基于小波变换的匹配插值算法

图像插值技术是图像三维重建中的关键技术之一.在传统插值算法的基础上利用小波变换可聚集到信号任意细节的特点,设计了一种基于小波变换的匹配插值算法.该算法对小波分解子图分别进行处理,在保留图像高频细节部分不失真的同时,又对代表图像整体概貌的低频子图利用匹配算法进行插值处理,最后通过小波重构得到目标插值图像.实验结果表明,该算法得到的插值图像不仅很好地保持了图像的边缘细节特征,而且在物体形态的过渡上也满足了三维重建的要求.     

一种基于小波-Contourlet变换的图像去噪算法

提出了一种基于小波-Contourlet变换的图像去噪算法.实验证明,该算法相对于小波变换和Contourlet变换能更稀疏的表达图像,并利用此优越性进行图像去噪,可以达到更好的效果和更高的PSNR值.     

基于整数小波变换的Wiener插值算法

小波变换中高低分辨率子带之间的相似性使得利用小波变换进行图像插值的方法成为可能.根据数字图像信号的特点,分析了小波变化后各个子带信号的特点,提出了基于整数小波变换的Wiener插值算法.用Wiener自适应滤波器训练得到插值滤波系数,同时结合既符合图像性质又能减小运算量的整数双正交小波基对图像插值.结果得到较高的信噪比和较好的主观视觉效果.平均峰值信噪比比传统的双线性插值法提升了2.4dB.     

基于曲波变换的遥感图像融合研究

以SAR与可见光图像、多光谱与全色图像为研究对象,提出了一种基于曲波变换的遥感图像融合方法.首先将图像进行曲波变换,然后在不同的频率域利用融合规则融合曲波系数,最后通过重构得到融合图像.采用均方误差、偏差指数等指标对融合效果进行了客观评价,并与基于小波变换的融合进行了比较.实验结果表明,该方法在保留原始图像重要信息、抑制噪声能力方面均优于小波变换方法.     

基于小波变换与稀疏傅里叶变换相结合的光场重构方法

随着计算机图形学和计算机视觉技术的发展,光场开始进入人们的视线并被迅速应用于各个领域.然而光场的获取需要大量的图像,具有数据量大,获取成本高等特点,因此学者们越来越关注如何利用少量的光场数据获取整个光场这一问题,并且做出了大量的工作.针对上述问题,本文将小波变换与稀疏傅里叶变换相结合,利用光场在角度域的稀疏性提出一种新的光场重构方法.首先,利用小波变换多分辨率分析的特点,通过小波变换将原始图像分解为多个不同频率的子图像;然后分别对每个子图像通过傅里叶切片定理恢复其频率位置,从而可以分别得到它们的二维角度谱;最后将每个子图像的二维角度谱合并,进行小波逆变换获得整个光场.本文方法利用小波变换将原图像分解为多个不同频率的子图像分别同时处理,不仅降低了算法的复杂度,大大减少了算法的运行时间,为光场的广泛应用提供了条件,而且相比于单独运用稀疏傅里叶算法重构,本方法有效地抑制了窗口效应,使重构结果更加准确.此外,本文方法将高频信息和低频信息分开重构,可以有效地改善并网恢复中小频率丢失的问题,进一步改进重构结果.最后通过仿真验证了算法的有效性.     

基于小波变换修正的双线性插值图像放大方法

首先分析小波双线性插值的图像放大算法优缺点,然后根据小波分解各部分之间也具有相似性提出了一种改善的被小波变换修正的双线性插值算法,其仿真结果显示放大后图像在细节丰富程度上不如前者,但视觉效果上改善明显.     

基于二进小波变换的图像插值方法

介绍了基于二进小波变换的图像插值方法,并且对各种插值方法在不同域中的结果作了比较,主要是对最近邻插值、双线性插值和双三次插值几种方法在空间域、正交小波域、二进小波变换中作了比较.试验结果证明,基于二进小波变换的图像插值效果比较好,值得进一步深入研究.     

基于小波变换和深层稀疏编码的SAR目标识别

针对SAR图像预处理算法自适应能力差、带标签图像不足、目标特征提取困难等问题,提出了一种基于小波变换和深层稀疏编码的SAR图像目标自动识别算法。首先利用灰度值和尺度缩放获得大量的无标签SAR目标,并采用离散小波变换对图像进行高效的降维,再结合深层稀疏编码提取目标的深层抽象特征并完成识别任务。采用MSTAR数据库中3类军事目标进行算法仿真与验证。实验结果表明,在没有预处理的情况下,该算法能够有效地完成多目标SAR图像分类,且具有较高的识别率和鲁棒性。     

基于Gabor-Curvelet联合变换的雷达Chirp信号检测与估计

针对微弱雷达回波Chirp信号检测与估计问题,提出基于Gabor-Curvelet联合变换的方法。首先计算回波的Gabor时频变换,得到2D时频分布图,噪声时频分布一般随机地分布在整个时频面上,能量分散,而Chirp信号时频分布是直线或曲线。对时频2D图像进行曲波（curvelet）变换,曲波能对曲线进行稀疏表示,可检测强噪声中的雷达回波Chirp信号并估计信号参数。仿真结果证明了此方法的有效性,有待研究的问题是曲波系数的门限设定问题。     

基于小波重构和灰度分段的红外图像放大增强

传统的内插算法在放大红外图像时都存在着一定的缺陷,提出了一种基于小波重构和灰度分段变换的图像放大新算法.该算法先对原始图像进行小波变换获得高频系数,运用牛顿插值算法放大高频系数作为放大图像的高频成份,再将原始图像作为低频成份,进行小波重构,可得放大图像.为了增强放大图像,将图像按双灰度闽值分割成对应目标的灰度值高段、对应背景的灰度值低段和对应过渡区域的灰度值中段等3个部分,对各部分采用不同的线性变换,获得最佳的视觉效果.实验证明该方法在图像细节方面具有很好的放大效果.     

基于二代curvelet与wavelet变换的自适应图像融合

针对同一场景红外图像与可见光图像的融合问题,提出了一种基于二代curvelet与wavelet变换的自适应图像融合算法。首先对源图像进行快速离散curvelet变换,得到不同尺度与方向下的粗尺度系数和细尺度系数;根据红外图像与可见光图像的不同物理特性以及人类视觉系统特性,对不同尺度与方向下的粗尺度系数和细尺度系数采用基于离散小波变换的图像融合方法,在小波域中,对低频系数采用基于红外图像与可见光图像的不同物理特性的自适应融合规则,对高频系数采用基于邻域方向对比度与局部区域匹配度相结合的自适应融合规则,然后进行小波逆变换得到融合的curvelet系数;最后,进行快速离散curvelet逆变换得到融合图像。实验结果表明,该方法能够更加有效、准确地提取图像中的特征,是一种有效可行的图像融合算法。     

基于curvelet变换的光学器件表面特征识别

为了精确识别复杂精密光学器件在制造过程中由于工艺要求不可避免产生的缺陷特征,基于曲线波(Curvelet)变换优良的曲线特征识别和强大的稀疏表示能力,提出了一种基于曲线波变换的缺陷特征识别方法,该方法采用变换域特征分离,在空间域获得特征识别后的器件表面图像.仿真结果和实验结果证明,提出的方法比传统小波算法精度和准确度更...     

应用双稀疏模型和ADMM优化的图像复原

基于稀疏表示的图像复原算法大都只利用了图像整体稀疏性和局部稀疏性中的一种,未充分利用图像的先验知识,基于此,本文在稀疏表示框架下,同时引入Cosparse解析模型及平移不变小波变换两种稀疏模型,前者对每个图像块进行稀疏表示,后者对整幅图像进行稀疏表示,从而提出一种新的图像复原算法。该算法将图像复原问题归结为双稀疏正则化问题。为求解复杂的双稀疏优化问题,本文运用交替方向乘子法 (ADMM, Alternating Direction Method of Multipliers)算法将该约束优化问题分解为若干子问题,通过交替迭代求解获得复原图像。实验中对不同类型的模糊图像进行了复原,其结果表明该算法对于各类模糊图像的复原比现有复原算法效果更好,从而验证了算法的有效性。      

基于Curvelet变换与小波包变换联合的图像去噪算法

小波包变换在处理图像中的平滑区域时能够起到较好的效果,而Curvelet变换可以更好地逼近线性奇异高维函数,对图像的边缘区域有最稀疏的表示.在此基础上提出了基于二者联合的图像去噪算法,在对含噪图像进行分割后,分别对线性区域和平滑区域采用Curvelet阈值去噪处理和小波包阈值去噪处理.该方法充分发挥了二者各自的优势,实验表明,它对图像的去噪效果要优于单纯的Curvelet或小波包去噪方法.     

基于稀疏优化的图像压缩感知重建算法

在信号的稀疏表示方法中,传统的基于变换基的稀疏逼近不能自适应性地提取图像的纹理特征,而基于过完备字典的稀疏逼近算法复杂度过高.针对该问题,文章提出了一种基于小波变换稀疏字典优化的图像稀疏表示方法.该算法在图像小波变换的基础上构建图像过完备字典,利用同一场景图像的小波变换在纹理上具有内部和外部相似的属性,对过完备字典进行灰色关联度的分类,有效提高了图像表示的稀疏性.将该新算法应用于图像信号进行稀疏表示,以及基于压缩感知理论的图像采样和重建实验,结果表明新算法总体上提升了重建图像的峰值信噪比与结构相似度,并能有效缩短图像重建时间.     

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.     

基于Curvelet变换与分形的遥感图像融合

基于Curvelet变换对于图像的光谱信息保留和分形原理,针对图像的纹理信息提取的特性,提出了一种基于Curvelet变换与改进的分形布朗运动分维数计算的新的融合算法。对多光谱与全光谱图像进行了融合实验,并与传统的基于小波变换和高频系数取大算法进行了对比。实验证明,文中算法在图像光谱信息保留和纹理细节信息等方面具有良好的性能。     

The curvelet transform for image denoising

We describe approximate digital implementations of two new mathematical transforms, namely, the ridgelet transform and the curvelet transform. Our implementations offer exact reconstruction, stability against perturbations, ease of implementation, and low computational complexity. A central tool is Fourier-domain computation of an approximate digital Radon transform. We introduce a very simple interpolation in the Fourier space which takes Cartesian samples and yields samples on a rectopolar grid, which is a pseudo-polar sampling set based on a concentric squares geometry. Despite the crudeness of our interpolation, the visual performance is surprisingly good. Our ridgelet transform applies to the Radon transform a special overcomplete wavelet pyramid whose wavelets have compact support in the frequency domain. Our curvelet transform uses our ridgelet transform as a component step, and implements curvelet subbands using a filter bank of a; trous wavelet filters. Our philosophy throughout is that transforms should be overcomplete, rather than critically sampled. We apply these digital transforms to the denoising of some standard images embedded in white noise. In the tests reported here, simple thresholding of the curvelet coefficients is very competitive with "state of the art" techniques based on wavelets, including thresholding of decimated or undecimated wavelet transforms and also including tree-based Bayesian posterior mean methods. Moreover, the curvelet reconstructions exhibit higher perceptual quality than wavelet-based reconstructions, offering visually sharper images and, in particular, higher quality recovery of edges and of faint linear and curvilinear features. Existing theory for curvelet and ridgelet transforms suggests that these new approaches can outperform wavelet methods in certain image reconstruction problems. The empirical results reported here are in encouraging agreement.     

基于模糊划分的曲波和小波降噪算法研究

针对曲波降噪方法在获得高质量图像的同时会出现一些虚像的问题,提出了一种用来抑制虚像的基于模糊划分的降噪算法?算法基于结果图像的曲波和隐藏马 尔科夫树的降噪方式设计,图像经过模糊划分后,模糊窗口的性能可以估算,而基于曲波和小波结果图像的图像融合权值可以由模糊窗口的性能确定?试验结果证明,文中算法能有效地提高结果图像的视觉效果并能明显地抑制结果图 像的虚像?