复轮廓波包变换及其在SAR图像去斑中的应用

利用解析的双树复小波包变换(DT-CWPT)与非抽样方向滤波器组(NSDFB),构造了一种复轮廓波包变换(CCPT),并将其应用于合成孔径雷达(SAR)图像去斑。新的变换由于对信号的低频和高频部分都进行了分解,因此除了具有多分辨率、局部性、方向性和各向异性的特点外,还具有平移不变性和更丰富的方向分量。实验结果表明,本文构造的CCPT能够有效地抑制斑点噪声,达到较好的边缘保持效果,并且在图像的细节和纹理表现方面具有一定的优势。     

冗余轮廓波变换的构造及其在SAR图像降斑中的应用

构造了由非抽样塔式分解和方向滤波器组实现的冗余轮廓波变换。文中利用McClellan变换设计非抽样塔式分解中满足精确重构条件的圆对称滤波器组。利用冗余轮廓波变换系数的自适应局部统计模型及最大后验概率法对SAR图像进行降斑处理,并与基于平稳小波和轮廓波变换的降斑算法进行比较。结果表明,提出的算法能有效地去除散斑噪声,并且具有更强的边缘保持能力。     

基于非下采样轮廓小波变换的图像去噪

针对采用下采样滤波器结构的轮廓波、轮廓小波在图像去噪过程中会引入伪吉布斯现象,利用小波变换(WT)和非下采样方向滤波器组(NDFB)构造了一种新的多尺度、多分辨率图像的非下采样轮廓小波变换(NWCT)。WT去除了拉普拉斯金字塔滤波器(LPF)的计算冗余,NDFB保证了该变换具有平移不变性。为了验证该变换的有效性,对其进行了图像去噪实验。实验结果表明,所提出方法能获得比WT、轮廓波变换(CT)、轮廓小波变换(WCT)更高的峰值信噪比(PSNR),并且能够很好地抑制伪吉布斯现象。     

非抽样轮廓波变换域图像融合方法研究

轮廓波变换由于不具备平移不变性,应用于图像融合会产生褶皱现象。针对轮廓波变换的这一不足,提出了一种基于非抽样轮廓波变换的图像融合算法。首先由非抽样金字塔和非抽样方向滤波器组对源图像进行多尺度、多方向分解,然后对得到的变换系数进行融合处理得到融合系数,最后对融合系数进行重构即可得到融合图像。算法将具备平移不变性的非抽样轮廓波变换应用于图像融合,消除了褶皱现象,获得了更好的融合效果。实验结果表明,与其他基于多分辨率分解的融合算法相比,该算法显著减小了融合图像的MSE及ΔH,提高了Correlation值及融合图像的清晰度,是一种有效的融合算法。     

基于DCT的实值离散Gabor变换

该文提出了一种基于离散余弦变换(DCT)的实值离散Gabor变换(RDGT),不仅适用于临界抽样条件而且适用于过抽样条件,并证明了变换的完备性条件。由于这种变换仅涉及实值计算,并且可利用快速DCT,IDCT算法来加速运算,因此比传统复值离散Gabor变换在计算和实现方面更为简单,必将有效地提高非平稳信号与图像的分析、处理速度和效率。     

基于算术傅里叶变换的小波变换快速算法

利用算术傅里叶变换(AFT)计算离散傅里叶变换(DFT)可使其乘法计算量仅为D(N）。文章根据这一特点，结合Mallat算法原理及离散傅里叶算法结构特征，提出了一种离散小波变换的快速算法，给出了数学推导过程，并对实验结果进行了分析。     

基于LS-SVM的复轮廓波变换的图像去噪

针对传统的轮廓波变换图像去噪时引入边缘混叠现象,提出了复轮廓波变换(Complex Contourlet Transform,CCT)和最小二乘支持向量机(LS-SVM)的图像去噪方法.该方法充分利用了复轮廓变换的平移不变性、多方向性以及LS-SVM的小样本学习能力,应用训练好的LS-SVM模型将含噪图像的CCT系数分为含噪点和非含噪点,进行去噪处理.仿真结果表明该算法有效保护图像边缘纹理信息,其峰值信噪比明显高于其他算法,并且具有良好的视觉效果.     

基于NSCT及QR分解的零水印算法

为有效对抗几何攻击,提出了一种利用图像几何校正的非抽样Contourlet变换(NSCT)及QR分解的数字图像零水印技术.该算法对图像进行NSCT变换,并在低频系数子图中提取稳定的SIFT特征点,根据特征点的变化求出几何变换参数.在对几何失真图像进行校正后,进行分块QR分解.取各块中R矩阵行向量2-范数组成序列,二值量化后变换为矩阵并与水印结合生成零水印.仿真实验结果表明,该算法能有效抵抗几何攻击,校正精度好,鲁棒性强,且能够避免水印鲁棒性与不可见性之间的矛盾.     

结合向导滤波与复轮廓波变换的多聚焦图像融合算法

多聚焦融合在图像识别和分析中具有非常重要的地位。为了有效地保留源图像的细节,克服变换域算法由于空间不连续性产生的人造纹理和灰度不均衡。该文结合复轮廓波时频分离的优点和向导滤波的特点提出了一种基于向导滤波的复轮廓波域多聚焦图像融合算法。首先,对源图像进行复轮廓波分解,其次对分解的低频系数进行基于向导滤波的均值融合策略,然后对分解的高频系数进行基于向导滤波的改进拉普拉斯能量和模取大的融合策略,最后通过复轮廓波反变换得到融合后的图像。实验结果表明,该算法利用向导滤波显著的提升了变换域融合算法的空间连续性,不仅可以获得良好的视觉融合效果,而且其客观评价指标也得到了提升。      

复小波包域复数高斯尺度混合模型图像降噪

提出一种基于四树复小波包变换(QCWPT)复数高斯尺度混合(CGSM)模型的图像去噪新方法。含噪图像经多尺度QCWPT被分解成一个低频复数逼近子图和若干高频复数方向细节子图。在大尺度下,可认为低频逼近子图为信号复系数予以保留;对各尺度复数方向子图按照对数熵代价函数确定最优复小波包基。把能很好刻画小波系数边缘分布形状和局部邻域强相关性的高斯尺度混合(GSM)模型扩展到复小波域,新的CGSM模型具有很好刻画图像幅值和相位信息的能力,并利用该模型对复系数进行贝叶斯最小均方(BLS)估计,从而实现去噪目的。实验结果表明,无论是峰值信噪比(PSNR)指标还是视觉效果,本文方法的去噪性能均好于双树复小波变换(DCWT)、QCWPT和小波域GSM模型去噪,并且在有效去噪的同时,具有很好的图像边缘和细节保护能力。     

基于非下采样Contourlet域高斯尺度混合模型的图像降噪

提出了一种图像去噪方法,将高斯尺度混合(GSM)模型引入非下采样Contourlet变换(NSCT)域,构造了基于NSCT分解系数的邻域模型,并利用Bayes最小均方(BLS)估计进行局部去噪。仿真实验结果表明,通过本文提出的方法能够有效去除高斯噪声,较完整地保持图像中的边缘等细节信息,在峰值信噪比(PSNR)提高与视觉效果上优于其它的去噪方法。实验结果验证了方法的正确性。     

基于无下采样小波-Contourlet变换的图像融合算法

针对目前最新发展的无下采样Contourlet变换,同时具有方向性、各向异性和平移不变性的特点,并结合多孔小波变换的优点,提出了一种新的基于无下采样小波-Contourlet变换图像融合算法.通过对航空图像进行无下采样小波-Contourlet变换的多分辨分解得到高频和低频系数,并根据不同分解面的系数特性,采用不同的加权融合规则进行融合.实验结果表明,此方法相对于传统的变换法,取得了更佳的融合结果.     

基于无抽样Contourlet变换的图像增强方法

为了有效增强图像的细节信息,研究了基于无抽样Contourlet变换的图象增强方法。首先将待增强图像进行无抽样Contourlet变换,然后使用映射函数对无抽样Contourlet系数进行增强处理,最后进行无抽样Contourlet反变换得到增强后的图像。实验结果表明,该方法可以有效增强图像的微弱边缘信息。     

基于斑点方差估计的非下采样Contourlet域SAR图像去噪

 合成孔径雷达(SAR)图像固有的相干斑噪声严重影响图像质量,使得SAR图像的自动解译十分困难.本文联合SAR图像的统计特性和非下采样Contourlet对SAR图像细节信息的良好刻画能力,提出一种新的非下采样Contourlet域SAR图像去噪算法,通过估计到的各个高频方向子带的斑点噪声方差和变换系数模值的局部均值,对非下采样Contourlet变换系数进行判定,保留信号系数,抑制斑点噪声系数,实现SAR图像去噪.仿真实验结果表明,本文方法在斑点抑制的同时可以有效保持细节信息.     

基于非抽样Contourlet变换的自适应阈值图像增强算法

提出了一种基于非抽样Contourlet变换的自适应阈值图像增强算法,首先对图像进行非抽样Contourlet变换得到不同尺度不同方向上的变换系数,然后由变换系数自适应地确定阈值和调整增强函数,并对变换系数做增强处理,最后对增强处理后的变换系数进行反变换,实现图像增强.实验结果表明,与其他基于变换域的算法相比,该算法可以得到更好的增强效果.     

基于方向区域的NSCT图像融合算法

提出一种新的基于方向区域的NSCT图像融合算法。算法首先对源图像进行NSCT分解,获得不同方向的高低频子带。其次对高低频系数,根据不同分解层的方向特性,按方向区域能量的规则进行融合。最后,通过反变换获得融合图像。该方法既保留了Contourlet变换方法的多尺度多方向特性,又具有移不变性。实验结果表明,提出的算法有效可行,对比常用的区域融合算法,获得了更好的融合效果。     

基于尺度间相关的非下采样Contourlet图像降噪算法

通过相关性强弱区分噪声与信号系数,并结合阈值方法,提出了一种非下采样Contourlet(NSCT)的尺度间相关的图像去噪新算法.实验表明,上述模型与原有的方法相比,不仅在去噪性能指标而且在边缘保持的主观视觉上都表现出了优异的性能.     

非降采样Contourlet图像边缘检测算法

介绍了非降采样Contoudet变换(NSCT)的结构特点与系数分布特性,并提出了基于NSCT的图像边缘检测算法,实现了对图像高频边缘的有效去噪和提取.该方法具有多向选择性、高低频信息并行检测、信息利用率高、两类边缘相互补偿修正精确定位及抗噪声干扰能力强等特点.通过仿真实验并与Prewitt、Sobel、Canny及多尺度小波边缘检测算法进行比较,验证了该方法的有效性和优越性.