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.     

基于Contourlet变换的多波段SAR图像融合

针对不同波段SAR图像的融合,该文提出了一种在Contourlet变换域融合的方法,利用Contourlet变换的充分表示图像边缘信息的能力,将图像分解为低通系数和不同方向的高频系数,对方向高频系数定义一个边缘信息量测指标,选择量测指标大的系数作为融合系数,解决了小波变换融合中图像边缘信息容易丢失的问题。通过对两波段SAR图像进行融合实验并与小波变换融合结果比较,在视觉特性与统计因子客观评价上均取得了更好的效果。     

一种曲波域亮度调制的遥感图像融合方法

曲波(Curvelet)变换是一种更适合于图像处理的多尺度几何分析(MGA)方法,具有很强的方向性;结合HSI变换将其应用于合成孔径雷达(SAR)图像和多光谱(MS)图像融合可以更好地表示图像中的有用特征;首先对多光谱图像进行HSI变换,得到亮度分量I,对亮度调制(IM)的方法为:对SAR图像和I分量进行曲波变换得到粗尺度系数和细节尺度系数,利用边缘信息和和调制系数k对粗尺度系数进行处理,逆变换后得到新的亮度分量Inew,用Inew替代原亮度分量I进行逆HSI变换得到最终融合结果,采用熵、梯度、空间频率、偏差指数和扭曲程度对融合结果进行评价;实验结果表明,该方法在保持光谱信息和提高空间分辨率上都有较好的结果.     

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.     

基于曲波变换的红外与可见光图像融合算法

针对小波不能有效捕捉图像轮廓的不足,提出一种基于第2代曲波变换的图像融合算法。近似分量计算采用加权平均融合规则,细节分量计算采用像素级多分辨率融合扩展框架和对比敏感带通函数融合规则。实验结果表明,该算法在保留源图像边缘轮廓、抑制噪声方面均优于小波,融合图像更符合人眼视觉特性。     

基于曲波变换和余弦测度的人脸识别方法

人脸识别是一种常用的生物特征识别技术,广泛应用于门禁考勤、公安司法等领域。光照、人脸表情与姿态、遮挡等采集条件的变化对 现有人脸识别方法 影响较大,限制了其应用。提出了一种基于曲波变换和余弦测度的人脸识别方法,以提高人脸识别对采集条件的鲁棒性。首先,对待识别人脸图像进行曲波变换,依据曲波系数检测人脸区域的关键点;然后,提取各关键点在不同尺度和方向上的曲波特征,构建人脸特征描述子;最后,依据余弦测度、累加和运算和极值运算求取人脸的最优匹配结果。仿真实验表明,所提方法对光照、姿态、表情和遮挡等变化的鲁棒性强,且识别性能好。     

一种基于第2代曲波变换的尺度相关图像去噪方法

从第2代曲波变换为基础,提出了一种利用尺度相关性进行自适应阈值收缩的图像去噪方法。通过实验比较小波与第2代曲波图像去噪,采用峰值信噪比对去噪结果进行了客观评价,实验结果表明,本文提出的图像去噪方法明显优于小波图像去噪方法,并且相对于单纯的阈值收缩去噪也有很大提高。     

基于静态小波变换和2代曲波变换的图像融合算法

提出了一种基于静态小波变换(SWT)和2代曲波(curvelet)变换的图像融合算法.首先将原图像分别进行SWT变换得到高、低频分量.然后,对低频分量采用基于2代曲波变换的方法进行融合,对高频分量基于绝对值最大的方法进行融合.最后进行SWT逆变换得到最终的融合图像.实验结果表明,该算法具有SWT变换和2代曲波变换二者的优点,主客观评价均优于单独SWT变换和单独2代曲波变换融合算法,也优于离散小波变换(DWT)和曲波变换相结合的融合算法.     

基于小波变换的多聚焦图像融合方法

介绍一种利用小波变换实现多聚焦图像融合的方法,它针对小波变换后图像的近似部分和细节部分采用不同的融合规则,组成一个新的小波分解系数,再进行小波重构,即可得到融合图像.实验结果表明,基于小波变换的多聚焦图像融合方法具有良好的效果.     

基于多尺度特征融合的SAR图像分割

由于存在相干斑噪声的影响,给SAR图像分割造成很大的困难,提出一种基于多尺度特征融合的SAR图像分割方法。该方法利用快速离散curvelet变换提取图像的纹理特征,利用平稳小波变换提取图像的统计特征,将两种多尺度特征融合成高维的特征向量,采用模糊C均值聚类的方法进行分割。在仿真SAR图像和真实SAR图像的分割实验结果表明,提出的方法优于单独采用小波变换进行SAR图像分割的方法,在消除均质区内碎块的同时,使得边界更为精准和平滑。     

应用邻域方差加权平均的curvelet变换融合

提出一种基于邻域方差加权平均的多源遥感图像曲波变换融合方法。将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多光谱图像的低频分量,中高频系数与高频系数采用邻域方差加权平均的方法由两幅图像曲波变换系数共同决定。逆曲波变换得到融合图像。实验表明算法有效提高了图像的清晰度和保持了光谱特性。     

一种基于曲波变换的图像去块算法

图像块效应是由于进行图像压缩编码时采用离散余弦变换(discrete cosine transform,DCT)并对其系数进行量化处理而引起的,该过程丢失了一些频率成分,并引起了子块边界不连续的跳变.针对这一问题,提出了一种基于曲波变换的图像去块算法,该算法首先对退化图像进行曲波变换,再对所获取的各层曲波系数进行处理以备复原图像.通过寻找各层中与原始图像块效应相对应的系数,对不同的层采用不同的方法,并计算图像重建时所要使用的新系数矩阵.实验表明,该算法比传统在客观和主观评估中都被普遍运用的空间域和小波去块方法,得到了更佳的图像复原效果,且保留了更多的细节.     

基于改进轮廓波变换的SAR图像增强

针对轮廓波变换（contourlet transform）中进行拉普拉斯金字塔分解时,所得的带通图像在奇异性点附近产生振荡,影响图像去噪的效果,提出一种改进的轮廓波变换。通过改进拉普拉斯金字塔分解,可消除轮廓波变换带通图像边缘附近的震荡。提出了基于改进轮廓波变换的SAR图像增强算法。实验结果表明,该算法在有效抑制SAR图像噪声的同时,较好地保持了图像边缘细节。     

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。     

一种改进的PCNN图像融合算法

针对使用小波变换及简单融合规则的图像融合算法的不足,提出了一种改进的基于脉冲耦合神经网络（Pulse Coupled Neural Networks,PCNN）融合规则的非下采样轮廓波变换（Nonsubsampled Contourlet Transform,NSCT）图像融合方法。对已配准待融合图像进行NSCT分解,采用改进的PCNN融合规则对Contourlet域系数进行融合,得到融合图像的NSCT系数,经逆变换重构得到融合图像。实验结果表明该算法在主观视觉和客观评价指标上都取得了较好的融合效果。     

基于小波变换和曲波变换的图像边缘检测新算法

针对图像处理中的边缘检测问题,提出了一种基于小波变换和曲波变换的图像边缘检测新算法。首先对原始图像进行小波变换得到小波边缘图像;然后对原始图像进行曲波变换并使用Canny算子得到曲波边缘图像;最后基于小波变换的窗口内边缘强度自适应融合算法将小波边缘图像和曲波边缘图像进行融合得到最终边缘图像。该方法结合了小波变换描述图像细节特征的优势和曲波变换处理曲线或直线边缘特征的优势,能全面刻画边缘图像的纹理与细节信息,提高了图像清晰度。仿真实例表明了该算法的有效性。     

基于第二代Curvelet变换的低对比度图像增强

针对传统图像增强方法用于低对比度图像时,存在对噪声敏感、局部过增强等问题,提出了一种基于第二代 Curvelet 变换的增强方法。将图像进行多尺度多方向的 Curvelet 变换;引入分段非线性函数的思想,调整低频子带系数,提高图像整体的对比度;对各尺度的高频子带系数进行非线性加权,增强图像细节,并进行阈值降噪。实验表明,该方法优于常用的空间域直方图均衡化和小波域图像增强法,能有效地提高图像的对比度、降低噪声,并且较好地保留边缘信息,具有良好的视觉效果。     

基于离散曲波变换的图像Hash算法

为了提高图像Hash算法的鲁棒性,提出一种新的基于离散曲波变换的图像Hash算法。该算法首先对图像预处理,再进行基于“打包”的快速离散曲波变换,提取出包含图像主要特征的曲波低频系数和边缘信息较丰富的细节2层系数作为特征向量;然后用Logistic方程对特征向量加密;最后进行量化压缩得到图像Hash序列。实验结果表明,该算法与已有传统算法相比,具有更高的鲁棒性;能有效区分不同图像,具有易碎性;混沌系统的引入使算法具有安全性。     

多聚焦图像融合的Contourlet变换方法

Contourlet变换（Contourlet Transform,CT）是一种新的多尺度变换,具有良好的多尺度性和多方向性。提出了一种基于Contourlet变换的多聚焦图像融合算法,同时引入Cycle Spinning来有效地消除由于Contourlet变换缺乏平移不变性而产生的图像失真。实验结果表明该算法可获得较理想的融合图像,取得了优于laplacian塔型方法和小波变换方法的融合效果。