图像的多尺度几何分析：回顾和展望

多尺度几何分析旨在构建最优逼近意义下的高维函数表示方法．本文以二维函数的非线性逼近为主线，分析了推动多尺度几何分析发展的深刻数学和生理学背景，综述了图像多尺度几何分析方法的最新进展及存在的问题，指出了进一步研究的方向．     

一种基于Ridgelet变换的遥感图像融合方法

Ridgelet变换是继经典的小波变换之后提出来的一种新型图像多尺度几何分析工具.针对不同波段的远程遥感图像提出了一种基于新型正交Ridgelet变换的遥感图像融合方法.该算法基于新型的可逆离散脊波多尺度变换,通过客观评估融合性能说明该方法优于其他三种典型融合方法,尤其是优于各种基于小波变换的图像融合方法,仿真实验证明该方法融合效果良好.     

基于多尺度几何分析的图像增强方法综述

在对图像增强的现状以及小波图像增强总体概括的基础上,介绍了多尺度几何分析的产生和发展,分析了多尺度几何分析在图像增强中的应用,阐述了几种具有代表性的自适应和非自适应多尺度几何分析图像增强方法,对存在的问题和进一步的研究方向做出总结和展望。     

多尺度边缘检测中的有效尺度研究

在边缘检测中,检测不同类型的边缘需要的滤波尺度各不相同.本文详细讨论了以紧支、对称平滑函数构造的滤波函数在检测不同类型边缘时的有效尺度,同时分析了高斯平滑函数及三次B样条平滑函数在抑制噪声时的有效尺度范围.该文的结论为多尺度边缘检测中滤波尺度的调整提供了重要的理论依据.     

基于多尺度几何分析的目标描述和识别

结合多尺度几何分析和局部二值模式算子,构造了一种新的多尺度、多方向局部特征描述子--局部Contourlet二值模式(LCBP).通过对尺度内、尺度间及同一尺度不同方向子带内LCBP直方图统计分析,同时考虑到LCBP的四叉树结构特点和模型的简单性,用两状态HMT描述LCBP系数,得到LCBP-HMT模型.在此基础上,提...     

新型方向及尺度乘积曲线波去噪算法

小波对处理具有点奇异的目标函数是一种最优的表示方法.对于二维图像而言,图像的主要特征由具有线奇异的边缘所刻画.曲线波变换是一种多尺度变换,对于具有光滑曲线奇异性的目标函数,曲线波提供了稳定的、高效的和近于最优的表示.本文在第二代曲线波的基础上,提出了新型方向及尺度乘积的曲线波去噪算法.实验结果表明,本文算法明显优于小波图像去噪方法,也优于曲线波的阈值方法.     

一种基于二代曲波系数乘积的图象去噪方法

曲线波变换是一种多尺度变换,对于具有光滑曲线奇异性的目标函数,曲线波提供了稳定的、高效的和近于最优的表示.在第二代曲线波的基础上,利用曲线波分解中不同尺度的系数也具有相同的特点,提出了基于第二代曲波的系数乘积去噪算法.实验结果表明,提出的算法明显优于小波图像去噪方法,也优于曲线波的阈值方法.     

基于变换域数字图像水印技术的研究

以数字图像水印为研究对象,在介绍典型的最低有效位LSB空间域图像水印算法优缺点的基础上,对DFT、DCT、DWT、Ridgelet变换域数字图像水印技术进行了研究,然后重点分析了Contourlet变换新技术,Contourlet变换通过各向异性基实现了图像的多尺度多方向性分解,更能捕获图像的曲线奇异性和匹配人类视觉特性,这一新技术在数字图像水印领域有广阔地应用前景,最后指出了数字水印的发展方向.     

基于脊波的红外图像自适应增强算法

图像增强是目标检测和识别中的基本问题,为了在红外图像中能够更好地检测出目标,根据多尺度几何分析工具脊波特别适合表示各向异性和奇异性的特性,结合红外成像的特点,利用脊波对图像进行增强,并利用统计学原理对脊波系数变换原则进行自适应改进,利用统计学原理构造了目标细节特征量和脊波子带系数特征量,将这些特征量进行匹配,并且评估匹配效果,从而找出子带系数中与目标特征关联度高的部分,有针对性地对该部分系数进行放大,其余部分系数进行抑制处理,处理后的系数进行脊波逆变换还原的图像。检测结果与对比度增强、线性滤波等方法进行比较说明:该方法效果良好。     

基于脊波和神经网络的大压缩比遥感图像压缩

为了实现大压缩比的遥感图像压缩,利用神经网络的自组织、并行计算和分布式存储的能力,提出一种基于神经网络的压缩方法.在传统单隐层前向神经网络的基础上,该网络使用一种新的能有效处理直线型和曲线型奇异性的多尺度几何分析工具-脊波,作为隐层神经元的激活函数.它不仅具有神经网络压缩的优点;并且由于脊波良好的时、频和方向局域化特性,能够对遥感图像的边缘和轮廓实现更加有效的表示.仿真结果表明:该方法不仅能实现较高的压缩比,而且具有重建图像质量好、学习快速和鲁棒性强等优点.     

基于空间映射复Directionlet变换的图像纹理分类

Directionlet变换具有多方向各向异性基函数,能有效捕捉图像的奇异性特征。该文在此基础上构造了一种空间映射的复Directionlet变换,使其具备了更为灵活的方向选择性和近似的平移不变性。利用空间映射方法获得Directionlet变换的复函数空间,对多尺度各方向子带系数提取能量特征用于图像纹理分类。通过对Brodatz图像库及真实SAR图像的纹理分类实验表明,该文算法较之小波分析及其它多尺度几何分析方法,具有更优的纹理分类性能,也验证了Directionlet工具在图像分析中的应用潜力。     

基于有限脊波变换的图像融合研究

将有限脊波变换(FRIT)应用于图像融合能更好地提取图像边缘特征,为融合提取更多的特征信息.基于FRIT的图像融合算法是将图像进行FRIT,在不同的频率域利用融合规则融合有限脊波系数,最后通过重构得到融合图像.通过对多聚焦图像的实验,对比了基于FRIT的图像融合算法和基于小波变换的融合算法,并对实验结果进行了主观和客观的评价,试验结果表明,基于FRIT的图像融合算法取得了比基于小波变换算法更好的融合结果,是一种有效可行的图像融合算法.     

图像处理的一种有限脊波自适应方法

有限脊波变换方法是脊波变换的一种数字化实现方法,其核心是有限Radon变换的实现.本文针对有限Radon变换中每一斜率投影的排序问题,利用Besov空间光滑模理论,在时域构造了一种光滑性判别函数,以判别函数值最小的序作为最优序,从而给出了一种新的自适应排序算法.用该算法对图像进行压缩和去噪,得到了很好的效果.     

基于复合脊波变换的图像去噪

脊波变换是在小波变换的基础上提出的多尺度分析方法,对于图像中直线状和超平面的奇异性问题,脊波变换比小波变换有更好的处理效果。应用数字复合脊波变换去除嵌入在图像中的白噪声,并使用一个简单的复合脊波系数的硬阈值来实现。实验结果表明,这种算法比VisuShrink算法、普通脊波算法和Wiener 2滤波器图像去噪的去噪效果更好,同时复合脊波算法也能应用于图像去噪和模式识别特征提取。     

基于小波和脊波变换的探地雷达信号杂波抑制

针对如何有效去除探地雷达信号的干扰噪声问题,提出了一种基于小波和脊波变换的杂波抑制方法。小波能有效地描述图像的点奇异性,而脊波能有效地描述图像的线奇异性。首先结合小波和脊波的特点,对探地雷达回波信号进行自适应阈值去噪,然后利用脊波的方向敏感性在脊波域去除直达波信号,最终通过处理实际探底雷达数据,验证算法的有效性。     

基于Ridgelet变换的图像融合

文章介绍了小波变换和脊波变换在表达信号特征上的区别、脊波变换的实现方式,讨论了基于脊波变换的图像融合思想。通过一系列图像融合实验,研究了脊波变换中图像子块的大小对融合图像的质量的影响,重点说明了脊波变换在保持融合图像的空间细节信息上的能力。     

GRNN与BPNN的函数逼近性能对比研究

为了研究GRNN和BPNN非线性函数的逼近能力,从数学角度详细阐述了GRNN和基于LM优化算法改进的BPNN的学习过程,编程建立了GRNN和BPNN,并分别用两种神经网络对指定的非线性函数进行逼近实验。仿真结果表明,在训练样本数量相等且中小规模网络的条件下,相对于BPNN而言,GRNN的逼近精度更高、收敛速度更快,具有很好的逼近能力,为解决非线性函数的逼近问题提供了良好的解决手段。     

一种基于小波域的运动估计方法

提出了一种基于多尺度边缘检测(MED)与连续小波变换(CWT)相结合的运动目标估计方法。首先,利用多尺度边缘检测算法,得到抗噪性好、边缘连续清晰的运动目标边缘图像。然后,利用连续小波变换把目标序列图像映射到运动状态参数空间。该方法同时拥有MED和CWT的优良特性。实验表明,该算法是对旋转、遮挡和有噪等复杂运动目标进行运动估计的有效方法。     

Evolution equations for continuous-scale morphological filtering

Multiscale signal analysis has emerged as a useful framework for many computer vision and signal processing tasks. Morphological filters can be used to develop nonlinear multiscale operations that have certain advantages over linear multiscale approaches in that they preserve important signal features such as edges. The authors discuss several nonlinear partial differential equations that model the scale evolution associated with continuous-space multiscale morphological erosions, dilations, openings, and closings. These equations relate the rate of change of the multiscale signal ensemble as scale increases to a nonlinear operator acting on the space of signals. The nonlinear operator is characterized by the shape and dimensionality of the structuring element used by the morphological operators, generally taking the form of a nonlinear function of certain partial differential operators