基于脊波变换的Sar复数图像压缩方法

脊波(Ridgelet)是应用现代调和分析的概念和方法在小波分析理论上发展起来的新的分析工具.与小波分析和Fourier分析相比,脊波能对多维函数有更好的逼近速率.脊波综合了神经网络、统计学、调和分析等多个学科,克服了多维函数逼近的“维数灾”问题.本文主要探讨脊波变换的Sar图像压缩方法,对脊波首先进行了论述,在此基础上,重点分析了脊波变换算法,最后即是脊波变换的Sar图像压缩方法的阐述.     

基于全变差和脊波变换的海岸线提取算法

为有效解决视频图像中海岸线的自动提取问题,提出一种结合全变差增强水陆边缘和脊波变换预测搜索区域的海岸线提取算法.首先基于最小化全变差模型降噪和增强边缘;第2步,根据水陆像素的彩色特征,计算彩色梯度向量;第3步,利用脊波变换预测水陆交界处的大致方向和动态范围,缩小检测区域;最后用一种改进的最小代价梯度跟踪模型对海岸线进行搜索,跟踪并精确提取最终的海岸线定位参数.实验结果证明了算法的有效性和较强的抗噪声能力,并且对不同光照条件具有鲁棒性,是视频图像中提取海岸线的新方法,为下一步设计应用系统打下了基础.     

基于改进的正交FRIT的分层图像编码算法

针对直线边缘较丰富的图像,结合小波变换和脊波变换的分析优势,提出了一种新的分层图像编码算法.本算法首先对原图像进行一级小波变换,取出低频子带LL1进行小波零树编码,从而编码图像的平滑层;然后根据残差边缘层有限Radon变换系数的特征,提出了一种改进的正交有限脊波变换,用以对残差边缘层进行更有效的稀疏表示,并根据变换系数的特点,改进零树编码算法SPIHT,实现了变换系数的渐进编码.实验结果表明,本算法在码率较低的情况下具有优于小波零树编码算法的压缩性能,并且能够更清晰地重建原图像中的直线边缘.     

基于价值函数的二维小波变换小波脊提取算法

条纹图存在噪声干扰时,将二维小波变换系数模的最大值作为小波脊,会产生较大误差。针对这一问题,提出了基于价值函数的二维小波变换小波脊提取算法。首先,提取二维小波变换系数模的最大值点,并将最大值90%的局部极值点提取出来,共同作为小波脊候选点;其次,在模上引入尺度因子的梯度,建立价值函数进而评估所有候选点的价值,利用对数Logistic模型进行权值调整改进,从而得到更加合理的价值估计;最后,使用动态规划思想准确找出最优的小波脊线,提取脊线处的相位即可得到包裹相位。其优势在于能准确解调信噪比较低的条纹图案,抗噪性能优于直接最大模的小波脊提取;并且只需投影一幅条纹图案即可重建物体形貌,可用于恶劣环境下的动态三维测量。计算机仿真和实验结果表明,对于含有噪声污染的条纹图,所提算法相较于最大模的小波脊提取算法,三维形貌恢复精度明显提高;而相较于全部局部极值点提取,其运算时间缩短了46.9%。同时,应用不同母小波于所提方法,仿真结果表明二维Cauchy小波具有更好的方向性和更高的精度。     

基于改进的SPIHT多小波图像压缩编码

根据CL多小波变换后系数在不同方向的分布,考虑各子带分量图像的相关性,提出了改进的SPIHT(多级树集合分裂)编码算法.通过试验表明,与标准的SPIHT编码算法相比,该算法在重构图像的峰值信噪比不降低的情况下,运算时间不到前者的56%,内存占有量小,缩短了编码时间.     

脊波在工业CT图像裂纹边缘检测中的应用

在分析工业CT图像本身特点及小波变换检测点状奇异性的基础上，研究改进了一种基于脊波变换的边缘检钡0方法，并将其应用于实际工业CT图像裂纹检测中。首先利用脊波变换获得裂纹方向和大致范围，然后通过区域灰度均值比较定位裂纹区域，最后采用梯度算子检测出裂纹边缘并对其进行多项式拟合，得到定位准确、连续、独立的裂纹边缘图像。CT图像的旋转实验验证了该算法的鲁棒性，而与Earlace算子、Canny算子和Mallat小波方法的对比实验则证实该算法具有较强的抗噪声能力。     

高分辨卫星遥感图像压缩SPIHT算法优化

卫星遥感图像仿真压缩结果的客观质量分析和评价表明,采用双正交小波bior6.8,6层分解的SPIHT压缩算法,对高分辨卫星遥感图像的编码效果是理想的,解码后的图像客观质量能满足侦查任务的要求。     

一种基于稀疏表示的图像去噪算法

利用稀疏表示的自适应特征,将稀疏表示的多分辨理论应用于图像的去噪处理中,提出了一种基于稀疏表示的图像分块去噪方法。首先将噪声图像分割成一定尺寸的图像块,选出同质块与非同质块;然后利用小波去噪方法处理同质块,而采用脊波去噪方法处理非同质块,从而得到去噪后的图像;最后采用维纳滤波器对去噪后的图像进一步处理。实验结果表明,该方法与单纯的小波去噪方法和脊波去噪方法相比,信噪比有了较高的改善,较好地去除图像噪声,并且很好地保存图像的边缘纹理信息。     

基于小波分析的图像压缩编码

文章在分析传统压缩编码存在缺陷的基础上,提出了使用小波变换方法对图像进行压缩编码,并讨论了这种方法的优势及发展前景     

基于3D SPIHT的高光谱图像压缩技术研究

高光谱图像作为一种三维图像,其海量数据给存储和传输带来了极大的困难,必须对其进行有效压缩。本文将三维多级树集合分裂（3D SPIHT）算法应用于高光谱图像的压缩。首先根据高光谱图像的特点进行波段分组以得到处理单元,对各组分别进行三维小波变换,去除谱间和谱内冗余,利用3D SPIHT算法对变换后小波系数进行编码,去除系数之间的冗余。通过采用整数小波和浮点小波分别进行无损和有损压缩仿真,实验结果表明,3D SPIHT算法有损压缩较好,且算法具有嵌入式、可伸缩性等优点,但无损压缩性能要逊于基于预测的方法。     

基于重要系数提升的遥感图像压缩

提出了一种基于重要系数确定及系数提升幅度计算的遥感图像压缩方法。根据图像小波域系数的熵估计值确定正常编码情况下图像编码所截取到的比特平面,然后对重要的系数进行比特平面提升,这样系统编码时就能够保留更多的小目标信息。本算法与感兴趣区域编码方法不同,重要系数的定义及其提升幅度大小是根据图像内容和输出码率确定的,可以认为本算法是任意区域的感兴趣区域编码的扩展,但更为灵活。仿真结果表明,本算法可以有效保留遥感图像中小目标的信息, 系统重建图像质量略有下降,克服了现有图像压缩算法一般以均方误差最小为准则,在低码率时会失去小目标信息细节的局限。     

基于Curvelet变换的SAR图像增强

曲波变换(Curvelet transform)是小波变换的延伸和最新发展,具有各向异性和多方向性等良好特性,是表示分段平滑曲线边缘的最优基.本文阐述了Curvelet变换的基本原理,并提出基于第二代Curvelet变换的SAR图像增强算法.对含有舰船尾迹的海洋SAR图像进行增强,仿真实验结果证实了算法的有效性.     

基于像素分类的自适应SAR图像融合算法

提高纹理清晰度、保护边缘信息是合成孔径雷达（SAR）图像融合的重要目标。针对该问题,提出了一种基于像素分类的自适应SAR图像融合算法。首先使用canny算子提取图像的边缘并分类,然后利用混合高斯模型和隐马尔可夫树模型对小波系数进行建模;在此基础上使用EM算法求得模型参数,并进一步得到隐状态的概率,也就确定了小波系数的混合高斯分布;接着对两个待融合小波系数不同的类型组合采用不同的融合策略,并以隐状态概率加权;最后通过小波反变换、边缘分类增强获得融合以后的图像。实验结果表明,和传统的融合算法相比,该算法取得了更好的融合效果。     

基于首1游程的图像位面并行编码算法

针对宇航应用领域对图像压缩算法计算复杂度的要求,提出一种全新的"首1游程"位面编码算法。该算法将离散小波系数首1比特及以上位面用本文提出带符号自适应二进制游程算法编码,其下位面则不编码,直接输出比特值。为兼容无损压缩,算法采用了空间数据系统咨询委员会(CCSDS)推荐的整数97小波变换。由于考虑了像素间、位面间的数据依赖性,该算法的数据访问次数、编码复杂度等远远低于目前算法。该算法是一种内嵌式编码算法,可通过截断码流来精确控制压缩比,支持码流的渐进性传输。试验数据显示,与CCSDS推荐的图像压缩算法比较,本算法计算复杂度显著降低,而压缩性能却略高,同时还支持位平面间独立并行编码,提高了压缩速度。该算法可以满足宇航应用中高速、高性能、低复杂、低功耗的要求。     

无损图像编码中基于SPIHT的一种改进算法

为了尽可能地增加图像无损压缩编码的效率,在嵌入零树小波(EZW)算法和分层树集合分割排序(SPIHT)算法的基础上,增加了一个对A类型直接后继子孙的检测,使得重要父系数的产生依赖于非直接后继节点,并增加一C类型集来对不重要直接子孙集进行单独的分类。当检测到重要集合的数目明显大于不重要集合的数目时,对A,B或C类型的检测就可以省去。实验结果证明,无论是灰度图像或者是彩色图像,改进的算法都比传统的SPIHT算法有明显的优越性。     

图像噪声可见性控制的脊波域自适应水印算法

研究脊波变换域稳健性数字水印嵌入问题,提出一种新颖的自适应乘性数字水印嵌入算法.将图像分块后对每块进行脊波变换,使变换系数能够分段线状表示图像中的边缘奇异性;通过分析脊波系数对不同纹理程度图像的分布特点,估计块内的噪声可见性.水印自适应嵌入到块内具有能量最大方向的脊波系数,并根据嵌入水印图像的视觉感知质量和分块能量最大方向不能改变的约束要求估计水印嵌入的强度缩放参数.水印的盲检测使用相关检测器.理论分析和实验结果表明所提出的水印算法具有较高的稳健性和不可见性.     

基于FKICA-SIFT特征的合成孔径图像多尺度配准

针对合成孔径(SAR)图像的配准,提出一种基于仿射不变快速核独立成分分析-尺度不变特征变换(FKICA-SIFT)的多尺度配准方法.首先,根据特征点的Hessian矩阵构建仿射不变SIFT描述子.接着,利用FKICA提取该描述子的独立成分得到新的描述子FKICA-SIFT.然后,利用该描述子对Steerable滤波后的...