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。     

基于快速曲波变换和独立分量分析的有噪图像盲分离算法

曲波（Curvelet）变换有两种数值实现方法,一种是基于非均匀采样的快速Fourier变换即usfft算法;另一种是基于特殊选择的Fourier采样的卷绕即wrapping算法。将这两种实现方法针对图像去噪性能进行了比较,并且提出将曲波变换的wrapping算法和FastICA算法结合起来,对含有噪声的混合图像进行了盲分离。仿真研究结果表明,对于含有加性观测噪声的混合图像,该方法有更好的去噪分离效果,并且运算速度显著提高。     

基于曲波变换和小波变换的图像去噪算法

针对应用曲波变换进行图像处理过程中所产生的伪影现象,提出一种基于快速离散曲波变换和小波变换的联合去噪算法。对噪声图片分别采用非抽样小波变换和快速离散曲波变换进行去噪,并对经过快速离散曲波变换去噪后的图像进行四叉树分解,根据分解结果对图像进行重构得到最终融合图像。实验结果表明,联合去噪算法对图像的边缘和均匀区域都有较好的去噪效果,能够有效抑制伪影,具有较高的峰值信噪比。     

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.     

基于曲波变换的图像融合方法

本文在研究了曲波变换的特性后,提出了一种基于曲波变换的图像融合方法,并分别将由不同传感器获得的不同分辨率的遥感图像和医学图像利用此方法进行了融合.这种方法不仅能够完好地显示了源图像各自的信息,而且能很好地将源图像的细节融合在一起.实验结果表明采用这种方法可以得到更好的融合效果.     

一种基于小波变换的图像融合方法

提出了一种小波多分辨率分解的图像融合方法。该方法首先利用小波变换将图像分解为不同分辨率、不同方向的分量，然后利用系数绝对值取大和基于局部方差最大化的融合规则得到融合图像的小波系数，最后通过逆小波变换得到融合图像。实验结果表明，该方法是有效的。     

一种基于Bayesian的图像分类算法

提出了一种基于Bayesian的图像分类算法,该算法首先从原始数字图像出发,通过分析图像的特征分布特点,对图像的局部区域扫描分析,然后抽取目标图像的特征元素,得到其颜色、纹理、形状等特征,最后利用Bayesian分类器来实现图像的快速自动分类.实验结果表明,该算法能够有效提取图像的局部特征,从而快速、准确地实现图像分类.     

基于曲波变换的图像融合研究

近年来,曲波变换由于其独特性而受到研究人员的日益关注.曲波(Curvelet)作为一种新的多尺度分析方法比小波更加适合提取图像中的细节信息,具有较高的逼近精度和更好的稀疏表达性能.将曲波变换引入图像融合.能够更好地提取原始图像的特征,为融合图像提供更多的信息.使用曲波变换,进行图像融合,并同其它方法进行了比对,结果表明,该方法优于小波等融合方法.     

一种基于DCT变换的随机神经网络图像编码器

神经网络是一门涉及多学科的现代交叉学科,神经网络编码也是一种新兴的编码技术,本文在分析了随机神经网络的基本原理的基础上,推导了它的新学习公式,然后用随机神经网络实现了一个基于ＤＣＴ变换的图像编码器。     

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Radon变换及快速傅里叶变换的图像配准方法

针对现有的图像配准方法的低鲁棒性问题,提出一种对噪声不敏感的多畸变图像配准方法,通过Radon变换估计旋转角度,利用快速傅里叶变换求解平移与伸缩。实验结果表明该方法有效提高各类图像配准的精度,并且具有较高的鲁棒性,可以有效抵抗噪声信号的干扰,具有较高的实用价值。     

基于剪切波变换的纹理图像分类

二维可分离小波在纹理分析领域得到了成功的应用,但它只提取图像水平、垂直和对角方向的频率信息,其变换滤波器是各向同性的,不能很好地表达纹理的细节。利用剪切波变换优良的多尺度性、局域性和方向性,提出一种基于剪切波变换（Shearlet transform）的纹理分类算法。该方法先对纹理图像做剪切波变换,得到各尺度、方向子带的剪切系数,计算尺度间子带能量比,以尺度间能量比为权对各子带能量加权,以加权后的子带能量作为特征矢量,用K邻近分类器进行分类。实验结果表明该方法比基于小波的纹理分类方法更加有效。     

基于随机Hough变换的深度图像分割

提出了基于随机Hough变换的深度图像分割算法,该算法采用随机Hough变换在深度图像中寻找平面,具有对噪声不敏感的优点．通过对一常用深度图像数据库(ABW图像库)的分割实验,并将实验结果同4种经典的深度图像分割算法在同一数据库中的分割结果作了比较分析,表明该算法对噪声不敏感,分割性能优于4种经典算法。     

利用均匀离散曲波域LCHMM的图像降噪算法

提出了一种在均匀离散曲波域中利用局部上下文隐马尔可夫模型进行建模的图像降噪算法。介绍均匀离散曲波变换的特点,分析其系数的统计分布规律,表明适合用隐马尔可夫模型对其进行建模。通过期望最大化训练获取模型的参数,利用参数得到降噪图像的系数估计。分别对光学图像和高分辨率的SAR图像进行了降噪实验,与小波域、轮廓波域的局部上下文隐马尔可夫模型等降噪方法进行比较,结果表明,提出的算法能够有效地去除噪声,具有较强的边缘保持能力。     

一种基于非下采样剪切波变换的医学图像配准方法

针对经典弹性配准方法在医学图像应用上计算复杂、方向信息不足的问题进行了研究,提出一种基于非下采样剪切波变换（NSSTR）的医学图像配准方法。利用剪切波能够对各个尺度、方向和位置实现较好定位的优势,先用该算法对医学图像作非下采样剪切波变换,得到各尺度、方向子带的剪切系数,然后对高频、低频的变换图像分别使用不同的配准方法,最后统一到变化网格上得到最终配准图像。实验结果表明,本方法与传统方法相比,不仅具有配准精度高、鲁棒性好的特点,而且计算效率更高。     

基于MapReduce的图像分类方法

针对现有的方法不能有效用于图像大数据分类的问题,提出了一种基于MapReduce编程模型的图像分类方法,在分类的全过程利用MapReduce机制加速分类过程。首先,利用MapReduce机制实现对图像尺度不变特征变换(SIFT)特征的分布式提取,并通过稀疏编码将其转换为稀疏向量,生成图像的稀疏特征;然后,利用MapReduce机制实现对随机森林的分布式训练;在此基础上,利用MapReduce机制对图像集实现基于随机森林方法的并行分类。通过在Hadoop平台的实验结果表明,该方法能够充分利用MapReduce框架的分布式特性,对大规模图像数据实现快速准确分类。     

一种基于小波变换与随机森林的人脸识别方法

该文研究了人脸图像频率域的鉴别信息,提出了一种Gabor小波变换与主成分分析相结合的人脸图像特征提取方法。不仅利用了图像中的频域信息,而且利用主成分分析法使特征向量维数有效降低。最后,采用随机森林作为分类器。该文实验结果表明,该方法在小规模及大规模数据集上均具有较好的性能。     

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。     

一种基于粗糙集的图像分类方法

提出一种基于图像内容的颜色特征并利用粗糙集进行分类的模型。粗糙集理论在数据分类应用中的主要思想是保持分类能力不变的情况下,利用等价类,通过属性约简和决策规则约简,达到挖掘知识并简化知识的目的。实验结果表明在图像分类方面,粗糙集方法性能良好,相对于贝叶斯方法更加准确和高效。     

一种新的基于主分量变换与小波变换的图像融合方法

为了更好地进行不同分辨率图像的融合,提出了一种基于主分量变换与小波变换结合的多光谱图像与高分辨率图像融合方法。该新方法首先对多光谱图像进行主分量变换;然后分别对其第1主分量与高分辨率图像进行小波变换,并采用成像强度对比法有效地将经小波分解的高分辨率图像的低频分量信息融合到经小波分解的多光谱图像的第1主分量的低频分量中;最后,通过将小波融合结果作为多光谱图像的第1主分量再做逆主分量变换来得到最终的融合图像。实验结果分析表明,该新方法使融合图像在较好地保留光谱信息的同时,空间细节信息也得到了增强,比典型的IHS变换、主分量变换及小波变换融合方法具有更好的融合效果。