基于第二代Bandelet变换的彩色图像去噪算法

针对目前最新发展的Bandelet变换的特点,本文提出了基于第二代Bandelet变换的彩色图像去噪算法,充分利用彩色图像内在的几何正则性,自适应获得彩色图像的最优表示,通过噪声强度设置阈值,并利用软阈值函数实现彩色图像去噪。通过MATLAB实验结果表明,使用该算法去噪后的彩色图像,无论在主观视觉效果上还是客观质量指标上都比小波和第一代Bandelet算法有显著提高。     

基于第二代Curvelet变换的彩色图像增强算法

针对小波变换对彩色图像增强算法诸多问题,提出基于第二代Curvelet变换的彩色图像增强算法,它克服了小波变换在表达彩色图像边缘的方向特性等方面的内在缺陷,更加适合分析二维图像中的曲线或直线状边缘特征。阐述了第二代Curvelet变换的基本原理,通过对512×512的Lena和Babon彩色图像仿真实验,实验结果表明算法对彩色图像具有很好的增强效果,提高了彩色图像的对比度,降低了噪声,同时也较好地保留了边缘信息,无论是从视觉效果还是从性能指标都优于小波和Ridgelet算法。     

基于Curvelet变换抑制SAR图像斑点噪声的方法

提出了一种基于Curvelet变换来抑制合成孔径雷达（SAR）图像中噪声的方法，Curvelet是一种新的多尺度变换理论，具有各向异性的特征，克服了小波在处理大干一维的高维信号时的不足。该文在介绍Curvelet变换理论及其实现的基础上，引出了SAR图像斑点噪声的去除方法，并改进了Curvelet算法，降低了其运算复杂度，讨论了SAR图像噪声方差的估计，最后和其它的SAR图像去噪方法作了对比和分析。     

基于第二代Curvelet变换的自适应图像增强

Curvelet是继小波和Ridgelet之后一种新的图像多尺度表示方法,Curvelet具有多尺度,多方向的特性,属于高度各向异性的变换。第二代Curvelet变换克服了第一代Curvelet变换的高数据冗余度问题,特别是基于”Wrapping”方式的第二代离散Curvelet算法,不仅运算快速、几何真实,而且快速可逆。因此,将第二代Curvelet变换用于图像增强,并通过自适应地确定Curvelet分解子带的噪声水平,实现了一种自适应图像增强方法。实验结果表明,同基于小波变换的图像增强方法相比,该方法具有明显的优势。     

基于USFFT Curvelet变换图像去噪算法

为了更好地保留图像的高频细节信息,有效地避免图像重构中出现边缘扭曲现象.提出一种基于USFFT Curvelet变换的图像去噪算法.该方法首先对噪声图像进行USFFT Curvelet变换,在变换域计算噪声图像具有的全局阈值,然后采用窗口技术自适应地估计每个处理像素的萎缩因子,通过USFFT Curvelet反变换得到去噪后的图像信号.实验结果表明本文算法取得较高的信噪比,更好地保留了图像中存在的边缘,同时在视觉效果上也取得了较好的效果.     

第2代小波变换算法的改进及应用

在阐述第2代小波变换基本原理及特点的基础上,将最优插值估计引入到预测器设计中,提出了第2代小波变换算法的改进算法.为了验证改进算法的效果,本文将它应用到信号的去噪处理中,并将其去噪效果与第2代小波变换的去噪效果和传统小波变换的去噪效果进行了比较,结果表明,用第2代小波变换改进算法去噪具有更好的性能.     

基于Finite Ridgelet变换的去噪算法研究

该文对Ridgelet变换以及FRIT(FiniteRidgeletTransform)变换作了介绍,并在此基础上提出了基于FRIT变换的平移不变去噪算法。实验证明该算法能有效地去除图像的高斯噪声,同时能很好地保留图像的细节信息。     

小波变换应用于图象去噪

数字粒子图象测速技术（ＤＰＩＶ－ＤｉｇｉｔａｌＰａｒｔｉｃｌｅ－ＩｍａｇｉｎｇＶｅｌｏｃｉｍｅｔｒｙ）已在国内外得到广泛的重视和应用,但目送２其最大的问题是精度问题,由于ＤＰＩＶ的图象数据是用ＣＣＤ摄像机经相应的图象卡采集示踪粒子图象得到的,这样在实验过程不可避免引入的噪声（主要是示踪粒子大小、示踪粒子数值量、诊断窗口大小、诊断窗口内的速度梯度和量化效果等引入的噪声）降低了实验测量的精度。本文应用     

基于2代Curvelet改进IHS变换的遥感图像融合

Curvelet变换是继小波变换之后,能更适合于图像处理的一种新的多尺度变换分析方法,它比小波变换更加适合分析2维图像中的曲线或直线状的边缘特征,同时也具有很强的方向性。为了将该变换应用于图像融合,首先对第2代Curvelet变换理论进行了综述,然后在对基于第2代Curvelet变换的遥感图像融合方法进行研究的基础上,提出了一种与IHS变换结合的融合方法。最后用高分辨率全色图像与低分辨率多谱图像进行了融合实验,实验结果表明,将Curvelet变换引入图像融合,能够更好地提取原始遥感图像的特征,不仅可为融合图像提供更多的信息,而且融合图像能在较好地保留光谱信息的同时,使空间细节信息也得到增强。     

基于小波和PCA的自适应颜色空间彩色图像去噪*

在彩色图像去噪任务中,传统的颜色空间通道之间存在很强的互相关性,使去噪后图像出现颜色突变,影响图像去噪效果。针对该问题,提出一种降低通道之间相关性的颜色空间构造方法,该方法以待去噪图像在小波变换域中系数的聚集特征为依据,利用主成分分析方法确定系数聚集的主方向、次主方向。由主方向和次主方向的基向量确定自适应的颜色空间,在该颜色空间中实现图像去噪。实验结果表明,相比传统的颜色空间,本文所构造的颜色空间去噪无论在视觉效果、峰值性噪比和稀疏特征保真度上,均取得了更好的去噪效果。     

基于Ridgelet变换的多尺度去噪算法研究

给出了Ridgelet变换的理论,并提出了一种基于尺度因子与Ridgelet变换的图像去噪算法,将Ridgelet应用于图像去噪并与小波去噪进行比较。实验结果表明,该算法对高斯白噪声污染的图像去噪具有较好的效果,不仅可以提高处理图像的信噪比,而且图像的视觉效果有明显改善。     

基于Curvelet域隐马尔可夫树模型的SAR图像去噪

从SAR图像相干斑噪声的统计特点出发,将Curvelet变换与隐马尔可夫树(HMT)模型相结合,提出了一种基于Curvelet域隐马尔可夫树(HMT)模型的图像去噪方法.利用HMT模型捕获Curvelet系数之间的尺度从属性,较好地实现了普通图像去噪和SAR图像的相干斑噪声抑制,同时分析了文中算法的去噪机理和计算复杂度.仿真实验证明,与小波域HMT模型方法和Curvelet变换方法比较,主观视觉效果和数值指标都有明显改进.平滑指数(FJ)值大小适中,水平和垂直边缘保持指数(ESI)平均提高了约0.2～O.3.     

A new digital implementation of ridgelet transform for images of dyadic length

Ridgelet transform is a new directional multi-resolution transform and it is more suitable for describing the signals with high dimensional singularities. Finite ridgelet transform is a discrete version of ridgelet transform, which is as numerical precision as the continuous ridgelet transform and has low computational complexity. However, finite ridgelet transform is only suitable for images of prime-pixels length, which is a limitation of its applications in image processing. In this paper, a new digital implementation of ridgelet transform that is suitable for images of dyadic length is proposed. This method not only expands the applications of finite ridgelet transform, but also simplifies the algorithm. First, we introduce the concept of ridgelet transform in the continuous domain. Then, we illustrate finite ridgelet transform and the new method. Finally, we compare the new method with finite ridgelet transform by applying both digital ridgelet transforms to the denoising of images embedded in additive white Gaussian noise and the new method gets a better performance in image denoising. The new algorithm can also be used as the important building block in curvelet transform and get surprising visual performances in denoising for natural image.     

方向性小波理论应用特性分析

方向性小波理论为图像处理提供了一种新的稀疏表示方法,能够更有效地捕捉图像中的几何结构。本文从基的特征入手,比较了方向性小波与传统小波在逼近图像几何边缘时的不同之处;总结了近年来该领域内提出的几种主要理论,以Ridgelet变换为例说明了方向性小波理论的基本原理。实验演示了Contourlet变换和小波变换的非线性逼近性能
能和去噪效果。最后指出了该领域进一步研究的方向     

二代小波变换及其在图像融合中的应用

介绍了比较新颖的二代小波变换技术,即通过分裂、预测和更新三个步骤实现小波变换的方法,并且把这种技术成功的应用于图像融合技术中。实践表明,这是一种比较成功的图像融合解决方案。     

基于有限Ridgelet变换的图像去噪

Ridgelet变换是一种新的图像多尺度几何分析（MGA）方法,它能有效地对图像进行多尺度,多方向的描述。M．N．Do提出一种可逆的,正交化的,极好重建性的Ridgelet变换实现一有限Ridgelet变换（FRIT）。本文将有限Ridgelet变换应用到线状边界明显的图像去噪中,实验结果表明,它比小波去噪取得更好的效果。     

基于曲波变换的红外/可见光图像融合

和小波变换相比较,曲波变换能更好地表示图像的边缘信息.在此基础上给出了一种基于曲波变换的图像融合方法,并将其应用于红外和可见光图像融合.首先,对红外图像和可见光图像分别进行曲波变换,得到两幅图像的低频分量和不同尺度的高频分量.在对源图像的各分量融合时,对低频分量采用平均加权进行融合.对高频分量采用取绝对值较大的方法进行融合,得到融合后的低频分量和不同尺度的高频分量,最后对这些融合后的分量进行重构,得到融合图像.仿真结果表明:和基于小波变换的融合算法相比较,该算法较好地保留了源图像的细节信息,提高了融合的效果.