基于有限脊波变换的图像内容认证算法

在有限脊波变换(FRIT,finite ridgelet transform)域,提出了一种用于图像内容认证的半易损数字水印算法。提取图像在FRIT时产生的均值信息作为图像内容特征,并由它生成认证水印。利用Bayesian最小风险函数估计选择FRIT系数,把认证水印嵌入这些系数。实验结果表明,此算法简便高效,能很好地区分图像内容的恶意篡改和偶然修改,并能确切指出篡改的位置。     

基于复合脊波变换的图像去噪

脊波变换是在小波变换的基础上提出的多尺度分析方法,对于图像中直线状和超平面的奇异性问题,脊波变换比小波变换有更好的处理效果。应用数字复合脊波变换去除嵌入在图像中的白噪声,并使用一个简单的复合脊波系数的硬阈值来实现。实验结果表明,这种算法比VisuShrink算法、普通脊波算法和Wiener 2滤波器图像去噪的去噪效果更好,同时复合脊波算法也能应用于图像去噪和模式识别特征提取。     

有限脊波变换在版权保护中的应用

在有限脊波变换域提出了一种版权保护方案。怎样选择适合嵌入水印数据的FRIT系数是一个有待探讨的问题。以往的算法凭经验确定,缺少理论分析。采用软门限的方法,确定适合隐藏水印的FRIT系数,估算了FRIT系数的噪声可见性,自适应地嵌入水印信息。实验表明该算法具有很强的稳健性和不可见性。     

基于脊波变换的图像压缩算法

自然图像包括大量的具有明显“直线边缘”的图像,而且边缘表示了图像的主要信息。利用脊波对“直线奇异”的良好刻画,针对具有直线特征的图像,设计基于脊波变换的有损压缩算法。首先对图像进行脊波变换,然后对变换系数进行标量量化、扫描、游程编码和熵编码。仿真实验表明,与基于小波变换的JPEG 2000压缩算法相比,该算法能获得更高的压缩率,同时保持较高的信噪比。     

对称延拓小波变换矩阵用于FRIT去噪

给出了对称延拓方式下有限长信号不需逐级计算而直接得到小波系数的分解矩阵和由这些小波系数重构原信号的重构矩阵的构造方法,并给出了常用的相应于9/7小波的分解矩阵和重构矩阵及其基向量,它们可广泛用于基于小波的图像分块处理中.作为一种应用实例,将构造的小波变换矩阵用于FRIT图像去噪,不仅计算大大简化,而且相对于周期延拓的小波变换而言边界效应明显减少.     

一种基于Ridgelet变换的遥感图像融合方法

Ridgelet变换是继经典的小波变换之后提出来的一种新型图像多尺度几何分析工具.针对不同波段的远程遥感图像提出了一种基于新型正交Ridgelet变换的遥感图像融合方法.该算法基于新型的可逆离散脊波多尺度变换,通过客观评估融合性能说明该方法优于其他三种典型融合方法,尤其是优于各种基于小波变换的图像融合方法,仿真实验证明该方法融合效果良好.     

基于Ridgelet变换的图像融合

文章介绍了小波变换和脊波变换在表达信号特征上的区别、脊波变换的实现方式,讨论了基于脊波变换的图像融合思想。通过一系列图像融合实验,研究了脊波变换中图像子块的大小对融合图像的质量的影响,重点说明了脊波变换在保持融合图像的空间细节信息上的能力。     

一种基于脊波域的盲检数字水印算法

本文提出了一种脊波域的水印嵌入和盲检测算法.脊波变换(ridgelet transform,RT)具有方向敏感性和各向异性的特点,它可获得具有直线特征的图像的稀疏表示.对这类图像进行多尺度脊波变换后,其中最重要的脊波系数代表了图像能量最集中方向的特征,即沿着图像的边缘方向的特征.对一般含有曲线边缘或纹理的图像,可将图像分成小块,将曲线近似作直线处理.然后,对每个小块进行多尺度脊波变换,选择出脊波系数能量大于某个阈值的方向,并在该方向的中频脊波带嵌入水印.实验证明,水印使用该嵌入方法具有很强的鲁棒性和透明性.     

一种基于角度的正交FRIT变换及其在图像去噪中的应用

M.N.Do和M.Vetterli提出的Finite Ridgelet Transform(FRIT)因其对线奇异特征的高效表示能力而被广泛应用,但其在图像压缩、去噪的处理中却受到"环绕"现象的严重影响.本文在揭示"环绕"现象和FRAT域系数关系的基础上,提出一种基于角度的正交FRIT变换方案(Angle-based FRIT,AFRIT).该方案具有更好的能量集中特性,并有效地降低了"环绕"现象.进一步,对正交FRIT去噪问题建模,并提出了一种基于AFRIT的改进阈值.不同噪声水平下各种图像的去噪实验结果表明,采用改进阈值的AFRIT同现在常用的FRIT去噪方法相比,具有明显的优越性.     

基于小波和脊波变换的探地雷达信号杂波抑制

针对如何有效去除探地雷达信号的干扰噪声问题,提出了一种基于小波和脊波变换的杂波抑制方法。小波能有效地描述图像的点奇异性,而脊波能有效地描述图像的线奇异性。首先结合小波和脊波的特点,对探地雷达回波信号进行自适应阈值去噪,然后利用脊波的方向敏感性在脊波域去除直达波信号,最终通过处理实际探底雷达数据,验证算法的有效性。     

The finite ridgelet transform for image representation

The ridgelet transform was introduced as a sparse expansion for functions on continuous spaces that are smooth away from discontinuities along lines. We propose an orthonormal version of the ridgelet transform for discrete and finite-size images. Our construction uses the finite Radon transform (FRAT) as a building block. To overcome the periodization effect of a finite transform, we introduce a novel ordering of the FRAT coefficients. We also analyze the FRAT as a frame operator and derive the exact frame bounds. The resulting finite ridgelet transform (FRIT) is invertible, nonredundant and computed via fast algorithms. Furthermore, this construction leads to a family of directional and orthonormal bases for images. Numerical results show that the FRIT is more effective than the wavelet transform in approximating and denoising images with straight edges.     

适用于尺寸为2的幂次方图像的离散ridgelet变换

Ridgelet变换是继小波变换之后提出的一种新的多尺度变换,它能比小波变换更好地表达高维线性奇异性。Finite ridgelet是ridgelet变换的离散实现算法,具有和连续ridgelet变换一样精确的代数意义,并且算法复杂度低。但是finite ridgelet只适用于图像尺寸为PP(P为素数)的图像,这一点限制了它的应用范围。该文将finite ridgelet的算法进行改进,提出了一种可以适用于图像大小为NN ( N=2k, kZ)的离散ridgelet算法。该算法不仅推广了finite ridgelet的适用范围,而且简化了finite ridgelet的算法过程。     

基于脊波的红外图像自适应增强算法

图像增强是目标检测和识别中的基本问题,为了在红外图像中能够更好地检测出目标,根据多尺度几何分析工具脊波特别适合表示各向异性和奇异性的特性,结合红外成像的特点,利用脊波对图像进行增强,并利用统计学原理对脊波系数变换原则进行自适应改进,利用统计学原理构造了目标细节特征量和脊波子带系数特征量,将这些特征量进行匹配,并且评估匹配效果,从而找出子带系数中与目标特征关联度高的部分,有针对性地对该部分系数进行放大,其余部分系数进行抑制处理,处理后的系数进行脊波逆变换还原的图像。检测结果与对比度增强、线性滤波等方法进行比较说明:该方法效果良好。     

基于FFST和方向特性对比度的图像融合算法

为了克服红外可见光图像融合方法存在的不足,结合快速有限剪切波变换(Fast Finite Shearlet Transform,FFST)的平移不变性以及较高的方向敏感性,提出了一种基于快速有限剪切波变换域的自适应多方向图像融合新方法。首先,对严格配准后的图像进行快速有限剪切波变换分解,得到低频子带和高频子带系数;然后,对低频子带系数采用非负矩阵分解的一个约束稀疏算法,即在基本非负矩阵分解的优化函数中施加稀疏性约束,使分解更优,以此来提高重构后图像的清晰度;高频子带系数则采用联合方向特性的对比度进行选取,以得到丰富的细节信息。最后,利用快速有限剪切波逆变换得到重构后的图像。实验结果表明,融合后的图像充分结合了源图像的有用信息,整体轮廓清晰,在客观评价上也有一定的提高。