基于双树复小波变换的自适应图像融合方法

双树复小波具有平移不变性、方向选择性、有限冗余等特点,用于图像融合,优于传统的小波变换方法。本文提出一种基于双树复小波变换的自适应图像融合方法,源图像复小波分解后低频采用PCA,高频采用区域能量算法。通过对可见光和红外图像的融合实验,结果证明了双树复小波的优势和所用融合算法的有效性。     

双树复小波变换及其应用综述

双树复小波变换是为克服通常的离散小波变换的缺陷而提出的。当对应小波基（近似）满足Hilbert变换关系时，双树复小波变换能够极大地减小通常的实小波变换中的平移敏感性，改善方向选择性。这些优点使双树复小波变换成为有效的图像配准融合工具，能够显著提高配准融合质量。     

基于双树复数小波变换的掌纹特征提取

根据掌纹纹理的多分辨率、多方向特性,提出了一种基于双树复数小波变换的掌纹特征提取方法,利用双树复数小波变换具有的近似平移不变性,多方向选择性对掌纹图像进行特征提取,全面的描述了掌纹图像的纹理特性.该方法首先对掌纹图像进行多尺度双树复数小波变换,然后将每个细节图像分块,计算每个细节图像每块各点的幅值之和,形成矢量,归一化后形成掌纹特征矢量,最后使用加权的城区距离进行匹配.在1000幅掌纹图像上进行实验,结果是该方法具有的0.093 5%的等错率,发生等错率时的正确识别率为99.908 1%,在行和列方向上的抗平移能力约为一6～+6个像素.对比实验表明本方法在提取掌纹特征和抵抗平移的能力好于基于实数小波能量特征的方法.     

基于双树复小波变换的多聚焦图像融合算法研究

针对传统离散小波变换图像融合算法在图像特征表达上存在的不足,采用具有近似平移不变性和方向选择性的双树复小波变换对多聚焦图像进行多分辨率分解与重构,并对高频子带应用基于局部相似性度量的加权平均与选择相结合的融合策略。通过对实验结果的主客观分析,证明该方法得到的融合图像效果较好,优于基于传统小波变换的算法和局部能量取大的算法。     

基于Q-Shift DT-CWT的多聚焦图像融合研究

提出了一种基于Q-Shift双树复小波变换的多聚焦图像融合算法.根据多聚焦图像的成像特点和变换后的高低频系数相关性,对高频系数采用＂模值绝对值和取大＂和对低频系数采用＂局部区域标准方差取大＂的融合准则,并对高频融合系数进行一致性检测,以实现尽可能直接选择源图像中的清晰区域系数作为融合图像对应位置的系数.实验结果表明,该融合方法获得了很好的融合效果,与小波变换相比,充分显示了近似的平移不变性和良好方向选择性等特性.     

基于双树复数小波变换的SAR图像噪声抑制方法

利用双树复数小波变换(Dual Tree Complex Wavelet Transform,DTCWT)的近似平移不变性和多方向选择性,提出了一种基于DTCWT变换的SAR图像噪声抑制方法。首先对无噪声污染图像的复数小波系数的统计概率分布进行建模;然后利用此先验概率模型,采用最大后验概率方法从含噪小波系数中估计出无噪声污染的小波系数;最后经重构得到滤波后的图像。实验结果表明,此方法优于其他一些相干斑抑制方法。     

基于复Bandelets的自适应SAR图像相干斑抑制

针对SAR图像统计特性,构建具有良好的平移不变性、方向选择性和自适应近似最优匹配性能的复Bandelet基函数,并提出一种相干斑抑制算法.该算法基于全变差构建复Bandelet寻优的目标函数;采用广义交叉验证准则,在不需要估计噪声方差的情况下,自适应获取各个分解层的渐进最优阈值.实验与经典空域滤波、基于小波、双树复小波和Bandelets的滤波方法进行了比较,结果表明基于复Bandelets的滤波方法在有效滤波的同时更好地保护了图像的几何结构信息,客观衡量指标和视觉效果都有较明显的改善.     

基于双密度双树复数小波变换的图像融合研究

双密度双树复数小波变换综合了双密度小波、双树小波和复数小波的优点,具有平移不变性以及良好的方向性,将其引入图像融合能够更好地提取原始图像的特征,为融合图像提供更多的信息。该文提出一种基于双密度双树复数小波变换的图像融合方法,首先将图像进行双密度双树复数小波变换,然后在相应尺度上利用融合规则将变换系数融合,最后进行重构得到融合结果。采用多组具有不同特征的源图像进行融合实验,并对融合图像进行了主客观评价。实验结果表明,该文方法的融合效果优于传统的小波变换方法。     

激光主动成像图像噪声抑制方法

针对激光主动成像图像特点及实际应用需要,提出了一种基于同态滤波与双数复值小波变换级联的图像降噪算法。首先通过同态滤波将乘性散斑噪声变换为加性噪声;然后用基于改进Q-shift滤波器的双树复值小波对含噪图像进行分解,通过Bayes自适应阈值法修正小波系数;最后再进行相应的逆变换得到去噪图像。该算法具有近似平移不变性、多方向选择性及精确重构性,采用信噪比（SNR）、峰值信噪比（PSNR）和运行时间作为算法去噪性能的评价标准进行实验。实验结果表明该算法能够有效抑制图像中的散斑噪声,计算效率高,且很好地保护了图像细节。     

基于复小波邻域隐马尔科夫模型的图像去噪

多分辨信号和图像模型可用于捕获图像中平滑和奇异区域的统计结构,但是,基于正交小波变换的模型受到平移变化的影响从而降低了其准确性和实时性.本文将邻域隐马尔科夫模型LCHMM( Local Contextual Hidden Markov Model)扩展到复小波的范围,提出了一种基于复小波的邻域隐马尔科夫模型C-LCHMM( Local Contextual Hidden Markov Model Based On Complex Wavelet),该模型具有近似平移不变性及分辨率高的特点、能够捕获小波系数的邻域的统计特征、且计算复杂度小.仿真试验表明基于复小波邻域隐马尔科夫模型(C-LCHMM)用于图像去噪的效果优于典型的去噪算法.     

基于双变量收缩函数的对偶树复小波图像去噪

常用离散小波变换缺乏平移不变性和良好的方向选择性,并且在图像去噪中使用的模型没有充分考虑系数间的相关性,导致去噪效果不理想.为了克服上述离散小波变换图像去噪的不足,提出了利用对偶树复小波变换与双变量收缩函数相结合的图像去噪算法.实验结果表明,该算法比传统算法有更好的去噪效果.     

基于Q-shift双树复数小波系数的纹理图像检索

提出了基于Q-shift双树复数小波变换(DT-CWT)系数统计模型的纹理图像检索。与实数小波变换不同的是,Q-shift DT-CWT交替地使用近似1/4群延迟采样的滤波器组,提取具有平移不变性和良好方向选择性的图像特征。为了减少特征向量的维数,提出用广义高斯分布(GGD)统计模型拟合Q-shift DT-CWT系数的分布,克服了传统使用均值和方差描述图像特征缺乏分类准确性和检索精度不高的缺点,最后用KLD(Kullback-Leibler distance)测度进行纹理图像检索。对Brodatz图像库的仿真表明,新方法较DT-CWT+GGD+KLD组合算法查准率提高3.75%,较基于Gabor+加权均值方差(WMV)组合算法查准率提高了22.56%。     

基于色度分析的唇动特征提取与识别

本文提出了一种基于色度滤波的唇动特征提取与识别方法 ,它通过唇的色度滤波 ,得到增强的唇动图像 ,再利用可变模板 ,描述口型轮廓并提取特征参数 ,并用HMM模型进行唇运动序列图像识别 .该方法鲁棒性强 ,对光照没有苛刻的要求 ,且针对非特定人 ,适用于自然条件下的实用环境 ,解决了可变模板对目标边缘有较高分辨率的要求 ,使方法更实用化 .本文的实验是基于单纯的视觉信息 (没有声音信道的信息 )的唇动识别 ,不加语音信息 ,实验集合只限于单韵母 ,识别率可达 95 8% .     

Research on algorithm of night vision image fusion and coloration

An new color image fusion method is presented based on dual-tree complex wavelet transform (DT-CWT) and Lαβ space for visual and infrared night image fusion. The color transfer technology is conducted to colorize the gray-scale visual image based on Lαβ space and the three component values of L, α and β can be gained. The appropriate dynamic range of gray image in Lα β space is proposed, and the reason of oversaturated colors is analyzed. The DT-CWT is applied in gray image fusion processing because of it's properties: shift invariance, directional selectivity, in order to obtaining exact position and clear image presentation. The different fusion rule is used aiming at high and low frequency components. The weighted average method is employed to low frequency part, and the high frequency parts are of selection greater local energy. The component L of colorized visual image is replaced by the gray-scale fused image. And the color fusion image is obtained by from Lα β to RGB(R: red, G: green, B:blue). The experiment results indicate that the proposed algorithm can achieve three requirements: detectability of the target, clear details and natural colors.     

基于NSCT和SVM的脑MRI医学图像识别

利用NSCT变换具有多尺度和平移不变性,能够稀疏地表示纹理图像的特点,将具有丰富纹理信息的人体脑部核磁共振(MR)图像,从空间域变换到频率域表示。提取变换后表征图像特性的低频子带均值、方差及高频16个方向子带能量作为特征向量,输入SVM分类器进行分类识别。实验结果表明该方法对非病变脑部MR图像识别准确率达到100%,病变脑部MR图像的识别率达到90.90%,综合识别率达到95.45%。且该方法提取的特征维数少,识别速度快,识别率高,能够快速区分病变与非病变脑部MR图像。     

基于双树复小波变换的多聚焦图像融合方法

针对同一场景的多聚焦图像融合,提出了一种基于双树复小波变换(DT-CWT)的图像融合新算法.首先利用DT-CWT对图像进行多尺度和多方向分解,并根据双树复小波分解域各子带的系数特性定义了图像局部方向对比度,然后针对高频分量系数的选择,采用基于方向对比度的融合规则,而在低频域采用图像清晰度为测度的融合策略.实验结果表明,该算法能够很好地将多聚焦图像中的重要信息提取并注入到融合图像中,与其他方法相比较,取得了更好的融合效果,提高了融合图像的质量.     

基于DT-CWT的红外与可见光图像自适应融合

针对低可见光图像和红外图像的特点,提出一种基于DT-CWT的自适应图像融合算法.该算法具有好的平移不变性和方向选择性,更适合于人类视觉.先对源图像作双树复小波变换,充分考虑各尺度分解层的系数特征,对低通子带引入免疫克隆选择,根据统计评价准则定义亲和度函数,自适应获得最优融合权值;对高通子带则根据人类视觉特性定义局部方向对比度,并作为融合准则,突出和增强了各源图像的对比度与细节信息.实验结果表明:与基于小波的融合结果相比较,本文的融合算法自适应性和鲁棒性更强,较好地保护和显示了源图像中的边缘和细节信息,对比度和清晰度都有所提高.     

Image denoising with anisotropic bivariate shrinkage

This paper presents a novel image denoising algorithm based on the modeling of wavelet coefficients with an anisotropic bivariate Laplacian distribution function. The anisotropic bivariate Laplacian model not only captures the child-parent dependency between wavelet coefficients, but also fits the anisotropic property of the variances of wavelet coefficients in different scales of natural images. With this statistical model, we derive a closed-form anisotropic bivariate shrinkage function in the framework of Bayesian denoising and a new image denoising approach with local marginal variance estimation based on this newly derived shrinkage function is proposed in the discrete wavelet transform (DWT) domain. The proposed anisotropic bivariate shrinkage approach is also extended to the dual-tree complex wavelet transform (DT-CWT) domain to further improve the performance of image denoising. To take full advantage of DT-CWT, a more accurate noise variance estimator is proposed and the way the anisotropic bivariate shrinkage function applied to the magnitudes of DT-CWT coefficients is presented. Experiments were carried out in both the DWT and the DT-CWT domain to validate the effectiveness of the proposed method. Using a representative set of standard test images corrupted by additive white Gaussian noise, the simulation results show that the proposed method provides promising results and is competitive with the best wavelet-based denoising results reported in the literature both in terms of peak signal-to-noise ratio (PSNR) and in visual quality.