抗混叠轮廓波变换及其在图像融合中的应用

研究了原始轮廓波变换的频谱混叠问题,设计出能抑制混叠的多尺度分解方案,结合方向滤波器组,实现了一种抗混叠的轮廓波变换.在此基础上,提出了新颖的基于抗混叠轮廓波变换的图像融合算法.该算法通过邻域一致性测度的计算,实现了变换系数的局部自适应融合.实验结果表明,所提出的方法在视觉质量及定量指标上都优于基于小波变换和轮廓波变换的传统方法.     

基于LS-SVM的复轮廓波变换的图像去噪

针对传统的轮廓波变换图像去噪时引入边缘混叠现象,提出了复轮廓波变换(Complex Contourlet Transform,CCT)和最小二乘支持向量机(LS-SVM)的图像去噪方法.该方法充分利用了复轮廓变换的平移不变性、多方向性以及LS-SVM的小样本学习能力,应用训练好的LS-SVM模型将含噪图像的CCT系数分为含噪点和非含噪点,进行去噪处理.仿真结果表明该算法有效保护图像边缘纹理信息,其峰值信噪比明显高于其他算法,并且具有良好的视觉效果.     

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Contourlet的改进梯度多聚焦图像融合

针对传统图像融合保留源图像信息和边缘信息的不足,提出了一种基于轮廓波的改进梯度图像融合算法。首先源图像经轮廓波分解,得到低频和高频子带系数;其次,低频采用改进梯度、高频采用SML的选取规则;最后轮廓波反变换得到融合图像。实验表明,本文提出算法比小波方法、传统轮廓波方法融合效果好。融合图像的信息量大,边缘信息丰富。     

乳腺X线图像的增强与噪声抑制研究

提出了一种基于多尺度几何分析的乳腺X线图像增强与噪声抑制的新方法.首先对乳腺X线图像进行非下采样Contourlet变换分解,得到相应尺度和子带信息;然后根据变换系数的统计特性,应用广义高斯混合模型对其进行建模,并在此基础上引入贝叶斯分类方法将建模后的系数分为强弱边缘及噪声;再根据各个子带系数的类别属性,分别设计相应的非线性映射函数来对不同的系数进行自适应增强和抑制;最后采用增强和抑制后的系数对原图像进行重构,从而得到凸显病变区域特征的增强图像.实验结果表明,该方法具有良好的实用性和鲁棒性.     

边缘和对比度增强的NSST域红外与可见光图像融合

为了将红外图像的全局信息与可见光图像的细节信息进行有效结合,进一步提高融合后图像的质量,提出了一种同时增强图像边缘细节和对比度的非下采样剪切波变换(NSST)域红外和可见光图像融合方法。首先,通过平移不变剪切波将图像分解成为低频子带与高频子带,通过全局显著性图分析图像的对比度信息;利用改进型局部显著度图分析图像局部边缘信息。针对不同频带系数,结合边缘信息和对比度信息对频带系数进行融合,最后,利用逆变换得到最终的融合图像。大量实验结果表明,本文方法在提高图像整体对比度的同时增强了图像的边缘细节表现能力,优于现有的基于小波变换,非下采样轮廓波变换(NSCT)和显著度图等几种图像融合方法。     

基于轮廓波变换的红外目标图像动态实时识别技术研究

红外目标图像识别技术已经广泛地应用于各个领域,基于小波变换的红外图像识别存在明显不足,主要表现在小波系数的振荡性、移变性、频谱混叠性以及二维小波变换缺乏方向性。轮廓波变换的提出和发展很好地解决了这些问题。设计开发了基于轮廓波变换的红外目标图像动态实时识别系统,很好地实现了红外目标图像的动态实时获取,且其应用前景广泛。     

非抽样轮廓波变换域图像融合方法研究

轮廓波变换由于不具备平移不变性,应用于图像融合会产生褶皱现象。针对轮廓波变换的这一不足,提出了一种基于非抽样轮廓波变换的图像融合算法。首先由非抽样金字塔和非抽样方向滤波器组对源图像进行多尺度、多方向分解,然后对得到的变换系数进行融合处理得到融合系数,最后对融合系数进行重构即可得到融合图像。算法将具备平移不变性的非抽样轮廓波变换应用于图像融合,消除了褶皱现象,获得了更好的融合效果。实验结果表明,与其他基于多分辨率分解的融合算法相比,该算法显著减小了融合图像的MSE及ΔH,提高了Correlation值及融合图像的清晰度,是一种有效的融合算法。     

椭圆方向窗与新轮廓波应用于多聚焦融合算法研究

针对光学显微镜景深扩展中的多聚焦图像融合问题,提出了一种基于方向特性的新轮廓波域多聚焦图像融合算法。该算法首先对图像进行新轮廓波变换(New Contourlet Transform with Sharp Frequency Localization,NCT-SFL),分解得到不同尺度、不同方向的高低频系数,低频系数融合使用算术平均法,高频系数融合分为两步:先采用改进拉普拉斯能量和(Sum Modified Laplacian,SML) 提取特征值;然后定义新的与方向分解一一对应的椭圆方向窗,在确定的椭圆窗参数下,对提取的特征值进行累加并以此为依据对高频系数进行融合,最后通过反新轮廓波变换得到融合图像。在实验部分用定义的新的客观评价指标互结构信息(Mutual Structural Information,MSI)对融合算法进行了评价,结果表明:对多聚焦图像本文所提方法比新轮廓波域方形窗算法MSI提高了2.94%,比Contourlet域方形窗与椭圆窗算法MSI分别提高了10.44%和8.56%。说明本文方法能提取源图像中更多的清晰信息到融合图像,是一种有效的景深扩展手段。      

一种适于计算声场景分析的混叠语音基音检测方法

本文提出了一种在混叠语音信号中检测各自语音分量基音信息的方法.该方法采用小波变换作为基音检测模型中的滤波处理,并用广义自相关运算突出基音信息,用增强自相关累和消除冗余信息,并提出了用基音概率函数来预测并跟踪不同基音的变化以提高基音检测的准确性.本文提出的方法可应用于计算声场景分析中.实验结果表明,该方法对于混叠语音的基音检测是非常有效的.     

具有多方向选择性的小波构造

在二维离散希尔伯特空间中构造了一种具有简单细胞感受野特性的多方向低冗余度小波.该小波的频谱具有扇形支撑区,因此本文称之为扇形方向小波(fanlet).Fanlet变换通过圆周对称多分辨率分解和方向滤波器组实现,它将图像分解为多分辨率多方向子带.利用遗传算法设计fanlet变换中满足重构条件的圆周对称滤波器组.与轮廓波(contourlet)相比,Fanlet的光滑度高,并且没有频谱混淆现象.实验结果表明,利用fanlet进行图像去噪,其峰值信噪比和视觉效果均优于contourlet.     

非下抽样抗混叠Contourlet变换及其自适应阈值去噪

针对Contourlet变换在频谱混叠及平移不变性方面存在的局限性,提出了一种非下抽样抗混叠Contourlet变换(NS-NACT),其由非下抽样抗混叠塔式滤波器组(NS-NPFB)和非下抽样方向滤波器组(UDFB)构成。基于此,研究了一种基于自适应阈值调节的去噪算法。实验研究结果表明,当噪声方差σ=30时,通过本文算法去噪后的图像,不仅峰值信噪比(PSNR)较非抽样小波和Contourlet分别高出0.65dB和3.47dB,而且有效抑制了Contourlet变换去噪后的Gibbs现象,同时还可以更好地保留图像的边缘和细节,去噪效果更佳。     

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.     

一种基于Contourlet变换的图像质量评价算法

由于基于Contourlet变换的图像处理已经成为多尺度、多方向图像处理领域的重要组成部分,所以能对嵌入Contourlet变换域图像处理系统中的图像质量进行评估的算法就成为重要的评估方法。通过对Contourlet变换域图像结构特性的研究,提出了Contourlet结构相似度(CSSIM)的图像质量评价方法。在LIVE图库上的实验结果表明CSSIM比SSIM和DWTSSIM(基于小波的SSIM)更加符合人眼的视觉特性,可以更好地评判图像质量。因此该算法可应用于基于Contourlet变换的图像处理系统中。     

基于Contourlet变换的彩色图像融合算法

以红外和彩色可见光图像为研究对象,提出一种基于Contourlet变换的彩色图像融合算法.算法首先通过IHS(Intensity-Hue-Saturation)变换将彩色可见光图像从RGB颜色空间变换到IHS空间,进而利用Contourlet变换和加权融合规则将 I 分量图像与红外图像进行融合,然后将得到的灰度融合图像进行线性拉伸以获得与 I 分量相同的均值和方差,最后用拉伸后的灰度融合图像替换原来的 I 分量,并通过IHS逆变换得到最终的RGB彩色融合图像.算法一方面将Contourlet变换这一新的数学工具引入到图像融合中,另一方面提供了一种新的红外和可见光图像的彩色融合方法.实验结果表明,同样采用本文的彩色融合方法,Contourlet变换的融合结果优于小波变换,而且本文彩色融合方法的融合性能明显超过传统IHS变换融合法.     

基于方向区域的NSCT图像融合算法

提出一种新的基于方向区域的NSCT图像融合算法。算法首先对源图像进行NSCT分解,获得不同方向的高低频子带。其次对高低频系数,根据不同分解层的方向特性,按方向区域能量的规则进行融合。最后,通过反变换获得融合图像。该方法既保留了Contourlet变换方法的多尺度多方向特性,又具有移不变性。实验结果表明,提出的算法有效可行,对比常用的区域融合算法,获得了更好的融合效果。     

基于Contourlet变换和IPCNN的融合算法及其在可见光与红外线图像融合中的应用

针对多传感器图像融合这一图像处理领域中的研究热点问题,提出了一种基于Contourlet变换和IPCNN的融合方法.该融合方法首先利用Contourlet对输入图像进行多尺度、多方向稀疏分解,准确地捕获图像中的二维或高维奇异信息,然后在Contourlet域充分利用IPCNN的同步激发特性,进行基于IPCNN的融合策略设计,提高了融合效果.仿真结果表明,该算法具有很好的融合效果.     

一种基于Contourlet变换的人脸识别方法

Contourlet变换是一种新的多尺度几何分析方法,它不仅具有小波变换的多分辨率特性和时频局域特性,还具有很强的方向性和各向异性.该文分析了Contourlet变换的基本原理与变换的特点,提出了基于Contourlet变换的人脸识别方法,分别提取Contourlet变换的低频系数特征与高频方向子带统计特征进行实验.实验结果证明,Contoudet变换的低频系数特征具有优异的识别特性,而其高频方向子带统计特征则刻画了人脸轮廓与局部器官形状等信息,也具有一定的识别性能.