基于曲波变换的遥感图像融合研究

以SAR与可见光图像、多光谱与全色图像为研究对象,提出了一种基于曲波变换的遥感图像融合方法.首先将图像进行曲波变换,然后在不同的频率域利用融合规则融合曲波系数,最后通过重构得到融合图像.采用均方误差、偏差指数等指标对融合效果进行了客观评价,并与基于小波变换的融合进行了比较.实验结果表明,该方法在保留原始图像重要信息、抑制噪声能力方面均优于小波变换方法.     

基于NSCT扩散的图像去噪增强方法

本文提出了一种基于非下采样Contourlet变换与非线性各向异性扩散的方法进行含噪图像的去噪和增强。首先对含噪图像进行非下采样Contourlet分解,对每个分解层的各个子带进行非线性收缩和拉伸,以达到抑制噪声和增强图像特征的目的。然后,对去噪增强后图像的Contourlet小系数进行空间域的非线性各向异性扩散,以去除由于进行非下采样Contourlet去噪所造成的为伪Gibbs现象和 side-band效应。实验结果表明,本文方法相比于无扩散的Wavelet和Contourlet方法相比,不仅对图像进行了去噪和增强,而且有效的抑制了伪Gibbs现象和 side-band效应。     

基于去频谱混叠Contourlet变换的层内局部相关性图像降噪

提出了一种基于去频谱混叠Contourlet变换的层内局部相关性图像降噪新方法.含噪图像经抗混Contourlet多尺度变换,得到一个低频逼近子图和一系列不同尺度、不同方向的高频细节子图,充分利用变换域同层同方向子带内信号系数相关性强、噪声系数无相关性的特点,采用强局部化零均值高斯分布模型对高频细节子图进行降噪处理.实验结果表明,该方法计算效率高,能克服Contourlet变换中的频谱混叠,避免了重构图像出现"划痕"现象.无论是PSNR指标,还是在视觉效果上,该方法的去噪性能均好于Contourlet去噪、Contourlet域HMT去噪和基于抗混叠Contourlet变换的硬阈值去噪,在有效去噪的同时,具有很好的图像边缘和细节保护能力.     

基于CHMM 的尖锐频率局部化Contourlet 域图像去噪

提出了一种基于上下文信息隐马尔科夫模型（CHMM）的尖锐频率局部化Contourlet 域图像去噪方法。首先,对噪声图像进行循环平移操作,再利用尖锐频率局部化Contourlet 变换对平移后的图像进行分解,解决了原始Contourlet 变换频率非局部化及缺乏平移不变性的问题,抑制图像在奇异点处产生的伪吉布斯现象。然后,设计一种新的上下文构造方案,针对图像高频子带系数构建CHMM 进行去噪处理。最后,执行尖锐频率局部化Contourlet 逆变换以及逆向循环平移操作获得最终的去噪图像。文中方法采用有效的变换机制并利用上下文信息构建了一个全面的统计相关模型,充分表达了轮廓波高频子带系数在尺度间的持续性、尺度内的多方向选择性和空间邻域内的能量聚集特性,更加有利于图像的去噪处理。实验结果表明:该方法在提高去噪图像PSNR 值的同时进一步改善了其视觉效果,去噪性能优于基于小波变换和原始Contourlet 变换的去噪方法。     

利用HSSIM和残差比阈值的3维激光扫描图像去噪

为了更好地实现3维激光扫描图像的去噪,提出一种融合直方图结构相似度(HSSIM)和残差比阈值的改进稀疏去噪算法。利用初始化过完备字典进行稀疏分解,以相似因子代替重构误差作为保真项,利用残差比阈值作为正交匹配追踪算法的迭代终止条件对图像进行去噪,获得了去噪后图像的峰值信噪比及HSSIM指标。结果表明,与基于db2小波变换、多尺度曲波变换和离散余弦变换的去噪方法相比,该算法能获得更好的峰值信噪比和HSSIM数据。在有效去除图像噪声的同时还能更有效地保留图像的细节特征。     

基于邻域匹配度和能量的curvelet变换融合

提出一种基于邻域匹配度和能量加权平均的多源遥感图像曲波变换融合方法。对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自多光谱图像的低频分量。求两幅图像高频系数邻域内的匹配度,与阈值相比较,根据比较结果分别采用不同方法确定高频系数。对生成系数进行逆曲波变换后得到融合图像。实验表明融合后的图像清晰度和光谱性得到有效提高。     

基于小波域HMT模型的图像去噪研究

研究小波域隐式马尔可夫模型树(HMT),提出了一种基于小波域HMT模型抑制高斯白噪声的改进图像去噪算法.首先将噪声图像沿水平、垂直及对角方向进行平移变换;然后对平移后的图像进行小波变换,建立其对应的小波域HMT型,分别进行去噪处理.最后取所有去噪图像的均值作为最终的去噪图像.在仿真实验中,对不同程度污染下高斯白噪声的Lena图像分别采用该文算法、小波域硬阈值与软阈值去噪进行比较.结果表明,该文算法很好地保留了图像的细节和边缘信息;提高了图像的峰值信噪比;抑制了Gibbs效应;具有较好的去噪效果.通过实验仿真可以看出,这种方法较好地去除了白噪声;提高了图像的峰值信噪比;较好地保存了图像的边缘和细节信息;抑制了振铃现象.     

全变差数字滤波器与Ridgelet变换相结合的图像去噪方法

针对Gurvelet变换采用的金字塔分解对图像细节表现的不足,我们提出利用全变差数字滤波器提取图像细节,然后对其采用基于分数阶傅立叶变换和投影－切片定理的Ridgelet变换,在变换域中由极小化极大误差准则进行阈值估计并对变换域系数进行阈值处理,以实现图像去噪.与金字塔分解相比,全变差数字滤波器能够简化图像分解并得到包含几乎所有细节的单幅图像,从而更有利于在Ridgelet域中进行降噪处理.实验结果表明,相对于Ridgelet和Curvelet变换的去噪方法,本文方法在抑制噪声的同时具有更有效的边缘保护能力,同时消除了边缘处的振荡,并且相对于Curvelet变换节省了计算.     

一种有效的各向异性去啴模型

基于经典的模型,提出一种新的扩散模型。该模型在第一阶段利用小波域wiener滤波时图像进行消噪,之后通过各向异性扩散去除伪。噪声图像经过方法处理后,既消除了小波去噪经常出现的伪效应,又避免了偏微分方程方法去噪中出现的阶梯效应,较好保存了细节,提高了峰值信噪比,大量实验表明它是一种有效的去噪方法。     

基于离散曲波变换和支持向量机的掌纹识别方法

提出了一种基于离散曲波变换和支持向量机的掌纹识别方法.首先将所有掌纹样本图像和测试图像通过基于Wrapping的快速离散曲波变换进行分解,从而获得不同尺度、不同角度的曲波变换系数;掌纹重要特征信息包含在曲波变换分解系数中的低频系数中,因此将分解系数变换形成特征向量后作为特征参数送入支持向量机中进行学习训练;最后将训练好的支持向量机用于掌纹分类.基于香港理工大学Palmprint掌纹数据库进行了大量实验,实验结果证实所提方法的识别正确率相对优于小波变换方法和其它几种经典方法.     

一种曲波域鲁棒数字图像水印算法

提出了一种数字图像水印算法基于特殊选择的傅里叶采样卷绕的快速离散曲波变换.利用Arnold变换对水印信号进行置乱加密,将置乱后的信号进行多次重复来增加冗余度.按照曲波系数分布的特点,选择合适的尺度和系数对水印信号进行嵌入.实验结果表明,该算法对JPEG、加噪、滤波等图像处理具有好的鲁棒性,同时具有好的不可见性.     

基于curvelet变换的光学器件表面特征识别

为了精确识别复杂精密光学器件在制造过程中由于工艺要求不可避免产生的缺陷特征,基于曲线波(Curvelet)变换优良的曲线特征识别和强大的稀疏表示能力,提出了一种基于曲线波变换的缺陷特征识别方法,该方法采用变换域特征分离,在空间域获得特征识别后的器件表面图像.仿真结果和实验结果证明,提出的方法比传统小波算法精度和准确度更...     

基于二代curvelet与wavelet变换的自适应图像融合

针对同一场景红外图像与可见光图像的融合问题,提出了一种基于二代curvelet与wavelet变换的自适应图像融合算法。首先对源图像进行快速离散curvelet变换,得到不同尺度与方向下的粗尺度系数和细尺度系数;根据红外图像与可见光图像的不同物理特性以及人类视觉系统特性,对不同尺度与方向下的粗尺度系数和细尺度系数采用基于离散小波变换的图像融合方法,在小波域中,对低频系数采用基于红外图像与可见光图像的不同物理特性的自适应融合规则,对高频系数采用基于邻域方向对比度与局部区域匹配度相结合的自适应融合规则,然后进行小波逆变换得到融合的curvelet系数;最后,进行快速离散curvelet逆变换得到融合图像。实验结果表明,该方法能够更加有效、准确地提取图像中的特征,是一种有效可行的图像融合算法。     

基于曲线波变换的图像分解

将图像分解为卡通部分(有界变差部分)和震荡部分(文本部分)是近年来图像处理的一个重要问题.图像的卡通部分是由一个有界变差(BV)函数来刻画,相应的将BV罚项合并到变分泛函中需要解偏微分方程.Daubechies用B¹₁(L₁)项代替BV罚项并且用小波解变分问题.按照她的方法,我们通过设计一种数字曲线波算法和一种依赖于尺度的阈值规则,从而得到了一种有效的基于数字曲线波变换的图像分解算法.我们可以看出该算法对噪声具有很强的鲁棒性并且能使图像边缘保持稳定.     

基于Curvelet变换与小波包变换联合的图像去噪算法

小波包变换在处理图像中的平滑区域时能够起到较好的效果,而Curvelet变换可以更好地逼近线性奇异高维函数,对图像的边缘区域有最稀疏的表示.在此基础上提出了基于二者联合的图像去噪算法,在对含噪图像进行分割后,分别对线性区域和平滑区域采用Curvelet阈值去噪处理和小波包阈值去噪处理.该方法充分发挥了二者各自的优势,实验表明,它对图像的去噪效果要优于单纯的Curvelet或小波包去噪方法.     

基于快速曲波变换的图像水印算法

提出了一种新的基于曲波变换的数字图像水印算法。首先,利用快速曲波变换对原始载体图像进行多分辨率分解,并对待嵌入的水印图像进行Arnold置乱;然后,根据人类视觉特征和曲波系数分布特点,将水印信息嵌入到原始图像的中高频系数中。实验结果表明,该算法具有好的不可见性和安全性,对噪声、裁剪、滤波、JPEG压缩等攻击有好的鲁棒性。     

The curvelet transform for image denoising

We describe approximate digital implementations of two new mathematical transforms, namely, the ridgelet transform and the curvelet transform. Our implementations offer exact reconstruction, stability against perturbations, ease of implementation, and low computational complexity. A central tool is Fourier-domain computation of an approximate digital Radon transform. We introduce a very simple interpolation in the Fourier space which takes Cartesian samples and yields samples on a rectopolar grid, which is a pseudo-polar sampling set based on a concentric squares geometry. Despite the crudeness of our interpolation, the visual performance is surprisingly good. Our ridgelet transform applies to the Radon transform a special overcomplete wavelet pyramid whose wavelets have compact support in the frequency domain. Our curvelet transform uses our ridgelet transform as a component step, and implements curvelet subbands using a filter bank of a; trous wavelet filters. Our philosophy throughout is that transforms should be overcomplete, rather than critically sampled. We apply these digital transforms to the denoising of some standard images embedded in white noise. In the tests reported here, simple thresholding of the curvelet coefficients is very competitive with "state of the art" techniques based on wavelets, including thresholding of decimated or undecimated wavelet transforms and also including tree-based Bayesian posterior mean methods. Moreover, the curvelet reconstructions exhibit higher perceptual quality than wavelet-based reconstructions, offering visually sharper images and, in particular, higher quality recovery of edges and of faint linear and curvilinear features. Existing theory for curvelet and ridgelet transforms suggests that these new approaches can outperform wavelet methods in certain image reconstruction problems. The empirical results reported here are in encouraging agreement.     

基于Curvelet变换的红外图像背景杂波抑制算法

为提高复杂背景下的红外弱小目标的检测性能,引入图像的Curvelet变换.在Curvelet域经阈值化处理抑制背景杂波中的低频分量,然后在空域中通过块对比的操作进一步抑制杂波的边缘分量,最终实现背景杂波的抑制和弱小目标的增强.利用几组实测数据的测试实验结果表明了所提出的算法的有效性.