基于局部邻域信息的Contourlet变换域图像去噪

分析了Contourlet变换系数间的统计特性,提出了一种新的基于Contourlet变换的图像去噪算法。这种算法考虑相邻Contourlet系数间的相关性,认为某一位置\"干净\"的Contourlet系数不仅与这一位置本身的含噪系数有关,也与其周围邻域的含噪系数有关。实验结果表明,所提出的算法不仅能得到较满意的\"线形结构\",而且也能获得比现有方法更高的信噪比。     

基于局部邻域信息的Contourlet变换域图像去噪

分析了Contourlet变换系数间的统计特性,提出了一种新的基于Contourlet变换的图像去噪算法.这种算法考虑相邻Contourlet系数间的相关性,认为某一位置"干净"的Contourlet系数不仅与这一位置本身的含噪系数有关,也与其周围邻域的含噪系数有关.实验结果表明,所提出的算法不仅能得到较满意的"线形结构",而且也能获得比现有方法更高的信噪比.     

抗模糊的图像局部特征描述子

针对提取图像局部特征时,尺度不变特征变换描述子对光照条件变化仅有部分不变性,特别对非线性光照变化不具备不变性,对模糊的目标图像也无法准确提取或仅能提取到很少特征点的问题,利用局部二值模式描述子对光照的健壮性提出了一种符合人类视觉系统的自底向上再到自顶向下的视觉认知过程的新的抗模糊的图像局部特征描述子。实验表明,所提出的描述子对光照变化有更好的健壮性,对模糊的目标图像能准确地提取出更多的特征点,保留了尺度不变特征变换对缩放、旋转和压缩等变换的不变性,并显著地提高了针对模糊图像的匹配率。     

结合亮度序局部特征描述的图匹配算法

在图匹配问题中基于松弛迭代的方法能否收敛到全局最优解在很大程度上依赖于初始值的估计,针对这个问题,提出了一种结合亮度序局部特征描述的图匹配算法。该算法首先利用Hessian-Affine方法提取图像的特征点及局部特征区域,以特征点作为图的节点并结合特征点的邻近关系构造结构图;其次,根据亮度序约束关系对局部特征区域进行子区域划分,利用改进的中心对称局部二值模式(CS-LBP)获取局部特征描述;最后,将局部特征描述之间的相似性作为图匹配关系矩阵的初始值,通过松弛迭代的方法获取特征点的准确匹配结果。实验结果表明该算法匹配准确率较高。     

基于局部熵的图像特征描述方法

使用传统的特征描述方法SIFT在单一尺度上描述图像特征会丢失一部分重要信息,影响图像的正确匹配结果。为了解决这一问题,本文在多尺度模糊空间内提取特征描述子。信息熵从图像显著性角度估计特征点及其周围的信息,能获得更多的图像关键内容,本文提出了基于局部熵的图像特征描述方法。首先,在高斯差分空间(DOG)内计算特征点的多层SIFT描述子,同时统计特征点在每层尺度上的局部熵,计算特征点在每层的熵值占所有层熵总和的百分比,利用所得百分比与每层描述子做乘积;然后,累加所有层描述子;最后,使用平方根算法得到最终局部熵特征描述子。通过与其他描述子的对比实验结果可知,本文提出的局部图像描述方法在精确-召回率、平均均匀准确度和正确匹配数方面具有强鲁棒性。     

非降采样Contourlet域方向区域多聚焦图像融合算法

提出了一种基于方向区域特性的非降采样Contourlet域多聚焦图像融合算法。算法将图像进行非降采样Contourlet变换为不同方向的高低频子带,低频子带和高频子带中分别采用方向区域的方差匹配度和能量作为融合规则,其中方向区域与当前子带分解方向保持一致,最后,通过反变换得到融合图像。实验结果表明,本文提出的方向区域方法能够更好地体现二维图像中的曲线或直线状边缘特征。将现有的融合算法和本文所提算法进行了主观和客观的对比,结果表明,基于非降采样Contourlet变换的方向区域特性的图像融合算法是一种有效可行的图像融合算法。     

基于离散余弦和Contourlet混合变换域的图像水印方案

针对多媒体资源的版权保护问题,结合离散余弦变换和Contourlet变换的优点,提出了一种基于离散余弦变换和Contourlet混合变换域的数字图像水印算法．该算法采用二值图像作为水印,利用混沌映射对水印图像进行加密．将水印嵌入到人眼最不敏感的蓝色分量的离散余弦和Contourlet混合变换域的低通采样逼近子带中,增加了嵌入信息容量．仿真结果表明该水印算法不仅具有较好的安全性、不可见性和稳健性,而且水印采用盲提取,不需要载体图像的信息,更有利于实际应用．     

基于HOG和特征描述子的人脸检测与跟踪

在人脸检测和跟踪过程中,真实场景的光照变化和随机噪声会降低检测准确率,而多张人脸的存在和人脸的姿态变化会影响单个目标的跟踪.针对这些问题,提出了一种基于HOG和特征描述子的人脸检测与跟踪方法.在人脸检测过程中,利用方向梯度直方图(HOG)特征来检测视频帧中的人脸,提高了检测的准确度;在人脸跟踪过程中,采用了一种结合特征...     

基于重叠亮度序的曲线描述子

针对现有亮度序划分方法导致子区域划分不稳定的问题,在已有的亮度序均值标准差描述子(IOMSD)和亮度序曲线描述子(IOCD)基础上,引入重叠亮度序划分思想,提出基于重叠亮度序的曲线描述子OIOMSD和OIOCD。与传统描述子构造子区域划分互不重叠不同,本文首先依据图像局部区域内各像素点的亮度序划分原始子区域,其次将每个子区域与其后相邻的子区域进行一定程度的重叠合并,成为最终的子区域。该方法不仅克服了固定形状划分子区域产生的边界误差,而且能够解决噪声和非单调光照对子区域边界点的影响。实验结果表明,OIOMSD和OIOCD对旋转变化、视角变化、噪声和光照变化图像具有鲁棒性,尤其是OIOCD在非单调光照图像上的匹配性能优于已有的IOCD算法。     

仿射不变的快速局部特征描述子算法

在局部图像特征的研究中,提出了一种用于实时图像匹配的仿射不变快速局部特征(Affine invariant fast local feature,AIFLF)描述方法。在兴趣点的局部邻域内利用归一化的梯度值建立基于仿射不变矩的描述子。模拟实验中,将利用Harris-Laplacian检测子的本文算法与经典SIFT算法进行了对比。结果表明:在识别率相当的条件下,本文算法运行时间明显小于SIFT描述子。在标准评估图片和移动机器人平台拍摄的定位图片构成的数据集下,本文算法在尺度、视角和旋转变换中的匹配效果好于经典的SIFT算子和SURF算子。     

基于非下采样contourlet变换的图像去噪方法

根据非下采样contourlet变换(NSCT)具有多尺度、多方向和平移不变的性质,提出了一种基于NSCT变换的图像去噪方法。首先对图像进行NSCT变换,得到不同尺度、不同方向的信息,然后根据分解所得系数确定阈值,依此阈值进行去噪处理,最后对去噪处理后的系数进行反变换,得到去噪图像。实验表明:该方法比小波变换(WT)及contourle变换(CT)能更稀疏表示图像,可有效消除图像中的伪吉布斯效应及噪声,能达到更好效果及更高的峰值信噪比(PSNR),较好地保持图像细节及纹理。     

基于非下采样contourlet变换的彩色图像增强算法

本文提出一种结合DCT变换和非下采样contourlet变换的彩色图像增强算法。算法根据非下采样contourlet变换后不同子带的特点对低频子带和高频子带采用不同的增强方法进行处理;为了修复增强过程中产生的颜色偏移,对增强后的图像进行了颜色修复;最后通过简单锐化即可达到很好的效果。由实验结果可知,算法提高了图像整体对比度的同时保留了完整的边缘细节信息和色彩保真度,从视觉效果和性能指标上来看都优于curvelet变换的方法和DCT变换的方法。     

基于非下采样Contourlet系数尺度相关性的图像增强算法

针对传统图像增强算法对边缘类型划分过粗的问题,文章提出一种基于非下采样Contourlet系数尺度间相关性的图像增强算法。该算法由非下采样Contourlet单尺度系数得到噪音阈值、增强阈值和强边缘阈值,再基于对非下采样Contourlet系数尺度间相关性的分析,以归一化尺度积与单尺度系数的比值作为新的参数进一步划分边缘类型,并结合单尺度系数得出相应增益。对比测试结果表明算法能有效地提高图像对比度、去除噪音,在避免过增强的同时,对边缘视觉效果的改善更明显。     

基于Contourlet变换的医学图像增强

针对传统算法中存在噪声过增强的问题,给出了一种基于Contourlet变换的乳腺X线照片去噪增强算法。Contourlet变换作为一种多尺度几何分析方法,是一种具有多分辨的、局部化和方向化性质的图像表示方法。以此为基础,算法对图像分解后的Contourlet系数进行Stein阈值去噪,然后对不同子带上的各分解系数用非线性增益函数进行不同程度的增强。实验表明,该算法在去除噪声的同时有效突出了乳腺X线照片中的细微特征,有利于小乳腺癌的诊断。最后,文中还通过客观量化指标比较了不同增强算法的效果。     

基于Contourlet变换的医学图像增强

针对传统算法中存在噪声过增强的问题,给出了一种基于Contourlet变换的乳腺X线照片去噪增强算法。Contourlet变换作为一种多尺度几何分析方法,是一种具有多分辨的、局部化和方向化性质的图像表示方法。以此为基础,算法对图像分解后的Contourlet系数进行Stein阈值去噪,然后对不同子带上的各分解系数用非线性增益函数进行不同程度的增强。实验表明,该算法在去除噪声的同时有效突出了乳腺X线照片中的细微特征,有利于小乳腺癌的诊断。最后,文中还通过客观量化指标比较了不同增强算法的效果。     

基于NSCT变换和图像质量评价的拼接图像检测

基于NSCT的多分辨率、局域化、各向异性、平移不变性等特性,文章提出一种新的拼接图像检测方法,利用NSCT和图像质量评价提取出多维图像矩特征以捕获原始图像与伪造图像间的差异,最后利用SVM分类器对图像库进行训练和测试,得到了较好的试验结果。与同类方法相比文中运用了较少的特征向量维数达到了拼接检测目的。     

改进轮廓波变换的ISAR信号超分辨成像方法

为了克服由于实测数据有限、逆合成孔径雷达(ISAR)成像分辨率低的问题,提出了一种基于改进轮廓波变换(CT)的ISAR回波信号超分辨成像方法.该方法首先采用非下采样的轮廓波分解来实现信号不变尺度下不同方向的高频成分提取;然后将不同方向的高频信息与原始回波信息一同构建为CT变换的分解层;最后借助轮廓波重构变换技术实现ISAR回波信号的尺度拓展,进而实现超分辨成像.与用插值方法进行信号尺度拓展后成像相比,该方法更能反映空中目标雅克42型飞机雷达图像细节信息,提高成像质量,从而验证了该方法的有效性.     

基于平稳Contourlet变换的极化SAR图像融合

提出一种新颖而有效的基于平稳Contourlet变换的极化SAR图像融合算法。平稳Contourlet变换是一种具有几何信息的灵活多尺度、多方向和平移不变性的图像分解变换,与小波变换相比,对图像分析很重要的沿曲面任意方向反映的细节更容易调整。采用平稳Contourlet变换对多个单极化强度图像进行分解,对于低频系数和方向高频系数采用最优加权算法实现极化图像的融合处理。实验结果表明,该算法与PWF算法相比在保留原始图像边缘和纹理信息同时,可以有效地抑制相干斑噪声的影响,取得较好的融合视觉效果。     

超小波多阈值估计的图像去噪新方法

为了能够更好的保留图像的有用信息,更精确的去除图像的噪声,提出了基于超小波多阈值的自适应图像去噪方法.该方法先通过超小波变换对图像进行多尺度,多方向分析,然后采用WindowShrink和BayesShrink相结合的去噪方法,充分利用原始图像和噪声的信息实现了图像的降噪处理.仿真结果表明,文中方法无论峰值信噪比还是去噪图像的效果都优于小波变换.     

一种基于小波-Contourlet的改进图像融合算法

为了解决小波变换中的方向有限性问题,并消除Contourlet变换中拉普拉斯金字塔分解存在的信息冗余,提出一种基于小波-Contourlet的区域梯度选择平均图像融合算法.该算法对低频采用加权平均规则,对高频则计算区域梯度,并采用选择平均规则,选取空间频率、交叉熵与偏差等客观评价数据.实验结果表明,在相同的融合规则下,...