基于插值与NSQCT域融合的图像超分辨率重建

为了提高图像的分辨率和较好地保留图像的细节信息,提出一种基于插值与非下采样四元数轮廓波变换(NSQCT)域融合相结合的单幅图像超分辨率重建算法。首先对源图像进行软判决自适应插值和三次样条插值;然后对两幅插值图像进行NSQCT分解,对于低频子带系数,提出了基于区域平均梯度、区域能量和S函数相结合的自适应加权融合规则;对于高频子带系数,提出了一种基于改进的拉普拉斯能量和与加权分析法相结合的融合规则;最后对融合系数进行NSQCT逆变换得到高分辨率重建图像。实验结果表明,本文方法在峰值信噪比、结构相似性及视觉效果上均优于一些经典的重建算法。     

基于IHS变换与自适应区域特征的遥感图像融合算法

当前较多遥感图像融合算法主要通过独立像素点的像素特征来完成图像子带的融合,忽略了图像子带的区域相关性,导致融合图像存在不连续以及模糊效应等不足。因此,设计了IHS变换耦合自适应区域特征的遥感图像融合算法。引入IHS(intensity, hue, saturation)变换,对多光谱(MS)图像进行分解获取强度分量,将其与全色(PAN)图像进行融合。再通过非下采样Contourlet变换(NSCT)对PAN图像与强度分量进行子带分解,获取高、低频子带信息。并利用图像的区域能量以及区域空间特征,对低频子带融合模型的调节因子进行自适应整定,使得融合低频子带能够包含更多的空间信息。基于图像的区域方差特征来构建高频子带融合模型,使得融合高频子带能够包含更多的纹理信息。实验结果表明,与当前遥感图像融合算法相比,所提算法的融合图像具有更好地光谱特性以及空间特性。     

基于NSCT的焦点度量优化和ISML多聚焦图像融合

针对成像设备的景深有限,采集图像部分失焦的问题,提出了一种有效的多聚焦图像融合算法,进一步提高图像的对比度和清晰度。首先用NSCT将源图像分解为近似子带和详细子带;然后采用焦点度量优化策略(FMO)和修正拉普拉斯变换(ISML)分别合并近似子带系数和详细子带系数;最后进行逆NSCT得到融合后的图像。利用灰度多聚焦图像数据集进行实验,并与常用的多聚焦图像融合算法对比分析得出,本算法在融合图像的视觉效果和7种常用的客观评价指标都具有更优越的性能。     

一种有效的图像超分辨率重建算法

本文提出了一种基于频域图像配准和边缘指导插值的图像超分辨率重建算法.该算法先在频域中对低分辨率(LR)混迭图像序列进行精确配准,再利用边缘指导插值算法对配准后的图像进行插值,实现高分辨率(HR)图像重建.考虑到信号低频部分的信噪比最高又不存在混迭,图像配准中只使用序列的低频信息进行运算.插值算法则是先计算LR图像各像素点的局部协方差系数,再利用LR和HR图像协方差间的几何对偶性来计算HR图像插入像素点的值.实验结果表明,本文提出的算法能有效地实现序列超分辨率重建.     

基于NSST的改进最大最小滤波与DCT-LSF的多聚焦图像融合

针对图像采集传感器的景深有限,导致采集图像的局部区域产生的失焦现象,本文提出了一种新的多聚焦图像融合算法。在NSST的框架下,对低频子带分解系数采用基于离散余弦变换(DCT)和局部空间频率(LSF)的融合规则;对高频子带分解系数则采用基于最大最小滤波结合平均滤波、中值滤波(MMAM)的融合规则;然后进行INSST重构获得融合图像。实验结果表明,与经典图像融合算法相比较,本文算法能有效融合图像的高低频子带信息,并在主客观评价方面都达到了较好的效果。     

基于二代Curvelet变换与近似度制约规则的遥感图像融合算法

为了提高遥感图像的融合质量,消除模糊与不连续效应,设计了基于二代Curvelet变换与近似度制约规则的遥感图像融合算法。通过HSV变换对多光谱图像进行分解,获取其亮度子图。引入二代Curvelet变换,对全色图像与亮度子图进行精细分解,求取图像的高频与低频系数。利用图像的对角信息改进空间频率模型,求取全色图像低频系数的注入因子,并将全色图像的低频系数注入到亮度子图对应的低频系数中,获取融合低频系数。利用结构相似度模型对不同高频系数进行近似度测量,建立近似度制约规则,获取融合高频系数。通过对融合系数实施Curvelet和HSV反变换,获取融合的遥感图像。实验结果表明,较已有的遥感图像融合方法而言,所提方法具有更好的融合质量,包含了更多的光谱与空间信息。     

基于改进DTCWT和引导滤波的低剂量CT图像降噪

针对低剂量计算机断层扫描(CT)图像噪点较多和空间分辨率低的问题,提出了一种基于改进双树复小波变换(DTCWT)和引导滤波的低剂量CT图像降噪方法。首先使用DTCWT对低剂量CT图像进行多尺度分解,对高频子带系数使用拟合优度检验框架进行去噪,对低频子带使用三边滤波进行降噪,逆DTCWT重构得到初始去噪图像;然后使用降噪并插值的低频子带图像作为导向图像对CT图像进行引导滤波;接着结合初始去噪图像和引导滤波的去噪结果生成细节残存图像;最后用3维块匹配滤波(BM3D)阈值算法对细节残存图像进行二次去噪,叠加两次去噪结果得到最终去噪图像。实验结果表明,该方法优于其他传统图像去噪算法,在抑制噪声的同时,良好地保留了图像的边缘轮廓和纹理特征,对低剂量CT图像有着显著的去噪效果。     

基于非下采样轮廓波变换耦合对比度特征的 遥感图像融合算法

为了解决当前较多遥感图像融合方法忽略了图像的对比度特征,使得融合图像存在振铃效应等问题,设计了基于非下采样轮廓波变换耦合对比度特征的遥感图像融合算法。引入HSV(hue,saturation,value)色彩模型,提取出多光谱(MS)图像的V因子。借助非下采样轮廓波变换(NSCT),计算出V因子与全色(PAN)图像的不同系数。随后,利用傅里叶变换来求取图像的显著性因子,并将其与图像的区域能量特征相结合,形成低频系数融合规则,实现低频信息的融合。通过利用图像的标准差信息对图像的对比度特征进行度量,并将其与图像的平均梯度信息相结合,形成高频系数融合规则,实现高频信息的融合。最后,通过逆NSCT对其进行重构,以更新V因子。将更新后的V因子,联合MS图像的H因子和S因子,通过逆HSV色彩模型进行重构,得到融合结果。通过实验发现,较当前遥感图像融合技术而言,所提算法的融合图像具备更高的光谱相关系数值以及信息熵值。     

基于非下采样 Contourlet 变换耦合特征选择 机制的可见光与红外图像融合算法

为了克服当下较多可见光与红外图像融合方法因忽略了光谱特征而导致融合图像存在光谱扭曲、目标内容显著度较差等不足,提出了非下采样Contourlet变换(nonsubsampled contourlet transform, NSCT)耦合特征选择机制的图像融合算法。首先,通过NSCT对可见光与红外图像计算,分离出其不同图像系数。然后,利用信息熵函数,度量图像所含信息量的丰富度,以形成低频系数的融合系数,得到富含红外目标等丰富信息的融合低频系数。采用像素点的邻点信息,度量图像的清晰度特征,并引入均值函数,度量图像的光谱特征,再联合图像的清晰度特征,构造特征选择机制,从图像中选择理想的高频系数融合函数,获取兼顾细节特征和光谱特征的融合高频系数。最后,通过实验结果发现,较现有的融合算法而言,所提算法拥有更好的融合质量,更好地保持了图像的光谱特征,且目标内容显著。     

W变换和NSCT相结合的多聚焦图像融合方法

图像的多尺度分解技术和融合规则是决定多聚焦图像融合效果的关键因素。k次W系是一类以k次多项式和k次分段多项式为基函数的新的混合正交函数系统,对应的W变换是一种具有正交性和精确重构性的有效多分辨分析工具。结合W变换的多尺度特点和非子采样方向滤波器组变换的多方向性,提出了一种新的基于W变换和非子采样方向滤波器组(NSDFB)的多尺度多方向变换。该变换利用W变换对图像进行多尺度分解,利用二维NSDFB对W分解的高频子带系数进行方向分解,得到不同尺度不同方向的子带图像。在此基础上,提出了一种新的多聚焦图像融合算法。该算法针对多聚焦图像高频系数的特点,改进了常用简化脉冲耦合神经网络算法,并将其用于高频系数的融合规则中。实验结果表明,提出的融合方法能够有效地选择源图像中的聚焦良好区域,抑制伪影信息,产生视觉效果更好的融合图像,且在标准差、信息熵、平均梯度和空间频率等客观评价指标上都优于传统的基于Contourlet变换、非下采样Contourlet变换、离散小波变换的融合方法。     

基于MATLAB的DWT数字水印技术实现

本文采用了一种基于离散小波（DWT）多分辨率分解的数字水印技术,研究了水印算法,将图像进行三级小波分解,产生三个高频带系列子图和一个低频带子图。由于人眼对高频信息的敏感度低于对低频信息的敏感度,因此,采用了把水印嵌入到小波图像的中高频系数C中。通过实例证明了如何把MATLAB应用于数字水印技术,再对含水印图像加椒盐噪声...     

基于双树复Shearlet变换与改进PCNN的图像融合算法

为了克服双树复小波变换(dual tree complex wavelet transform,DTCWT)在图像融合中对方向选择性较差,难以很好地反映源图像的细节信息等不足,提出了一种新的双树复剪切波变换(dual-tree complex shearlet transform,DTCST)与自适应双通道脉冲耦合神经网络(adaptive dual-channel pulse coupled neural network,ADCPCNN)的图像融合方案。首先,利用形态学对源图像处理,对图像进行增强。再利用DTCST方法对增强图像完成分解,获得相应的低频、高频系数。然后,对于低频系数,定义了一种新的基于稀疏表示(sparse representation,SR)的融合规则。对于高频系数,利用边缘能量作为ADCPCNN外部输入,定义了一种ADCPCNN融合规则。最后,基于逆DTCST机制,输出融合图像。实验表明,与当前常用的图像融合方法比较,算法具有更高的融合视觉质量,所输出的图像更加清晰,较好保持了源图像的细节与纹理。     

基于非下采样Shearlet变换耦合导向法则的多聚焦图像融合算法

为了克服当前较多图像融合算法主要是通过取大法来完成图像系数的融合,忽略了图像间的关联性,导致融合图像中含有间断及振铃现象等缺陷,设计了基于非下采样Shearlet变换耦合导向法则的多聚焦图像融合算法。首先,引入非下采样Shearlet变换(NSST),对多聚焦图像进行计算,求取图像的不同系数。再利用图像的区域能量、标准差以及空间频率特征,对图像的关联性进行度量,并将度量结果作为选择融合规则的导向信息,通过构造导向法则来完成低频系数融合。在高频系数融合时,利用图像的均值特征以及Laplacian能量特征,分别对图像的亮度以及边缘信息进行度量,以实现高频系数的融合。以电路板与仪表盘为样本数据进行测试,结果显示,与当下融合算法相比,本文算法具有更高的融合效果,其输出图像具有更大的通用图像质量指标与平均梯度值。     

非下采样Shearlet变换耦合边缘制约的遥感图像融合算法

为了解决当前遥感图像融合算法因忽略了区域中像素点的边缘特征而导致融合图像中存在块效应以及模糊效应的不足,在非下采样Shearlet变换的基础上,设计了基于边缘制约模型的遥感图像融合算法。首先,将多光谱(MS)图像经过IHS分解,提取相应的亮度分量。然后,通过非下采样Shearlet变换,将全色(PAN)图像与亮度分量进行分解,获取各自的高频系数与低频系数。再通过图像的空间频率特征,建立低频系数的融合函数,对低频系数进行融合。并利用图像的区域平均梯度特征与图像区域中像素点的边缘能量特征,构造了边缘制约模型,对高频系数进行融合。最后,将融合后低频系数、高频系数经非下采样Shearlet逆变换和IHS逆变换,获取融合图像。实验结果显示,与当前遥感图像融合方法相比,所提算法的融合图像具有更高的清晰度,更好地保持了图像的光谱特性,消除了块效应以及模糊效应。     

基于小波域分频的变电站红外监控图像噪声自适应滤波算法

针对变电站大量电力设施暴露于野外,受到空气粉尘、光照不均等因素的影响存在实地获取的红外监控图像含有大量噪声的问题,提出了一种基于小波域图像分频思路的自适应去噪算法。该算法首先对经分解后的变电站电力设施红外监控图像的小波低频、高频系数分别进行重构,得到空间域原始图像的背景图像和细节图像;然后对背景图像采用K-SVD字典学习自适应去噪算法进行处理;对于细节图像,根据其噪声分布特征,提出了一种基于窗口尺寸自适应调整的中值滤波改进算法进行处理;最后对噪声抑制后的背景和细节图像进行融合。研究表明,本文算法处理后的图像清晰度较高,有一定的实用价值。     

区域清晰度的小波变换图像融合算法研究

针对图像传感器景深限制而产生的多聚焦图像融合问题,提出了一种基于区域清晰度的小波变换图像融合算法,通过比较不同原图像小波变换子图各像素邻域间的清晰度指标,提取不同尺度的细节信息构建全景聚焦图像,以消除传统空域融合方法因采用单一融合尺度而产生的块效应现象。该算法首先对多个原图像采用小波变换进行多尺度分解;然后针对低频子图,以像素邻域内的点锐度和作为融合度量来获得低频融合系数,对于高频子图,根据像素邻域内的拉普拉斯算子之和进行融合,以减少局部噪声对于清晰度运算结果的影响;最后通过小波逆变换获得融合图像。实验结果表明,这种基于区域清晰度的融合方法要优于其他常用算法,减少了人工融合痕迹,融合效果好。     

基于层次交互动态注意力与序列学习的图像 超分辨率重建

针对图像超分辨率中网络关注度不足、模块间协同性弱和深层特征表征消失等问题,提出了一种结合层次交互动态 注意力与序列学习单元的多级残差聚合超分辨率重建模型。模型采用多层次特征融合与跳跃连接的网络结构,结合不同层 次的特征,捕获从低到高的不同级别的信息,生成更丰富和准确的表征。模块里通过残差连接避免梯度消失,实现深度网络 的平滑损失空间和灵活增加。提出动态层次融合注意力模块动态计算各个特征的重要性权重,进行有选择性的特征融合,并 通过序列学习单元捕获更长范围的上下文信息。提出多尺度特征融合模块将不同感受野的特征信息提取融合,以挖掘更深 层的特征表示。模块尾部引入轻量化无参注意力机制自适应加权特征图,恢复图像高频细节。实验结果表明,相较于主流算 法,提出的算法在各种公开测试集(Set5、Set14、BSD100、Urbanl00、Mangal09)上进行3倍超分辨率重建评估,平均峰值信噪 比提升约0.47 dB, 平均结构相似性提升约0.0068。且在遥感图像超分辨率重建方面展示出实际应用潜力。证明其在图像 超分辨率重建方面的优越性。     

基于灰狼自适应阈值分割和改进模糊增强的红外图像NSCT增强算法

研究低成本和便携的红外成像技术是最近几年带电检测的发展趋势,为减少红外检测环境、红外传感器以及其他因素的影响,解决红外检测中红外图像含噪声干扰、模糊和对比度低的问题,文章设计了一种基于灰狼自适应阈值分割和改进模糊增强的红外图像NSCT增强算法。对原始红外图像进行NSCT域变换;变换后含有噪声的高频分量采用VT去噪后,接着采用改进模糊增强处理;对变换后含有电力设备主体的低频分量进行灰狼自适应阈值分割为背景和前景部分,随后分别进行增强处理;最后将处理后的各分量进行逆NSCT变换。经对比应用,验证了该算法应用在变电站电力设备红外检测上的优越性：文章算法与其他算法相比在边缘强度、信息熵、对比度、标准差、峰值信噪比五类评价指标上的涨幅至少为3.94%、 2.16%、 9.86%、 7.45%、 21.86%。文章算法处理后的红外图像符合人眼视觉效果,更易于人眼识别故障,有利于电力设备热故障的检测与故障定位。     

基于压缩感知的电力设备红外图像非盲自适应超分辨率方法

电力物联网建设过程中,红外传感技术应用越加广泛,然而受成本限制难以实现高精度红外传感器的大规模装设。因此文中提出了一种压缩感知自适应非盲超分辨率方法,以改善低成本红外传感器成像质量。该方法以压缩感知超分辨率模型为基础,结合图像去模糊先验信息,提出了压缩感知非盲超分辨率模型。并采用双先验二次估计的方式求解正则项惩罚参数,实现对约束项的自适应强度控制。求解过程中首先通过高斯先验对模糊图像进行初步反卷积重建,以阈值收缩的方式分离重建图像显著边缘,生成标签图像。之后根据图像内部像素点语义的不同,控制超拉普拉斯先验正则项强度,在提升重建图像清晰度的同时避免伪影振铃的产生。并针对所提模型设计了有效的求解算法。实验结果表明与现有经典非盲超分辨率方法相比,该方法重建得到的高分辨率红外图像无论在主观视觉还是客观评价指标上,均有着一定优势。且最终进行的红外图像识别对比实验,也证明了该方法重建的高分辨率红外图像能够更好地解决电力行业的实际问题。