基于曲波变换的轮胎花纹特征提取及水印算法

针对轮胎图像曲线纹理较多且方向较为统一的特性,提出具有旋转不变性的纹理特征提取算法。利用二层曲波变换解析方向多、对曲线敏感的特点,对图像进行二层曲波变换;结合曲波变换各方向子带能量分布,在能量占比最大的子带嵌入置乱的数字水印,保持各子带能量分布顺序不变并对其进行循环移位,直至能量占比最大的子带位于首位,并以位移后的各子带系数的均值和方差作为特征向量,给出相应的数字水印嵌入算法。对比实验结果表明,该算法查准率可达79.5%,加入水印后的查准率为76.6%,具有较好的不可见性与鲁棒性,且对图像纹理特征的影响较小。     

基于Curvelet变换的虹膜识别

为提高虹膜识别的准确度,提出采用第二代曲波变换提取虹膜图像纹理特征的方法.首先将预处理后的虹膜图像进行曲波分解,然后采取不同方法对曲波分解后的低通和带通子带进行特征提取,并根据各带通子带的能量大小赋予不同的加权系数,最后采用欧式距离进行虹膜特征匹配.在4种虹膜图像库上测试表明,提出的虹膜图像纹理特征提取方法具有较高的识别率,与Harr小波和DCT(离散余弦变换)相比,特征提取时间相当,但识别率相对DCT来说,分别提高了1.8％,2.1％,2.0％和0.9％.     

基于Radon和小波变换的纹理图像检索

提出一种新的基于Radon和小波变换的图像纹理特征检索算法．针对检索图像进行Radon变换,并对投影矩阵进行中心化使其具有平移不变性．利用图像的统计值对投影数据规范化,分别沿 和t方向对投影矩阵进行TSI小波分解,得到具有平移、旋转和尺度不变的小波分解．提取各子带能量作为图像的纹理特征,并对特征向量进行高斯归一化．以两幅图像归一化特征向量间的Canberra距离作为图像的相似度进行检索．基于纹理特征的图像检索试验结果表明,该方法对高斯噪声具有较强的鲁棒性,与其他方法相比具有较高的检索率．     

基于小波变换与曲波变换的图像插值

提出了一种组合小波变换与曲波变换稀疏约束的图像插值算法。利用小波变换对图像纹理成份和曲波变换对图像卡通成份的稀疏表示特性,首先将图像插值问题转化成稀疏约束的图像重建问题,然后通过迭代投影对复原最优化问题进行求解,从而实现成份自适应的图像插值。实验结果表明,相比于现在有图像插值算法,本文算法可以显著地提高被插值图像的峰值信噪比(PSNR)和视觉质量。     

基于DTCWT域统计特征融合的纹理图像检索

在多尺度变换域,将各子带系数的统计特征进行互补融合可以有效地提高纹理图像检索的性能。文章利用双树复小波变换提出一种新的将低频子带系数的能量特征、高频子带幅值系数的Weibull分布参数特征以及相对相位系数的wrapped Cauchy分布参数特征相融合的纹理图像检索方法,采用VisTex纹理图像库进行检索。结果表明:采用多类系数统计特征的互补融合,以及最优的相似性测度加权组合,能够显著地提高纹理图像检索系统的平均检索率;与现有的7种纹理图像检索方法相比较,所获得的较高平均检索率为86.74%。     

基于纹理与颜色特征融合的刑侦图像检索算法

针对刑侦图像检索,给出一种基于多方向多参数的灰度共生矩阵和HSV颜色矩的图像特征提取算法。计算刑侦图像8个方向上6个参数,共48个特征值来表示图像的纹理特征,分别计算图像H、S和V通道的一阶矩、二阶矩和三阶矩,作为图像的颜色特征,并将纹理特征和颜色特征进行融合以保证特征的全面性。对刑侦图像数据库进行检索试验,结果表明,相较于4参数的灰度共生矩阵法和小波变换融合颜色直方图检索方法,所给方法的各类图像查准率更高。以指纹类别为例,所给算法的查准率为68%,高于4参数灰度共生矩阵算法的49%,和小波变换融合颜色直方图检索算法的53%。     

基于Contourlet变换和不变矩的图像检索方法

利用Contourlet变换具有良好的稀疏特性及其能准确捕获图像中边缘信息的特性,提出一种基于Contourlet变换和不变矩的图像检索方法.利用Contourlet变换分解得到高、低频子带,计算各高频子带的信息熵和低频子带的7个不变矩构成图像的特征向量,采用不同权值的欧氏距离作为图像的相似度进行检索.实验结果表明,该方法具有较高的查准率,能够对纹理图像进行很好的分类和检索.     

在曲波域中应用统计模型的图像纹理特征提取

针对基于内容的图像检索系统图像纹理特征提取对图像检索精度存在影响的问题,提出一种基于曲波( Curvelet)变换与高斯混合模型(Gaussian Mixture Model,GMM)相结合的方法提取图像的纹理特征.该方法通过曲波对图像进行多尺度分析并结合K-means和期望最大化(Expectation Maximization,EM)算法来估计高斯混合模型的参数,以此构建图像的纹理特征空间.仿真结果表明,所提出的方法比传统的图像纹理特征提取方法精度更高,并且提高了图像检索系统中的检索精度.     

基于纹理特征与广义相关性结构信息的医学图像融合

结合多尺度变换的图像特征,提出了一种基于纹理特征与相关性结构信息的医学图像融合方法。首先对已配准的源图像进行非下采样Contourlet变换,得到低频、高频子带系数。其次考虑人眼视觉对纹理特征的敏感性,提出局部差分计盒维数来统计图像的纹理信息;分析NSCT高频子带兄弟系数间及其父子系数间的强相关性,分别计算出系数间的结构相似度与邻域拉普拉斯能量和,作为高频子带系数间的广义相关性结构信息。然后对低频提出Sigmoid函数自适应融合,对高频采用广义相关性结构信息取大法。最后进行逆NSCT变换得到融合图像。通过灰度与彩色图像融合实验发现,该算法不仅可以保留源图像的边缘信息,还得到较好的客观评价指标和视觉效果。     

联合Contourlet和Bandelet的变换在图像压缩中的应用

针对小波变换方向选择性差的局限,提出了一种基于Contourlet的Bandelet变换．该变换首先通过小波变换把图像分解成不同频率的子带,接着用方向滤波器组把高频子带分解为多个方向子带,之后对每个方向子带进行Bandelet变换．这种多方向多尺度临界采样的变换能更稀疏地表示图像边缘和纹理等几何特征,有利于图像压缩．将JPEG2000的比特位平面和上下文编码方法应用到量化后的变换系数上实现了图像压缩．实验结果表明,对于纹理和边缘丰富的图像,提出的压缩算法优于JPEG2000．