基于单尺度脊波变换的阈值滤波方法

分析了高斯白噪声在单尺度脊波域中的统计性质，提出了一种新的基于单尺度脊波变换的阈值滤波算法。仿真结果表明，这种算法不仅比传统基于小波变换的各种滤波算法有更高的PSNR值，而且能更好地保持图像细节。     

基于单尺度脊波变换的图像融合

图像融合在一定程度上可以理解为对多个二维函数的奇异信息进行分析、提取、综合的过程。单尺度脊波变换的函数逼近性能要优于小波变换,因此,对应于图像中的边缘及角点的单尺度脊波系数的能量要更加集中。分析了基于变换域的图像融合算法的性能与所用变换的函数逼近性能的关系,提出了一种新的基于单尺度脊波变换的图像融合算法。在多种融合规则下,将该方法与基于Laplacian塔型变换、小波变换等其他图像融合方法进行了比较,实验结果表明,基于单尺度脊波变换的融合方法具有更好的融合效果。     

基于脊波的多光谱和全色图像融合方法研究

应用了双线性插值的矩形阵列到径向阵列的变换算法,给出了一个离散脊波变换的实现方法,将其应用于多光谱图像与全色图像的融合算法中,通过清晰度、灰度方差、信息熵三个方面,将算法结果与小波变换的结果进行了对比,实验结果表明,相对于小波变换而言,脊波变换能更好地处理线和面的奇异性,而且由融合的结果来看,脊波变换得到的结果在清晰度等方面要高于小波变换。     

Digital ridgelet reconstruction based on local dual frame

Candes and Donoho[1] introduced the concept of the ridgelet transform in 1998. Es- sentially, they applied the Radon transform to the original image, and then used the wavelet analysis in the Radon domain. Such system is very good at representing the smooth functions with line singularities. Thus it has great potentialities in the image compression, denoising, enhancement and other application cases. In the digital imple- mentation respect, Do[2] used the finite ridgelet transform to the ima…     

A 4-quadrant curvelet transform for denoising digital images

The conventional discrete wavelet transform (DWT) introduces artifacts during denoising of images containing smooth curves. Finite ridgelet transform (FRIT) solved this problem by mapping the curves in terms of small curved ridges. However, blind application of FRIT all over an image is computationally heavy. Finite curvelet transform (FCT) selectively applies FRIT only to the tiles containing small portions of a curve. In this work, a novel curvelet transform named as 4-quadrant finite curvelet transform (4QFCT) based on a new concept of 4-quadrant finite ridgelet transform (4QFRIT) has been proposed. An image is band pass filtered and the high frequency bands are divided into small non-overlapping square tiles. The 4QFRIT is applied to the tiles containing at least one curve element. Unlike FRIT, the 4QFRIT takes 4 sets of radon projections in all the 4 quadrants and then averages them in time and frequency domains after denoising. The proposed algorithm is extensively tested and benchmarked for denoising of images with Gaussian noise using mean squared error (MSE) and peak signal to noise ratio (PSNR). The results confirm that 4QFCT yields consistently better denoising performance quantitatively and visually.     

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.     

离散脊波变换及其在SAR图像压缩中的应用

首先介绍了SAR图像的特点，在对离散脊波变换的正交性及其与Radon变换的关系深入研究的基础上，利用其在线性特征表示方面的优势，将离散脊波变换应用到SAR图像的压缩，提出了一种基于离散正交脊波变换的SAR图像压缩方法。实验数据表明该算法对斑点噪声污染严重的SAR雷达图像压缩较传统的小波变换更加有效。     

基于多尺度脊波字典的图像去噪算法

基于人眼视觉系统特性,根据图像几何结构特征,提出一种多尺度脊波字典的构造方法。构造出的多尺度脊波字典具有多分辨率、多尺度、各向异性和多方向等特性,能够更为稀疏地表示图像,从而得到一种基于多尺度脊波字典的稀疏性约束图像去噪算法。实验结果表明,该去噪算法能有效去除噪声,更好地保留图像的边缘等细节。     

一种更适合图像处理的多尺度变换--Curvelet变换

Curvelet变换是继小波变换之后,能更适合图像处理特点的一种多尺度变换,它能同时获得对图像平滑区域和边缘部分的稀疏表达,且具有很强的方向性,已有初步结果显示其在图像处理中的发展潜力。文章首先给出Curvelet变换的概念,并说明其算法实现。再综述Curvelet变换在图像处理中的应用。最后,提出对Curvelet变换的进一步研究方向。     

基于有限脊波变换的抗几何攻击图像水印

根据脊波变换在方向识别上的优越性,提出了一种基于有限脊波变换的抗几何攻击图像水印方法。该方法先将原始图像进行一级脊波分解,再将经过三级小波分解后的水印嵌入到图像脊波系数中,以实现图像重构。实验结果表明,该方法能够抵抗旋转、缩放和平移、剪切类几何攻击,同时对JPEG压缩、中值滤波、高斯噪声、椒盐噪声等常见的攻击具有良好的鲁棒性。     

一种小波和脊波联合去噪方法

由于小波变换不能有效地处理图像中的奇异线,而脊波变换能很好地弥补这一不足,提出了一种基于图像分块的小波和脊波联合去噪方法。该方法把噪声图像分成一定尺寸的图像块并选择其中的同质块和非同质块;利用小波去噪方法处理同质块,而非同质块用脊波去噪方法处理得到去噪后的图像;用维纳滤波器进一步处理去噪后的图像。实验表明,该方法与单纯的小波去噪方法和脊波去噪方法相比,信噪比有了较高的改善,能有效地保留图像的边缘细节信息。     

基于脊波变换的图像压缩

对于含有丰富边缘信息的图像,小波变换并不是很有效的表示方法,而脊波对线奇异性图像能够进行最优的逼近.利用脊波变换后的系数之间的相关性,结合SPIHT编码算法设计出基于脊波变换的图像压缩算法以达到压缩图像的目的.实验结果表明,该算法能获得高的压缩率,同时能保持较高的峰值信噪比和良好的重建图像视觉效果.     

基于曲波变换的渐变镜头转场检测算法

曲波变换在处理“曲线奇异”时有明显的优势。给出了曲波变换的计算方法、公式和具体步骤。对dissolve渐变转场过程中的各相邻帧进行曲波变换。以曲波变换后高频系数的平方作为图像帧的特征量,计算相邻帧间此特征量的欧氏距离。用大量的高清码流对算法进行了实验。实验结果表明,此算法有较高的查全率和查准率。     

基于小波神经网络的医学图像分类方法

为了提高乳腺癌早期诊断的准确率,将小波理论与神经网络理论相结合提出改进的小波神经网络算法。将经过预处理的医学图像提取特征值,然后利用基于改进的小波神经网络算法的分类器对医学图像进行分类。通过实验表明此分类器具有较高的分类精度,是有效和可行的;与单独使用后向传播神经网络算法相比分类效果也得到了改善。     

动态心脏超声波序列图像压缩的脊波方法

在介绍脊波理论的基础上,采用平行束投影(Radon变换)加整数小波变换的方法来实现脊波变换,以此为基础设计出一种压缩方案,并将其应用到动态心脏超声波序列图像的压缩中。由于平行束投影对噪声具有抑制作用,整数小波变换可以节约系数的存储空间,因此在相同的压缩环境下,与直接用2-D整数小波变换进行压缩相比,文中的方法能得到更大的压缩比。编码脊波系数时,提出按投影分度方向来组织和预测脊波系数的思想,使得该方法在实现嵌入式编码的同时还具有了较强的鲁棒性。文中的方法可用于远程医疗、CT、MRI和视频压缩等领域。     

动态心脏超声波序列图像压缩的脊波方法

在介绍脊波理论的基础上，采用平行束投影（Radon变换）加整数小波变换的方法来实现脊波变换，以此为基础设计出一种压缩方案，并将其应用到动态心脏超声波序列图像的压缩中。由于平行束投影对噪声具有抑制作用，整数小波变换可以节约系数的存储空间，因此在相同的压缩环境下，与直接用2-D整数小波变换进行压缩相比，文中的方法能得到更大的压缩比。编码脊波系数时，提出按投影分度方向来组织和预测脊波系数的思想，使得该方法在实现嵌入式编码的同时还具有了较强的鲁棒性。文中的方法可用于远程医疗、CT、MRI和视频压缩等领域。     

复脊波变换SAR图像去噪算法

在分析传统脊波变换去噪方法优缺点的基础上, 针对其不足, 提出一种基于复脊波变换的去噪方法。算法将传统脊波变换中的标量一维小波变换替换为二元树复小波变换, 使得脊波变换具有平移不变性; 然后, 对图像采用冗余分块处理, 使得处理结果更平滑, 有效地提高了图像的峰值信噪比（PSNR）。仿真实验表明, 在SAR图像去噪应用中, 本方法能够更好地保留图像中的纹理信息, 处理结果优于传统脊波变换以及小波变换去噪方法。     

一种基于近似有限Ridgelet变换的SAR图像分割方法

由Donoho等提出的有限正交Ridgelet变换成功应用于高噪声图像的边缘检测和分割,但由于有限Radon的“缠绕”现象使得在该方法图像的重构时产生边缘的“混叠”和“洞”,影响了边缘检测和图像分割的质量。论文结合Wedgelet变换提出了基于“自然直线”的近似有限Ridgelet变换从根本上克服了这些缺陷和解决了离散Radon变换的图像重构问题。最后将这一方法用于SAR图像分割,并取得了满意的结果。     

基于自适应脊波变换的边缘检测

通过分析现有的一些方法,提出了一种基于自适应脊波变换的边缘检测方法。这种方法以脊波变换为理论基础,具有多方向和多尺度性,能对图像中的不同方向的边缘特征进行有效的表示和检测。实验表明,对于边缘主要表现为直线而其他位置光滑的图像,该检测方法抗噪声更强,定位更准确。     

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。