基于Contourlet域HMT模型的多尺度图像分割

基于Contourlet系数分布统计特性,结合隐马尔可夫树（HMT）模型和贝叶斯准则提出一种新的图像分割算法.为了更有效保持Contourlet域不同尺度间的信息,提出一种新的加权邻域背景模型,给出了基于高斯混合模型的象素级分割算法和基于新的背景模型的多尺度融合算法.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HMTseg方法进行比较以说明算法的有效性.对合成纹理图像给出错分概率作为评价参数.实验结果表明本文方法不但在边缘信息和方向信息保持上有明显改进,而且错分概率明显降低,对真实图像得到了理想的分割效果.     

基于Contourlet域HMT-3S模型的激光主动成像图像分割

基于Contourlet系数分布统计特性,结合隐马尔科夫树(HMT)-3S模型和贝叶斯准则,提出了一种基于Contourlet域HMT-3S模型的图像分割算法(CHMT-3Sseg),并将其用于激光主动成像图像的分割。CHMT-3Sseg方法首先利用HMT-3S模型充分挖掘子带间的相关性,通过HMT-3S模型参数训练和似然值计算得到了可靠的初始分割。为了获得较好的区域一致性和边缘准确性,对初始分割结果进行了基于邻域背景的多尺度融合。对合成图像和激光主动成像图像的实验结果表明:CHMT-3Sseg不但在边缘和方向信息保持上有明显改进,而且错分概率显著降低,对真实图像得到了理想的分割效果。     

基于贝叶斯双变量模型和Contourlet变换相结合的红外图像去噪

提出了一种基于贝叶斯双变量模型(Bayesian Bivariate Model)和Contourlet变换相结合的红外图像去噪算法.首先对含有加性高斯白噪声污染的红外图像进行Contourlet变换,得到各尺度各方向上的Contourlet系数;然后用贝叶斯双变量模型去挖掘图像Contourlet系数的尺度间相关性;最后对处理后的系数进行Contourlet反变换重构,得到去噪后的图像.实验结果表明,该方法有效地捕获了红外图像的轮廓信息,提高了图像的峰值信噪比,改善了图像的视觉效果.     

基于非子采样Contourlet变换的图像融合算法

提出了一种基于非子采样Contourlet变换的图像融合算法.首先,对图像作Contourlet变换,得到一个低频子带和一系列高频方向子带.其次,对低频子带系数采用基于边缘的规则来融合,而对于高频方向子带系数,采用基于一种基于Contonrlet局部系数相关性的规则来进行融合.最后,对融合系数进行非子采样Contourlet逆变换,得到最终的融合图像.实验结果表明,该方法对可见光、红外图像融合十分有效,能较好地提取原始图像中的边缘方向信息和几何特征.     

改进的contourlet变换域隐马尔可夫树模型

Contourlet域隐马尔科夫树(C_HMT)模型不但可以描述尺度间的相关性,而且可以对方向子带间contourlet系数的相关性做出统计描述,是一种比小波域HMT模型更为有效的系数相关性描述方法.本文提出了一种改进的contourlet变换域HMT模型,节点的状态不只依赖于其父节点的状态,而且兼顾到其父节点相邻节点的状态.这种模型可以进一步捕捉尺度间contourlet变换系数更为丰富的相关性,从而能够更准确和有效的刻画contourlet变换系数的非高斯性和持续性.将该模型应用于图像的去噪,并与另外几种典型的去噪算法作定性比较,验证了本文提出的改进的C_HMT模型在图像去噪性能方面有一定的优越性.     

基于去频谱混叠Contourlet变换的层内局部相关性图像降噪

提出了一种基于去频谱混叠Contourlet变换的层内局部相关性图像降噪新方法.含噪图像经抗混Contourlet多尺度变换,得到一个低频逼近子图和一系列不同尺度、不同方向的高频细节子图,充分利用变换域同层同方向子带内信号系数相关性强、噪声系数无相关性的特点,采用强局部化零均值高斯分布模型对高频细节子图进行降噪处理.实验结果表明,该方法计算效率高,能克服Contourlet变换中的频谱混叠,避免了重构图像出现"划痕"现象.无论是PSNR指标,还是在视觉效果上,该方法的去噪性能均好于Contourlet去噪、Contourlet域HMT去噪和基于抗混叠Contourlet变换的硬阈值去噪,在有效去噪的同时,具有很好的图像边缘和细节保护能力.     

基于小波变换及隐式马尔科夫树模型的图像信号去噪

研究基于小波变换的隐式马尔科夫模型树(HMT)方法,用于去除图像信号中的白噪声。该方法利用了小波变换域系数间的相关性和自相似信息,并在Lenna图像中验证了方法的有效性。对不同程度污染的高斯白噪声图像的去噪效果与传统方法进行比较;结果表明,基于小波变换的HMT方法有更好的去噪效果,所建立的HMT模型更能体现图像的特征。     

一种基于Contourlet域隐马尔可夫树模型的遥感影像融合方法

在多尺度通用传感器模型的框架下,通过结合Contourlet变换和隐马尔可夫树模型,对融合的Contourlet系数进行最大后验概率估计,建立了一种基于Contourlet域隐马尔可夫树模型的遥感影像融合方法.应用该方法和几种常用融合方法对SAR影像和多光谱影像进行实验和对比,结果表明,该方法在提高融合影像空间细节信息的同时,可以有效地保持多光谱影像的光谱信息.     

用于SAR图像分割的第二代Bandelet域HMT-3S模型

针对传统的基于变换域隐马尔可夫树(Hidden Markov Tree,HMT)模型的SAR图像分割方法不能得到较满意的区域一致性结果和较准确的分割边缘的问题,提出了一种基于第二代Bandelet域HMT-3S模型的SAR图像分割方法(BHMT-3Sseg).HMT-3S模型是一种融合了子带间相关性的HMT模型,在描述图像纹理特征时,更具合理性.BHMT-3Sseg方法采用HMT-3S模型对图像的第二代Bandelet系数建模,通过HMT-3S模型参数的训练、各尺度似然值的计算和基于邻域背景的多尺度融合,实现对SAR图像的分割,既能得到较为准确和连续的边缘,也增强了分割结果的区域一致性.实验表明,本文方法BHMT-3Sseg对SAR图像分割是可行有效的.     

非高斯双变量模型contourlet图像去噪

Contourlet变换是继小波变换之后的又一新变换.由于contourlet变换的多尺度和多方向特性,能有效地捕获到自然图像中的轮廓,并对其进行稀疏表示.详细分析了图像contourlet系数的统计特性,并利用非高斯双变量分布对系数层间相关性进行建模.最后,将此分布应用于图像去噪,就PSNR、NMSE和视觉质量这三方面的评价指标与contourlet HMT和小波阈值法进行了比较.实验结果表明：算法能获得较好的结果,尤其是对于含有丰富纹理的图像.     

基于Contourlet变换的偏振图像融合

提出一种基于Contourlet变换的偏振图像融合算法。Contourlet变换是一种具有几何信息的灵活多尺度、多方向和平移不变性的图像分解变换,与小波变换相比,对图像分析很重要的沿曲面任意方向反映的细节更容易调整。采用Contourlet变换对三个555波段不同方向的偏振图像进行分解,对于高频和低频系数分别采用不同的窗函数计算区域能量,最后加权实现偏振图像的融合处理。实验结果表明,该算法与小波分解法相比在保留原始图像边缘和纹理信息同时,可以体现偏振图像的特点,取得较好的融合视觉效果。     

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.     

基于Contourlet系数局部特征的选择性遥感图像融合算法

为了使融合后的多光谱图像在显著提高空间分辨率的同时,尽可能多地保持原始多光谱特性,提出了一种基于Contourlet变换系数局部特征的选择性遥感图像融合方法。根据多光谱和全色图像融合过程中Contourlet变换后的低频和高频部分融合目的的不同,对得到的近似和各层各方向的细节分量分别运用窗口邻域移动模板逐一计算相应区域Contourlet系数阵的不同局部特征量,然后选择适当的准则,对图像的近似和细节分量分别应用不同的策略在Contourlet系数域内进行选择性融合,通过Contourlet和亮度-色调-饱和度(IHS)逆变换得到融合的高分辨率多光谱图像。采用Landsat TM多光谱和SPOT全色图像进行的融合实验结果表明:提出的算法在显著提高空间分辨率的同时,又能很好地保持原始图像的光谱特征,并优于传统的融合方法。     

Contourlet变换耦合特征投票的遥感图像融合算法

为了解决图像系数融合问题,设计了基于非下采样Contourlet变换与特征投票机制的遥感图像融合算法。采用色相饱和度(HSV)变换从多光谱图像中提取其亮度成分。随后,对该亮度成分与全色图像进行非下采样Contourlet变换,以计算相应的高频、低频系数。再建立特征投票机制,完成低频系数的融合。通过构造高频系数融合规则,获取融合高频系数。最后,对融合系数进行处理,生成融合图像。实验结果显示,所设计算法具有更好的光谱特性以及清晰度。     

基于显著性图的红外与可见光图像融合

为使红外图像与可见光图像融合后的图像能获得更多目标信息和细节信息,本文提出了一种基于显著性图的图像融合方法.使用改进的Frequency Tuned(FT)算法提取红外图像的显著性图,并使用对比度受限的自适应直方图均衡化(Contrast Limited Adaptive Histgram Equalization,CLAHE)算法增强可见光图像的对比度.将红外图像与增强后的可见光图像进行非下采样轮廓波变换(Nonsubsampled Contourlet Transform,NSCT)后,根据所设定的融合规则分别对红外与可见光图像的低频部分与高频部分进行融合,最后对融合系数进行NSCT逆变换操作后获到融合图像.实验表明,该融合方法相较于其他方法而言,保留了更多的目标信息和细节信息,可以取得更好的视觉效果.     

shearlet变换和区域特性相结合的图像融合

为了提高多模医学图像或多聚焦图像的融合性能,结合shearlet变换能够捕捉图像细节信息的性质,提出了一种基于shearlet变换的图像融合算法。首先,用shearlet变换将已精确配准的两幅原始图像分解,得到低频子带系数和不同尺度不同方向的高频子带系数。低频子带系数使用改进的加权融合算法,用平均梯度来计算加权参量,以此来改善融合图像轮廓模糊度高的问题,高频子带系数采用区域方差和区域能量相结合的融合规则,以得到丰富的细节信息。最后,进行shearlet逆变换得到融合图像。结果表明,此算法在主观视觉效果和客观评价指标上优于其它融合算法。     

基于非下采样Contourlet变换的图像融合算法

针对曲波变换图像融合的不足,提出了一种基于非下采样轮廓波变换（Non—subsampledContourletTransform,NSCT）图像融合方法。首先对已配准待融合图像进行NSCT分解;然后使用相应的融合规则对Contourlet域系数进行融合,得到融合图像的NSCT系数;最后经逆变换重构得到融合图像。通过对不同曝光度图像以及多聚焦图像进行融合实验,仿真结果表明该算法融合图像在主观视觉和客观评价指标上均取得良好效果。     

Contourlet变换在可见光与红外图像融合中的应用

Contourle变换是一种新的图像多尺度,多方向的表示方法,适合表达具有丰富细节信息及方向信息的图像。它的高频方向子带,捕获了许多传感器图像的显著特征。为了实现红外与可见光图像的融合,采用一种基于Contourlet变换的融合算法,对不同的融合规则对低频子带和多方向的高频子带系数进行融合。对比实验结果表明,在此提出的方法可以获得较好的融合效果,优于基于小波变换的图像融合算法。     

一种基于目标区域的图像融合新方法

提出了一种基于目标区域的融合方法.将原图像分为目标区域和背景区域,在利用àtrous小波算法分解图像的基础上,分别对目标区域、背景区域以及两区域间的边界部分进行不同的融合处理得到融合后小波系数,最后经过小波逆变换得到融合图像.实验结果表明该方法可获得较理想的融合图像,其融合结果优于基于像素和基于窗口的融合方法.     

基于四阶相关系数的NSCT域红外与可见光图像融合

采用非下采样Contourlet变换(NSCT)模型提出了基于四阶相关系数的红外与可见光图像融合方法。首先对融合图像进行多尺度和多方向分解;对于低频分量,充分考虑红外和可见光图像物理特性的差异,采用基于区域平均梯度的融合策略;对高频分量采用四阶相关系数匹配策略来选择合适的高频系数;最后对融合后的系数进行NSCT逆变换得到融合图像。实验结果表明,该融合算法能更好地保留目标信息,同时也显著地提高了图像的信息量,在主观视觉效果和客观评价方面具有较好的融合性能。