基于曲波变换和独立分量分析的有噪图像盲分离

曲波变换是在小波变换的基础上发展起来的一种新方法,能够有效地对具有复杂纹理的图像进行去噪。在分析独立分量分析（ICA）的基本模型和方法的基础上,提出利用快速离散曲波变换和FastICA算法进行有噪图像盲分离。仿真结果表明,对于含有加性观测噪声的混合图像,该方法能够有效地进行去噪分离。     

一种自适应阈值曲波图像去噪算法

利用曲波变换进行图像去噪能取得较好的效果,但是现有的曲波去噪没有充分利用图像曲波系数的特点,容易过分扼杀图像的细节信息.本文提出了一种基于阈值自适应的曲波图像去噪算法,利用图像经过曲波变换后的能量分布特性选取阈值,以更好地保护图像细节.实验结果表明,该算法可以将每一尺度上的信号与噪声在最大程度上分离,有效去除了高斯白噪声,进一步提高了峰值信噪比,更好地实现了去除噪声与保护图像细节之间的平衡.     

基于小波变换和曲波变换的图像边缘检测新算法

针对图像处理中的边缘检测问题,提出了一种基于小波变换和曲波变换的图像边缘检测新算法。首先对原始图像进行小波变换得到小波边缘图像;然后对原始图像进行曲波变换并使用Canny算子得到曲波边缘图像;最后基于小波变换的窗口内边缘强度自适应融合算法将小波边缘图像和曲波边缘图像进行融合得到最终边缘图像。该方法结合了小波变换描述图像细节特征的优势和曲波变换处理曲线或直线边缘特征的优势,能全面刻画边缘图像的纹理与细节信息,提高了图像清晰度。仿真实例表明了该算法的有效性。     

基于快速离散曲波变换的图像去噪算法

Curvelet变换可以更好地表示曲线奇异函数的异向性及图像边缘,因此更适合于多尺度图像去噪。针对传统阈值法存在的不足,在分析wrapping方法的快速离散曲波变换基础上,提出结合Cycle Spinning循环平移方法的菱形块阈值规则去噪法,并自适应地对不同的Curvelet子块进行阈值化。该方法可以消除由于Curvelet变换缺乏平移不变性而产生的图像失真,并且更好地利用曲波系数的相关性。实验结果表明,该方法与传统的小波去噪、曲波硬阈值去噪、曲波软阈值去噪、曲波软硬阈值折中法去噪相比,使得去噪图像的峰值信噪比更高,视觉效果更好。     

基于UWT和独立分量分析的含噪盲源分离

提出了基于UWT（非抽样小波变换）去噪与FastICA（快速独立分量分析）算法相结合的含噪盲源分离方法,采用先去噪后分离的方式实现了在加性高斯噪声环境下混合图像的盲分离。仿真结果表明,该方法能很好地从加性高斯噪声中分离出源图像,与曲波阈值去噪后的FastICA方法相比较,该方法能获得更好的峰值信噪比。     

基于Radon和解析Fourier Mellin变换的尺度

由于正交矩对噪声鲁棒性强、重建效果好,因此被广泛应用于目标识别与分类中,但是正交矩本质上缺乏尺度变换不变性,而且必要的图像二值化与规一化过程会引入重采样与重量化误差。为此,在研究现有正交矩的基础上,提出了一种基于Radon变换和解析FourierMellin变换的尺度与旋转不变的目标识别算法。该算法首先直接对目标灰度图像进行Radon变换,然后对Radon变换结果进行进一步解析,通过FourierMellin变换将原图像的旋转变化转化为相位变化,将原图像的尺度变化转化为幅度变化;最后,通过定义一旋转与尺度不变函数,同时利用不变函数的4种特征,再应用k近邻法实现分类。理论与实验结果表明,由于避免了正交矩方法存在的重采样与重量化误差,该算法的分类精度高于基于正交矩的分类方法,而且对白噪声的鲁棒性也显著高于基于正交矩的识别与分类方法。     

基于静态小波变换和2代曲波变换的图像融合算法

提出了一种基于静态小波变换(SWT)和2代曲波(curvelet)变换的图像融合算法.首先将原图像分别进行SWT变换得到高、低频分量.然后,对低频分量采用基于2代曲波变换的方法进行融合,对高频分量基于绝对值最大的方法进行融合.最后进行SWT逆变换得到最终的融合图像.实验结果表明,该算法具有SWT变换和2代曲波变换二者的优点,主客观评价均优于单独SWT变换和单独2代曲波变换融合算法,也优于离散小波变换(DWT)和曲波变换相结合的融合算法.     

应用邻域方差加权平均的curvelet变换融合

提出一种基于邻域方差加权平均的多源遥感图像曲波变换融合方法。将低分辨率的多光谱图像和高分辨率的全色图像作曲波变换,融合图像的曲波系数中的低频分量取多光谱图像的低频分量,中高频系数与高频系数采用邻域方差加权平均的方法由两幅图像曲波变换系数共同决定。逆曲波变换得到融合图像。实验表明算法有效提高了图像的清晰度和保持了光谱特性。     

基于曲波变换和模糊理论的遥感图像融合

作为一种新的多尺度几何分析方法,曲波比小波更适于分析图像中的直线和曲线边缘特征,利用这一特性,提出了基于曲波变换和模糊理论的遥感图像融合算法,利用曲波变换获取代表待融合图像特征的曲波系数,并将模糊理论引入融合规则中,自适应确定曲波系数的加权权值,实现图像的融合处理.对SAR与全色、多光谱图像融合实验结果的分析表明,该算法的融合效果优于传统的基于PCA、小波变换以及标准曲波变换的融合算法.     

一种基于子采样的混合域稳健零水印算法

为了实现对图像数据版权的有效保护,论文提出了一种新的基于子采样的 混合变换域零水印算法。先将载体图像进行非下采样剪切波变换,变换后的低频分量经过子 采样后得到4 幅子图,然后对每一幅子图进行分块处理,最后通过比较两幅随机子图中规定 映射位置上子块DCT 变换后的直流分量的大小关系构造零水印。实验结果表明,该算法能 够较稳健地抵抗添加噪声、JPEG 压缩和剪切等多种常见的攻击操作,同时具有较高的安全 性。     

基于DCT-Winograd快速变换的半盲水印算法

针对目前多数基于傅里叶变换域的方法,其抗几何攻击性能虽很好,嵌入的信息量也很大,但存在抗剪切攻击能力较差的问题,提出了一种基于离散余弦变换与Winograd快速傅里叶变换相结合的半盲水印算法,将Winograd算法分解的对角矩阵与经过DCT变换的图像块相与,产生一个新的对角矩阵,再将数字水印嵌入到该对角矩阵中,最后通过相关逆运算提取水印.实验结果表明,该方法可获得较好的图像视觉效果,对剪切、噪声等攻击皆具有较好的鲁棒性.     

基于SVD-Winograd快速变换的半盲水印算法

目前多数基于傅里叶变换域的方法,其抗几何攻击性能虽很好,嵌入的信息量也很大,但存在抗剪切攻击能力较差的问题,针对这一问题提出了一种基于奇异值分解与Winograd快速傅里叶变换相结合的半盲水印算法。在奇异值分解过程中,先将奇异值分解的对角矩阵与Winograd快速傅里叶变换中分解的对角阵进行矩阵相与,产生一新对角矩阵。再将数字水印嵌入到新对角矩阵中,最后通过相关运算提取水印。实验结果表明,该方法可获得较好的图像视觉效果,对剪切、噪声、旋转等攻击皆具有较好的鲁棒性。     

矢量场数据演示的快速Clifford傅立叶变换

对于结构化的矢量场数据,一般是先由均匀网格取样后,再由Clifford卷积来分析.通过证明快速Clifford傅立叶变换的可行性和有效性,介绍了应用快速Clifford傅立叶变换对矢量场数据进行分析的新方法.快速Clifford傅立叶变换把Clifford卷积由空间域转化到频域运算,加速了卷积运算,并且可以很容易、准确地模拟矢量场图像,对图像处理的特征提取和纹理分割也将起着重要的作用.     

基于非局部平均滤波和快速行进法图像修补算法 *

快速行进算法 ( FMM)与水平集法 ( level set)相结合进行曲线修补是一种高效的图像修补算法 ,但是这种算法在修补较大区域时会产生模糊。最近 , Buades等人提出了基于非局部平均滤波 ( non-local means)的去噪算法。受其启发 ,应用非局部平均滤波的思想进行图像修补 ,提出了一种新的基于非局部平均滤波和快速行进算法的 FMM-NL图像修补算法。实验结果表明 , FMM-NL图像修补算法针对具有较强纹理信息的图像能有效解决 FMM修补算法中的模糊问题。     

基于傅立叶域的有意义图像数字水印算法

为了使数字水印具有较好的识别率和鲁棒性,本文提出了基于傅立叶域的有意义图像数字水印算法。该算法利用了Arnold变换方法、相关性检测方法和傅立叶域特性,并通过采取嵌入两个不相关伪随机序列的方法,有效地提高了识别率,水印嵌入在最重要的分量,以获得较好的鲁棒性。仿真实验表明,该算法具有可行性。     

一种抗几何变换的半盲数字水印算法

几何攻击是一种简单、有效的数字水印攻击方法.本文根据Fourier-mellin变换方法的原理,提出了一种改进算法.在水印嵌入过程中,只进行一次全频Fourier变换,改第二次的全频Fourier变换为只对中频部分进行,并对变换过程进行改进.算法既降低了复杂度,又尽量避免了插值所导致的水印图像和水印信号的失真.实验结果表明该水印算法能抵抗RST攻击和JPEG压缩.     

基于Curvelet多尺度几何分解的快速LHS多传感器图像融合

为了解决IHS变换在多光谱和高分辨遥感图像融合中存在的光谱失真等问题,提出一种基于Curvelet多尺度几何分解的快速LHS融合算法.该算法采用快速LHS变换以更好地保持图像的色彩,并进一步改进运行速度;引入第二代Cur-velet多尺度几何分解则更有效地捕获图像中方向性的几何结构信息,并基于非平均分布间隔快速Fourier变换加快Curvelet的实现速度.实验结果表明:本文的图像融合算法在图像质量和运行速度上都获得了改进,融合图像具有较理想的空域和光谱分辨率,优于传统IHS变换、PCA,以及相应的小波变换结合快速LHS的融合结果.     

基于傅里叶变换特征遗传算法的人脸识别

提出了一种基于傅里叶变换特征遗传算法的人脸识别方法。首先对人脸图像进行傅里叶变换,并去掉不包含识别信息的零频率分量。然后以人脸图像傅里叶变换的模作为描述人脸模式的特征,考虑到并不是所有傅里叶特征都包含较好的分类信息,应用遗传算法进行特征选取。实验结果表明：给出的方法不仅具有较好的识别性能,而且可以在一定程度上减少人脸模式的存储空间。