非下采样Contourlet变换域多聚焦图像融合方法

针对同一场景的多聚焦图像融合问题,提出基于脉冲耦合神经网络(PCNN)的非下采样Contourlet变换(NSCT)域融合方法.将源图像经过NSCT变换生成的低通子带系数和带通方向子带系数输入PCNN,将各神经元迭代产生的点火频数构成点火映射图.采用接近度函数描述点火映射图邻域特性的关联程度,根据邻域接近度为融合图像选择相应的子带系数,通过NSCT逆变换得到融合结果.实验分析表明,新的融合方法在很大程度上保留了多聚焦图像的清晰区域和特征信息,具有比经典小波变换、Contourlet变换和常规NSCT方法更好的融合性能.     

非下采样Contourlet自适应的地震信号插值方法

为了提高地震数据的重构效果,提出了一种基于非下采样Contourlet变换（NSCT）自适应阈值的插值方法。该算法对缺失地震数据进行变换,并利用NSCT变换系数计算N次迭代对应的阈值。每次迭代时自适应选取阈值对各方向各尺度的NSCT系数进行处理,利用未缺失地震数据填充到反变换后的缺失地震数据中,完成缺失地震数据的重构。实验结果表明,利用NSCT变换的平移不变性和自适应阈值处理,对均匀丢失和随机丢失的地震数据进行插值重构,能得到更好的插值效果。     

基于非下采样Contourlet变换的自适应图像融合算法

Contourlet变换克服了小波变换在处理高维信号时的不足,但Contourlet分解和重构时需要采样因此不具有平移不变性,因此根据6trous算法构造了非下采样Contourlet变换(nonsubsampled C～ntourlet transform,NSCT).NSCT比Contourlet变换具有更灵活的方向性、且具有平移不变性.因此将NSCT变换应用于图像融合领域,能更好地提取图像边缘特征,为融合提取更多的特征信息.基于NSCT的自适应图像融合算法是将图像进行NSCT分解后,针对在不同频率域特点选择不同的融合规则,最后通过重构得到融合图像.通过对试验结果进行的主观和客观的对比,试验结果表明NSCT能够为融合图像保留更全面的原始图像信息,且基于NSCT的自适应图像融合算法能够更加有效、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.     

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。     

利用方向特性实现非下采样Contourlet变换阈值去噪

系数阈值是流行的去噪方法,其中阈值方式与大小的选择是一个重要的技术问题．依据非下采样Contourlet分解系数尺度内与尺度间的相关性,考虑到相同尺度内不同方向上系数分布的聚集性依赖图像自身发生变化,提出一种利用方向特性实现非下采样Contourlet变换阈值去噪策略．对于被加性高斯白噪声污染的图像,实验中将利用方向特性实现非下采样Contourlet变换阈值去噪策略方法与小波阈值去噪、Contourlet变换去噪方法和非下采样Contourlet变换去噪方法进行了比较,结果表明利用方向特性实现非下采样Contourlet变换阈值去噪策略的峰值信噪比结果相比这些方法平均高出0.5~3.3dB,在边缘特征方面保持了良好的视觉效果．     

非下采样剪切波变换域下遥感图像融合

多光谱图像与全色图像的融合已被广泛应用于提高后续图像处理效果以满足图像进一步应用的需要,本文提出了一种在非下采样剪切波变换域中基于区域清晰度加权和导向滤波相结合的遥感图像融合方法.利用剪切波变换将多光谱图像的亮度分量与全色图像分别分解为低频子带和高频子带;针对高低频子带的特点分别设计高低频子带融合规则;对融合系数取剪切...     

Shearlet域变换与复扩散方程结合的SAR图像降斑

针对大多数降斑算法不能很好地在实现区域平滑的同时保持图像细节边缘这一问题,提出了一种新的复扩散方程,结合Shearlet变换给出了一种模极大值边缘检测方法.将获得图像边缘与降斑平滑的结果相结合,在有效实现降斑平滑的同时保持了图像的边缘.实验结果表明,该方法对SAR图像中的点目标、边缘和纹理具有较好的保持能力,在有效降斑的同时,更多地保留了图像的边缘和细节.     

基于非下采样Contourlet域高斯混合模型的布匹瑕疵识别算法

针对经典瑕疵检测算法不能很好地描述瑕疵特征和不易区分相似类瑕疵类别的问题,提出了一种非下采样Contourlet域高斯混合模型的布匹瑕疵识别算法。首先利用非下采样Cont-ourlet变换(NSCT)得到图像的多方向、多尺度和平移不变表示,并通过代价函数挑选一个最优子带;由于子带瑕疵和非瑕疵区域系数差别较小,很难直接选取阈值,采用标准差法可以有效避免这个问题,获得比较准确的检测结果;然后计算瑕疵区域的统计特征得到特征向量;接着引入最小误分率函数,联合估计样本的高斯混合模型参数;最后采用贝叶斯分类器进行分类。在9类瑕疵上的实验结果表明,本文算法与几种经典算法相比得到更高的分类正确率。     

两种变换域相结合的医学图像融合

为了克服单一图像分析方法在图像分解时存在的局限性,采用两种变换域相结合的方法来实现CT/MRI图像融合。利用基函数多尺度和多方向性的特点,对CT与MRI源图像进行非下采样Contourlet变换(NSCT);将分解之后的CT低频近似部分和MRI低频近似部分再分别进行小波变换,小波分解与融合之后得到融合图像的低频系数,而对NSCT变换后的高频细节部分利用邻域能量取大方法得到融合图像的高频系数;再对高频系数与低频系数进行逆NSCT变换得到融合图像。结果表明,两种变换域结合的算法比单一的多尺度分析算法更有效可行,使得融合图像对比度更高、更清晰。     

Contourlet域的多极化SAR图像自适应融合方法

针对不同极化SAR图像的融合,提出了一种基于Contourlet变换的自适应窗口图像融合方法．首先对原始图像进行Contourlet变换,将图像分解为一个低频予带和多个不同方向的高频子带．对分解后的低频子带进行邻域能量加权融合,对各方向高频子带采用依据SAR图像斑点噪声特征的变化自适应地调整融合窗口的方法.通过对两极化SAR图像进行融合实验并与小波变换等融合结果比较,表明本文方法融合后的图像在视觉特性以及客观评价统计因子上取得了更好的效果,融合后的图像提供了比原始图像更丰富的信息．     

一种邻域一致性的NSCT域多传感器图像融合算法

针对同一场景多传感器图像融合问题,提出了一种基于邻域特性的非采样Contourlet变换域融合新算法．首先对待融合图像进行非采样Contourlet变换分解,由邻域平均能量与方差构造各点的能量方差决策值,基于决策值最大原则选择低频子带系数,从而在保持图像亮度的同时融合更多的边缘细节;基于邻域能量最大原则选择带通方向子带系数,以保留更多的边缘．最后反变换得到融合图像．采用多聚焦图像及红外与可见光图像进行仿真实验,并对融合结果进行了主客观评价．实验结果表明,该算法较好地融合了亮度及边缘细节,避免了引入人为噪声,得到了具有更好的视觉效果和量化指标的融合图像．     

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．     

Window shrink contourlet coefficients for image denoising

An adaptive image denosing technique was proposed to achieve the tradeoff between details retain and noises removal. In order to achieve this objective, the contourlet transform was introduced and a new threshold method, namely CWinShrink, is presented. It shrinks the contourlet coefficients with adaptive shrinkage factors. The shrinkage factors were calculated with reference to the sum of squares of the contourlet coefficients within the neighborhood window. This approach achieves enhanced results for images those are corrupted with additive Gaussian noise. In numerical comparisons with various methods, for a set of noisy images （the PSNR range fi＇om 10.86dB to 26.91dB） , the presented method outperforms VisuShrink and Wiener filter in terms of the PSNR. Experiments also show that this method not only keeps the details of image but also yields denoised images with better visual quality.     

基于自适应收缩因子的SAR图像去噪

针对合成孔径雷达 (SAR)图像固有的斑点噪声 ,提出了基于自适应收缩因子的去噪方法 .该方法首先将图像分解至平稳小波域 ,利用与信号相关小波系数的空间及尺度相关性 ,自适应地得到收缩因子 ,修正小波系数 .与基于Mallat分解的阈值去噪及Wiener滤波相比 ,该方法在有效抑制SAR图像噪声的同时 ,较好地保持了图像边缘细节 ,达到了理想的去噪效果     

一种新的NSCT超分辨率图像复原技术

考虑到非下采样Contourlet变换具有多尺度性和多方向性,提出了一种基于非下采样Contourlet变换的图像复原算法.首先对给出的序列低分辨率图像进行图像配准,对配准图像进行非下采样Contourlet变换,分解成低频及高频部分,对低频和高频分别采取不同的融合策略进行融合,再对融合后的高频和低频进行非下采样Contourlet变换逆变换得到融合图像.对融合后的图像再进行非下采样Contourlet变换,分别对高频细节和低频进行插值,再经非下采样Contourlet逆变换复原成高分辨率的图像.实验表明,该算法在主观效果和客观评价上均优于传统复原算法,是一种可行的图像复原新算法.     

基于多小波变换的SAR图像压缩

在实数域,对称、正交的紧支集非平凡单小波基不存在,而多小波把紧支集、对称性、正交性完美地结合在一起,使小波理论从标量扩展到矢量范畴。利用上述特点将多小波变换应用于SAR图像压缩。实验结果表明,在改进现有的基于小波变换的多级树集合分裂(SPIHT)编码算法的基础上,选用适当的多小波基及预滤波方法,能够得到与小波变换相当甚至略优于小波变换的编码性能。这说明若针对多小波变换系数的特点设计相应的编码方案,SAR图像编码的性能还可进一步提高。