基于Contourlet变换的遥感图像增强算法

提出了一种基于Contourlet变换的空间域和变换域增强相结合的遥感图像增强算法。首先对原图像进行拉普拉斯塔式变换（LP）得到原图像的细节图像,并将它和原图像线性相加实现空间域增强;然后对空间域增强后的图像进行Contourlet变换得到不同尺度和不同方向上的变换系数,构造非线性增强函数对变换系数做增强处理,实现变换域增强;最后对增强处理后的变换系数进行Contourlet反变换,实现最终的图像增强。实验结果显示：与其他增强算法相比,用本文算法增强后图像的均值可达到127,信息熵提高了10％以上,清晰度提高了7％以上,表明遥感图像得到了更好的增强效果。     

基于非下采样Contourlet变换系数直方图匹配的自适应图像增强

由于非下采样Contourlet变换(NSCT)域图像增强方法需要手动调节参数,无法实现自适应增强,本文将直方图均衡化和NSCT域增强相结合,提出了一种基于NSCT系数直方图匹配的自适应图像增强算法。该算法首先对低对比度含噪原图像进行直方图均衡化,然后对原图和直方图均衡化后的图像分别进行NSCT分解,得到低频子带系数和各高频方向子带系数。对低频子带,将原图的低频子带系数直方图匹配到直方图均衡化后图像的对应系数直方图上。对各个高频子带,则先进行阈值去噪,再将原图的各个高频子带系数直方图匹配到直方图均衡化后图像的对应系数直方图上。最后,经NSCT重构得到增强后的最终图像。实验结果表明,本文方法增强效果明显优于直方图均衡化,与Contourlet变换增强法相比,实验所采用的两组图像的图像评价函数(EMEE)值分别提高了24.05%、16.97%、13.29%和20.63%,且与NSCT域非自适应增强法(人工选取参数)的处理效果相当。该方法无需手工调节参数,具有自适应性和实用性强的优点。     

利用Contourlet变换和方向Teager能量的图像融合

提出一种基于Contourlet变换和方向Teager能量的图像融合算法。首先采用Contourlet变换对图像进行分解,然后高频子带图像分别按行和列进行Teager能量计算,选取最大Teager能量作为融合算子,对于低频系数和方向高频系数采用最优加权系数算法来实现图像的融合处理。实验结果表明,提出的算法与小波分解算法相比不仅可以保留原始图像边缘和纹理信息,而且可取得良好的融合视觉效果。     

应用第二代Curvelet变换的遥感图像融合

提出了一种基于第二代Curvelet变换遥感图像融合算法。将具有高空间分辨力的Pan图像与Ms图像的待融合波段图像进行直方图匹配,并对直方图匹配后的Pan图像与待融合波段Ms图像分别进行Curvelet变换分解,得到各自的低频子带系数和各带通方向子带系数;采用一定的融合规则对Curvelet变换系数进行组合得到融合图像的Curvelet系数;最后对组合后的系数进行Curvelet重构得到该波段具有高空间分辨力的Ms图像。对IKONOS卫星遥感图像的仿真实验结果表明:与传统的基于亮度-色调-饱和度彩色空间变换融合算法相比,该算法使融合后的Ms图像整体光谱保持度提高了10.54％,而与传统的基于小波变换的图像融算法相比,其空间质量提高了0.81%~1.12%, 有效解决了基于亮度-色调-饱和度彩色空间变换融合算法中光谱失真严重和基于小波变换图像融合算法中空间质量较低的缺点,使得融合后的Ms图像在最大可能地保持原始Ms图像光谱特性的同时,显著提高了融合图像的空间质量。     

彩色遥感图像的亮度直方图局部线性化增强

针对遥感图像能量低的实际问题,提出了一种亮度直方图局部线性化图像增强方法来提高彩色遥感图像的可视效果。首先,对RGB模型描述的彩色遥感图像进行HSI变换,以有效分离H、S和I分量;其次,对亮度I分量进行传统的直方图均衡化,得到均衡化灰度映射曲线;然后,将图像梯度作为目标函数,求出最优的线性化折点位置,对灰度低端动态范围映射曲线进行线性化处理,得到局部线性化的灰度映射曲线;最后利用新的灰度映射曲线对图像进行增强处理。Himawari-8真彩色图像增强实验结果表明,经亮度直方图局部线性化增强后,像素平均梯度由73提高到了147,较传统的RGB域直方图均衡化的123及HSI域直方图均衡化的134高;图像信息熵由5.87提高到6.63,全部优于传统的RGB域直方图均衡化和HSI域直方图均衡化。本文方法有效地改善了彩色遥感图像的可视效果,提高了图像对不同目标的辨识能力。     

基于TV-L~1分解的红外云图超分辨率算法

提出一种基于TV-L1分解的红外云图超分辨率算法。该方法采用原始-对偶算法求解TV-L1图像分解模型,将低分辨率云图分解为结构部分和纹理部分:对结构部分采用软决策自适应插值(SAI)处理;对纹理部分则基于非下采样Contourlet变换(NSCT)具有多方向和平移不变的特性,构造非线性增益函数对其NSCT变换域系数进行处理,然后对处理后的变换系数进行NSCT逆变换实现纹理增强。最后,将处理后的结构部分和纹理部分组合起来得到重构的高分辨率云图。实验结果表明,所提出的算法在视觉效果以及图像质量定量评价上均优于传统插值方法,在实现两倍超分辨率时,其峰值信噪比(PSNR)和结构相似度(SSIM)平均值分别提高了1.316 2~4.591 9dB和0.007 1~0.020 6;实现三倍超分辨率时PSNR和SSIM平均值分别提高了0.338 7~4.58dB和0.001 8~0.041 7。由于SAI插值和非下釆样Contourlet变换准确表示了云图的不同形态特征,故所提算法的超分辨率结果不但准确重建了云图中的结构部分,而且有效保持了红外云图纹理和边缘。     

基于多重分形和Contourlet变换的盲水印算法研究

研究提出了一种多重分形和Contourlet变换相结合的图像水印新算法。首先对图像进行Contourlet多层分解,得到一系列多尺度、局部化、多方向的子带图。然后通过能量大小选取嵌入子带和协助子带。嵌入水印时,通过低频子带的多重分形特性参数,自适应的确定水印嵌入强度,并通过一定的算法将水印信息嵌入到Contourlet域。最后通过Contourlet反变换得到嵌入水印后的图像。水印提取时,不需要原始图像,实现了水印盲提取。实验结果表明,该算法在满足不可见性的条件下,能够较好的抵抗JPEG压缩、加噪等一些常见攻击。     

改进拉普拉斯能量和的尖锐频率局部化Contourlet域多聚焦图像融合方法

为了克服Contourlet融合在远离支撑区间上出现的混叠成分,抑制融合图像在奇异处产生伪吉布斯现象,提出了改进拉普拉斯能量和的尖锐频率局部化Contourlet（SFLCT）域多聚焦图像融合方法。采用SFLCT而不是原始的Cont-ourlet对多聚焦图像进行分解,并将多聚焦图像空域融合方法中评价图像清晰度的指标引入到SFLCT变换域,用拉普拉斯能量来选择变换域系数。然后,逆SFLCT重构得到融合结果。最后,采用循环平移来提高SFLCT的平移不变性,有效抑制融合图像在奇异处产生伪吉布斯现象。实验结果表明：对于多聚焦图像,所提方法比循环平移小波变换法的互信息提高了5.87%,QAB/F提高了2.70%,比循环平移Contourlet方法的互信息提高了1.77%,QAB/F提高了1.29%;视觉效果优于典型的空域分块拉普拉斯能量方法和平移不变小波变换方法。     

改进拉普拉斯能量和的尖锐频率局部化

为了克服Contourlet融合在远离支撑区间上出现的混叠成分,抑制融合图像在奇异处产生伪吉布斯现象,提出了改进拉普拉斯能量和的尖锐频率局部化Contourlet (SFLCT)域多聚焦图像融合方法.采用SFLCT而不是原始的Contourlet对多聚焦图像进行分解,并将多聚焦图像空域融合方法中评价图像清晰度的指标引入到SFLCT变换域,用拉普拉斯能量来选择变换域系数.然后,逆SFLCT重构得到融合结果.最后,采用循环平移来提高SFLCT的平移不变性,有效抑制融合图像在奇异处产生伪吉布斯现象.实验结果表明:对于多聚焦图像,所提方法比循环平移小波变换法的互信息提高了5.87%, QAB/F提高了2.70%,比循环平移Contourlet方法的互信息提高了1.77%, QAB/F提高了1.29%;视觉效果优于典型的空域分块拉普拉斯能量方法和平移不变小波变换方法.     

基于竞选算法优化的图像增强方法

利用了不完全Beta变换对数字图像进行自适应的增强处理,利用竞选优化算法给出Beta变换的参数,提出了一个测量函数作为评价图像增强效果的目标函数,筛选出最大函数值为最佳参数选择。利用Matlab软件根据上面的方法编写程序,得出两参数的收敛曲线、测量函数的收敛曲线和处理后图像的直方图。仿真结果表明,该算法能够自适应地进行数字图像增强处理。增强后的图像灰度分布更加均匀,对比度得到明显提高。     

一种适合星上应用的遥感图像有损压缩算法

提出了一种高质量的遥感图像有损压缩算法,在分析了遥感图像经Daubechies双正交小波基D5/3整数小波变换后各子带小波系数统计特性和能量分布的基础上,引入了人类视觉特性,用它来控制算法中的量化方案.根据能量的大小确定不同子带对于目标识别的重要程度,选择不同的量化阈值和量化步长进行量化,并对量化后的数据采用固定比特平面编码.仿真实验表明,该算法对于不同内容和纹理的图像,在一定的压缩比下,均获得了PSNR(峰值信噪比)＞30dB的恢复图像,在不损失最低频信息的同时较好地保持了遥感图像中丰富的高频信息,实现了高质量的图像压缩,并且算法简便,快捷,所占用的存储容量小,易于硬件实现,适合于星上应用,减少了在遥感图像压缩中小目标的丢失.     

基于抗混叠轮廓波变换系数分布模型的去噪算法研究

针对轮廓波变换存在频谱混叠致使其难以获得理想的去噪效果这一问题,本文提出一种基于抗混叠轮廓波变换系数分类的混合模型图像降噪算法.该算法通过计算变换系数的尺度间相关性,将系数分为重要系数和非重要系数两类,并对二者分别采用广义非高斯二元变量分布与零均值高斯分布建模,在Bayes框架下对原始图像进行估计.实验研究结果表明,以Barbara图像为例,当噪声方差σ=30时,本文算法不仅峰值信噪比(PSNR)超过Contourlet-HMT模型去噪2.72 dB,且主观视觉效果上亦均优后者,同时还具有较高的计算效率.     

非抽样轮廓波变换构造及其在图像去噪中的应用

提出了一种由非抽样塔式分解和非抽样方向滤波器组实现的具有平移不变性的非抽样轮廓波变换，文中利用McClellan变换设计非抽样塔式分解中的满足精确重构条件的圆对称滤波器组。非抽样轮廓波变换具有与视皮层变换相似的频带划分，符合人眼视觉特性。利用非抽样轮廓波变换系数的局部高斯模型及最大后验概率法对图像去噪，其峰值信噪比和视觉效果均有较大改善。     

基于轮廓波维纳滤波的图像压缩传感重构

图像压缩传感重构利用自然图像可稀疏表示的先验知识,从比奈奎斯特采样率低得多的随机投影观测值中重构原始图像.为了克服传统的压缩传感重构中正交小波方向选择性差和未利用变换系数的邻域统计特性的缺点,利用了轮廓波维纳滤波去噪算子替代迭代阈值法中的阈值算子,进而提出了基于轮廓波维纳滤波的图像压缩传感的重构算法.实验结果表明,该算法提高了重构图像的峰值信噪比和视觉效果,保护了图像的细节,加快了重构算法的收敛速度.     

基于拉普拉斯能量和的循环平移尖锐频率化Contourlet域多聚焦图像融合方法

本文提出基于拉普拉斯能量和的循环平移尖锐频率化Contourlet ( Sharp Frequency Localized Contourlet Transform-SFLCT)域多聚焦图像融合方法。SFLCT 成功减少了原始contourlet在远离支撑区间上出现的混叠成分。但是,SFLCT中的方向滤波器的降采样使得它缺乏频移不变性,容易在图像奇异处产生伪吉布斯现象。因此,本文采用循环平移(Cycle Spinning)来提高SFLCT的频移不变性。同时,本文将多聚焦空域融合方法中评价图像清晰的指标引入到SFLCT变换域,比较证明拉普拉斯能量和具有最好区分变换系数来自于清晰还是模糊图像的能力。因而,我们采用拉普拉斯能量来选择变换域系数,并重构得到融合图像。实验结果表明,针对多聚焦图像融合,所提方法在视觉效果和客观评价指标上都优于典型的空域分块拉普拉斯能量和方法、平移不变小波变换方法、循环平移小波变换方法和循环平移contourlet融合方法。     

面向深空探测Bayer图像的高效编码

本文提出一种基于JPEG2000标准的Bayer图像高性能RBCR（Remove Bayer Component Relation, RBCR）压缩算法。在RBCR压缩算法中,根据Bayer图像相关性较高的特点,对Bayer图像进行颜色分量分离,得到处理单元子图,对各子图进行1*4整型离散余弦变换,降低Bayer图像中各颜色分量空间域内的相关性;对变换后的各分量DCT系数使用标准JPEG2000算法独立完成小波变换、Tier1编码、MQ编码和率失真斜率计算等,再基于率失真斜率联合截取方法完成各个分量的码流截取,即使用相同的率失真斜率门限值,按照率失真斜率值由高到低的顺序依次完成所有分量编码码块的码流截取,最后各个分量的截取结果再进行独立的码流组织输出。在RBCR算法中通过加入DCT变换降低Bayer图像相关性和对各个分量码流的率失真斜率联合截取,提高恢复图像质量且精确控制了码率。实验结果表明,RBCR算法与各个分量独立压缩方法相比,恢复图像质量得到提升,尤其在4倍的压缩倍数下效果最佳,峰值信噪比平均提高1.814dB,复杂峰值信噪比平均提高2.414dB,可以满足深空探测低复杂度和高质量图像的要求。     

基于小波变换纹理一致性测度的遥感图像融合算法

本文提出了一种基于小波变换的遥感图像融合算法，利用多分辨小波变换的系数，采用低频图像的小波系数最小值作为融合后的低频系数，高频图像根据纹理一致性测度的纹理检测确定融合规则，调整高频小波系数大小。利用小波变换对图像相对应的低频分量及各方向细节分量进行针对性融合处理，很好地将来自不同图像的特征与细节融合在一起，并对融合图像质量进行了对比评价。实验结果表明，这种方法能够在保留图像微小细节方面获得满意的结果，这种算法有效且优于传统的图像融合方法。     

基于兴趣点的遥感影像可匹配性度量

为了提高基准图制备的有效性,研究了遥感影像的可匹配性,并针对点特征提出了基于兴趣点度量遥感影像可匹配性的度量指标。首先,利用非下采样Contourlet变换的高频系数提取图像的局部极值点作为兴趣点;然后,利用兴趣点的高频系数和方向特性定义兴趣点的幅值特性和结构特性。最后,分析兴趣点幅值特性和结构特性与实际匹配概率的关系,构建可匹配性度量指标。实验结果表明,可匹配性度量指标与实际匹配概率的线性相关性高于0.9,Spearman相关系数高于0.85,评估结果准确性高、单调性好。利用该指标对图像可匹配区域进行筛选,其制备的基准图的平均匹配概率大于95%,比传统方法提高了15.4%,改善了基准图制备的效率和可靠性。