布特性,并研究了基于非亚采样Contourlet 变换的图像融合算法.该算法利用非亚采样Contourlet 的平移不变性以及NSCT 系数特点,有效准确地提取图像边缘与细节区域,并分别在高、低频域针对不同区域采用不同的融合方法,有效挖掘了待融合图像中的有效信息.这种具有多分辨率分析和多方向滤波特点的处理方法,提高了融合后遥感图像中的信息量和清晰度,对不同分辨率不同方向上的信息进行挖掘及融合,解决了传统小波融合算法中方向数目受限的不足.通过仿真实验与传统融合方法进行比较,验证了该方法的有效性和优越性.     

基于Contourlet特征修正的纹理图像识别算法

提出一种基于Contourlet特征修正的纹理识别算法,不同分辨率下采取不同的方法提取特征,根据统计规律对每个方向上的纹理特征进行修正增强,利用支持向量机进行识别,以提高纹理图像识别的准确性。实验证明,在受噪声干扰严重的情况下,该方法的识别正确率优于小波、小波包、Ridgelet等算法。     

基于FRIT循环抽样声纳图像去噪新方法

声纳图像背景复杂,对比度差,边缘恶化,不易判读图像边缘。对声纳图像执行小波变换能够有效去除噪声,但是由于小波的局限性,其对图像边缘的保持效果不佳。有限Ridgelet变换(FRIT)能够有效克服小波变换在处理高维信号时的不足,是一种有效处理二维奇异性信号的新方法。将FRIT处理技术应用在水下声纳图像去噪技术中,基于该方法提出循环抽样FRIT去噪算法,提高了处理结果的信噪比及边缘保持效果。在实验数据比较中,此改进算法优于其它经典方法。     

自适应单尺度Ridgelet声呐图像去噪方法

声呐图像背景复杂，对比度差，边缘恶化，不易判读图像边缘．对声呐图像执行小波变换能够有效去除噪声，但是由于小波的局限性，其对图像边缘的保持效果不佳．正交有限Ridgelet （FRIT）变换能够有效克服小波变换在处理高维信号时的不足，是一种有效处理二维奇异性信号新方法．针对水下声呐图像特点及噪声分布情况，提出单尺度自适应去噪处理算法，既削弱了单独使用FRIT处理时出现的环绕现象，又克服了单独使用小波去噪时无法保持边缘的缺点，同时提高了图像信噪比．与其他经典方法及单独使用FRIT方法比较，此改进方法在水下声呐图像去噪输出信噪比及边缘保持等方面均获得理想效果．