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。     

结合Curvelet变换和LSWT的多聚焦图像融合算法

针对多聚焦图像,提出了一种结合二代Curvelet变换和提升静态小波变换LSWT的图像融合算法。首先将待融合的图像分别进行离散Curvelet分解变换,得到不同分解级数和方向下的细节尺度系数和粗尺度系数;其次对粗尺度系数分别进行LSWT变换,对变换得到的低频分量和高频分量分别采用不同的方法融合后进行LSWT逆变换,得到的系数作为Curvelet变换的粗尺度系数;对于Curvelet变换后得到的细节尺度系数采用局部平均能量方差的方法进行融合;最后进行Curvelet逆变换得到融合后的图像。实验结果显示,该方法融合效果较好,优于传统方法。     

基于复数小波变换增强带噪图像的空间自适应方法

针对目前的多尺度增强方法一般很难实现抑制噪声和凸显细节间有效均衡的问题,提出一种基于复数小波变换增强图像方法,充分利用复数小波兼具平移不变性和方向选择性的优势,首先通过相邻两层小波系数的相关性来有效区分噪声和图像边缘．并根据各层小波系数的分布设置局部阈值抑制噪声;在此基础上,自适应地选取增强函数来增强较弱的细节并保护原图像中的清晰边缘不产生失真．实验结果表明,运用该算法增强带噪图像可以在较好地抑制噪声的同时,显著地放大细节特征．     

基于二代Curvelet变换和区域匹配度的图像融合算法

提出了一种新的基于二代Curvelet变换的多传感器图像融合算法,分别讨论了粗尺度系数和细尺度系数的融合规则。首先采用二代Curvelet变换对源图像进行多尺度的分解,将粗尺度系数值进行变换使其强度分布一致,再采用加权平均的方法确定粗尺度融合系数。采用显著性测度和区域匹配度联合分析的方法确定细尺度系数,并进行一致性验证,最后进行二代Curvelet逆变换获取融合图像。将传统融合规则和该方法从独立因素、联合因素以及综合评价3方面进行了比较,结果表明,该方法较好地保持了边缘信息,减少了细节信息的损失,具有较优的性能参数和良好的视觉效果。     

基于第二代曲波变换算法的检测图像增强

为了提高组织结构细节的显示,满足机器分析的要求,对图像进行多层的小波分解与重构,通过对多层分解后的低频逼近系数和各层分解的细节系数作处理,以达到对图像进行增强目的。引入的第二代曲波(ⅡCurvelet)增强算法,根据各子带的噪声水平分别进行分段非线性增强,最后进行反变换得到增强图像。增强对比实验表明:ⅡCurvelet增强算法在整体效果和局部细节上优于小波增强算法,更能达到抑制背景噪声、突出目标细节、提高对比度的效果,对检测图像增强更加有效。     

基于小波阈值的图像增强算法

本文针对传统的图像增强算法中存在的一些问题,如增强噪声、丢失细节、对比度差等.提出了一种基于小波变换的图像增强算法.图像经过多尺度小波分解后,得到不同尺度的小波系数,然后根据噪声在不同尺度的分布情况和小波系数的特点,对不同尺度的小波系数采用不同的小波阈值增强算法,最后进行小波重构,即可得到增强后的图像.经过仿真实验证明该方法可以有效地增强图像的细节信息,保持图像的边缘特征.改善图像的视觉效果.     

基于小波阈值的图像增强算法

本文针对传统的图像增强算法中存在的一些问题，如增强噪声、丢失细节、对比度差等，提出了一种基于小波变换的图像增强算法。图像经过多尺度小波分解后，得到不同尺度的小波系数，然后根据噪声在不同尺度的分布情况和小波系数的特点，对不同尺度的小波系数采用不同的小波阂值增强算法，最后进行小波重构，即可得到增强后的图像。经过仿真实验证明该方法可以有效地增强图像的细节信息，保持图像的边缘特征，改善图像的视觉效果。     

一种新颖的医学图像锐化增强算法

针对医学图像组织间不明显现象,提出了一种基于模糊规则和小波变换的医学图像锐化增强算法。对不同尺度的小波系数进行锐化增强时,首先根据该尺度低频系数中心像素与其邻域像素的相容性利用模糊规则自适应计算非线性细节增益系数。然后把增益系数与细节小波系数相乘,小波重建后得到增强图像。实验结果表明,提出的算法对图像细节进行增强的同时能够有效地抑制噪声。     

第二代Curvelet变换在低剂量CT图像增强中的应用

低剂量CT图像信噪比低,图像对比度差。对婴幼儿低剂量颅脑CT图像应用第二代Curvelet变换,分别对低频子带进行非线性增强、对高频子带应用自适应域值方法进行去噪后再进行非线性增强,再经Cuverlet反变换后,其结果与小波变换增强及直方图均衡增强的结果进行比较。结果显示第二代Curvelet变换增强图像对比度及信噪比明显提高,图像细节显示清晰,效果良好。     

一种新的基于Curvelet变换的遥感图像融合算法

Curvelet变换能充分利用原函数的几何正则性,可以达到用更少的系数来逼近奇异曲线的目的,因此相比小波变换而言,它更适合分析二维图像中的曲线或直线状边缘特征.综合分析Curvelet变换的特性,提出一种基于Curvelet变换的遥感图像融合算法.通过Curvelet变换将源图像分解到不同尺度、不同方向的频带范围内,然后分别对低频、高频分量采取不同的融合规则进行融合,最后进行Curvelet逆变换得到融合结果.实验结果表明该方法在增强空间特征和保留光谱信息方面均优于传统小波变换和传统Curvelet变换等方法.     

基于第二代Curvelet变换的彩色图像增强算法

针对小波变换对彩色图像增强算法诸多问题,提出基于第二代Curvelet变换的彩色图像增强算法,它克服了小波变换在表达彩色图像边缘的方向特性等方面的内在缺陷,更加适合分析二维图像中的曲线或直线状边缘特征。阐述了第二代Curvelet变换的基本原理,通过对512×512的Lena和Babon彩色图像仿真实验,实验结果表明算法对彩色图像具有很好的增强效果,提高了彩色图像的对比度,降低了噪声,同时也较好地保留了边缘信息,无论是从视觉效果还是从性能指标都优于小波和Ridgelet算法。     

基于Curvelet的人脸识别

人脸的主要特征是曲线信息,提出了一种基于Curvelet变换的人脸识别算法。Curvelet变换在表达图像的曲线奇异性时,比小波变换和脊波变换能获得更稀疏的图像表示。在人脸识别中,用人脸的曲波系数来提取特征能更好地反映人脸的主要特征,文中使用支持向量机进行了识别。结果表明该方法比小波方法更有效。     

基于同态滤波与Curvelet变换的钻孔图像自适应增强

针对岩石数字钻孔图像存在的光照不均、图像中岩石表面边缘细节模糊等情况,提出了一种钻孔图像自适应增强算法.对原图进行同态滤波;使用Curvelet变换分解原图与滤波后的图像,对两者的低频子带使用系数直方图匹配算法,将前者与后者的直方图进行匹配,改善光照不均的影响;对原图的高频子带使用自适应的阈值进行滤波,同时利用自适应增强函数进行增强;使用Curvelet反变换重构得到增强后的图像.实验结果表明:算法可以有效地改善钻孔图像光照不均的问题,增强图像中物体的边缘信息,在主观视觉效果和图像客观评价指标上相对于其他算法均有一定优势.     

融合曲波变换和颜色直方图的图像检索

研究了曲波变换和颜色直方图在图像检索系统中的应用,在此基础之上提出了一种融合Curvelet变换和颜色直方图的彩色图像检索的方法。该方法首先采用Curvelet变换提取彩色图像中的纹理特征,再利用颜色直方图提取颜色特征,最后分别用Manhattan距离和欧几里德距离进行纹理和颜色的相似性匹配。实验结果表明,融合曲波变换和颜色直方图的方法对图像检索非常有效。     

基于曲线波隐马尔可夫模型的人脸检测

提出了一种基于曲线波隐马尔可夫模型的混合人脸检测算法.曲线波变换是一种多尺度几何变换,具有很好的方向性,能用极少的非零系数精确表示图像的边缘,是一种最稀疏的表示方法.根据隐马尔可夫模型对人脸拓扑结构的约束,采用3状态的隐马尔可夫模型进行从粗到细的人脸检测.实验结果表明,这种算法具有较好的检测速度与正确率及鲁棒性.     

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。     

复数Curvelet 变换域复数高斯尺度混合图像降噪

提出了一种基于复数Curvelet 变换域复数高斯尺度混合（CGSM）模型的图像去噪方法．指出Curvelet 变换重构图像存在“划痕”和“嵌入污点”的主要原因是Curvelet 变换域存在频谱混叠,为此,采用复数小波变换和 改进的Radon 变换分别代替原Curvelet 变换中的实小波变换和Radon 变换．构造了具有抗混叠性能的复数Curvelet 变换．本文同时把高斯尺度混合（GSM）模型扩展到复小波域,形成对复小波系数的幅值和相位信息具有有效捕捉 能力的复数GSM 模型,并在复数Curvelet 变换域,采用贝叶斯最小平方（BLS）估计器对CGSM 模型下含噪复系数 进行有效估计,从而实现降噪．实验结果表明,无论是用PSNR 指标评估,还是在视觉效果上,本文方法的去噪性能 均好于传统Curvelet 去噪、Curvelet 域HMT 去噪和小波域BLS-GSM 去噪．本文方法在有效去噪的同时,具有很好 的图像边缘和细节保护能力．     

基于Curvelet变换的图像融合方法

提出一种基于Curvelet变换和特征量积的图像融合方法。对2幅图像进行Curvelet变换,低频部分采用加权平均的融合算法,高频采用基于特征量积的加权融合算法,从而实现Curvelet系数的融合,并重构得到融合图像。对多聚焦图像进行实验,利用梯度结构相似度、空间频率、峰值信噪比进行评价,实验结果表明,该方法能够取得较好的效果。     

Curvelet变换在图像处理中的应用综述

近年来,Curvelet变换由于其独特性而受到研究人员的日益关注．Curvelet变换由小波变换发展而来,克服了小波变换在表达图像边缘的方向特性等方面的内在缺陷．目前的应用已经显示出它在图像处理中巨大的发展潜力．总结了Curvelet变换的原理及实现方法,介绍了它在图像处理中的典型应用,并通过与一些相关算法的比较分析了它在不同应用中的效果和特点,最后对它的应用发展趋势进行了展望．