基于多小波变换与图像融合的图像增强方法

针对传统增强方法的不足,本文提出了一种基于多小波变换和图像融合技术的图像增强方法.首先利用多小波变换对原图像做分解处理,之后对一层分解后得到的多小波低频子图作直方图均衡化处理.在利用文中方法得到原图像直方图后,利用图像融合的原理,将均衡化处理后的低频子图与直方图对应的图像融合,得到最终增强结果.实验结果表明,本文算法增强效果良好.     

基于小波变换和部分最小二乘的掌纹识别

子空间法作为一种传统的识别方法,识别时基于整幅图像,复杂性比较高,而且没有考虑类别信息.为了降低计算复杂性和在提取数据特征的同时融入类别信息,研究了一种基于小波变换和部分最小二乘(PLS)的掌纹识别算法.在建议的识别方法中,首先通过小波三级分解提取低频子图像,对低频子图像应用PLS提取掌纹特征,然后将样本投影到提取的特征上作为特征向量进行分类识别.应用PolyU掌纹图像库进行实验分析,实验结果表明:与主元分析(PCA)、二维主元分析(2DPCA)和独立主元分析(ICA)相比,该方法的识别率得到了很大的提高,大大减小了误识率和拒识率,验证了该方法的有效性.     

基于多分辨率Trace变换的纹理图像分类

针对Trace变换提取的图像特征缺乏对纹理边缘信息描述和计算代价高的问题,利用小波变换对图像轮廓的表征优势,提出了多分辨率Trace变换并应用于纹理图像分类.首先,将小波变换引入到Trace变换中,对纹理图像进行非下采样小波变换,得到不同频率的低频特征子图及高频边缘子图;其次,在各级子图上进行一组泛函的Trace变换,获取纹理图像的融合特征,在获得图像边缘信息的同时避免了Trace变换不同泛函组合计算代价过高的问题;最后,把融合特征送入支持向量机对图像进行分类.实验结果表明,对图像采用多分辨率Trace变换提取的融合特征具有更好的纹理描述能力,相对于传统Trace变换及MCM等对比方法具有更高的鉴别性能,且在时间效率上相对于传统Trace变换有大幅提升.     

采用双字典协作稀疏表示的光照及表情顽健人脸识别

提出一种采用小波变换(WT)及双字典协作稀疏表示分类(CSRC)的人脸识别方法-WT-CSRC.WT-CSRC首先利用PCA(主成分分析)将小波分解后的人脸高频细节子图融合成高频细节图像;然后用PCA分别对人脸低频图像和高频细节图像进行特征提取,构造低频和高频特征空间,并用训练样本在两种特征空间上的投影集构造低频字典和高频字典;最后将测试样本在两种字典上进行稀疏表示,并引入互相关系数以增强人脸识别的可靠性,实现了人脸的协作分类.实验结果表明,提出的方法提高了人脸识别率,对光照变化及表情变化具有较强的顽健性,并且具有较高的时间效率.     

一种基于Red-Black小波的图像融合的改进算法

为增加融合后图像信息量,增强图像清晰度,提出一种基于Red-Black小波图像融合的改进算法。该算法在对源图像进行Red-Black小波变换前,首先进行PCA变换,然后对得到的第一分量作多尺度的Red-Black小波分解,对于高频子带系数和低频子带系数分别采用基于极大值的选择和基于区域方差的融合规则。最后对融合后的各级子图像进行Red-Black重构,并对重构的结果进行PCA逆变换得到融合的图像。实验结果表明,提出的算法进行多光谱图像融合可以很好地保留光谱信息并且有较高的空间分辨率,提高了熵值,增加了融合后图像的信息量,扩大了信息丰富程度,也有效增强了图像的清晰度,具有较好的视觉效果,在遥感图像处理领域有较广泛的应用前景。     

基于均匀离散曲波变换的多聚焦图像融合

利用均匀离散曲波变换（UDCT）多尺度、多方向、低冗余等特征,提出了一种新的多聚焦图像融合方法。首先使用UDCT对源图像进行多频带分解;然后根据多聚焦图像的特点,对分解后的低频子带系数运用一种基于改进拉普拉斯和算子的方案进行融合,对高频方向子带系数运用基于局部能量的融合规则进行融合,并对融合系数做一致性检测;最后重建各子带系数得到融合图像。实验结果表明:所提方法可以有效地融合源图像中的方向信息和细节特征,同时抑制了融合图像中的伪Gibbs现象;与基于拉普拉斯金字塔分解、小波变换以及轮廓波变换的图像融合方法相比,该方法取得了更好的视觉效果和量化结果。     

基于多尺度几何分析的医学图像融合

针对医学图像,提出了一种基于多尺度几何分析的医学图像融合算法。首先,利用Contoutlet变换对待融合两幅图像进行分解,将得到的低频分量分别利用Shearlet变换分解,并采用区域能量加权平均的规则,进行一次融合得到融合低频分量;对得到的高频分量分别用小波变换进行分解,再用低频、高频取大的规则进行一次融合得到融合高频分量,最后对得到的融合高低频分量进行Contourlet逆变换得到融合结果。实验结果表明,该算法在信息熵和平均梯度等参数上有明显提升,且能更好地表征图像中不同的奇异性。     

基于剪切波变换和邻域差分的小目标检测算法

提出了一种基于剪切波变换的背景预测算法用于红外小目标的检测。对原始图像进行剪切波变换,获得原始图像的多尺度和方向的细节特征。然后,对低频子带进行中值滤波,去除残留目标。对高频子带,根据其均方误差来调整权重系数,抑制目标和噪声。将反变换后得到的背景预测图像和原始图像进行差分,采用一种基于双窗口的邻域差分方法进行分割,最终实现目标检测。与小波变换法和双边滤波法比较,基于剪切波变换的方法对小目标的检测有较好的效果。     

基于快速整数提升小波变换的多幅图像融合

在分析已有多分辨率图像融合方法的基础上,针对多幅图像融合模型的选择问题,提出了一种基于快速整数提升小波变换的多幅图像融合新算法。首先采用整数提升小波变换将多幅源图像分解到不同尺度、方向频带范围内,然后根据图像提升小波变换后不同子带的特点分别采用了2种新的高、低频融合策略,最后通过整数提升小波逆变换得到融合图像。对多幅源图像进行了融合实验,并对融合结果进行了主观和客观的评价。实验结果表明,该算法不仅适合多幅图像的实时快速融合,而且可以获得视觉效果较佳、细节更为丰富的融合图像。     

一种多传感器图像融合与数字水印技术

在小波包域提出了一种多传感器图像融合和双水印算法。首先,利用HIS变换和小波包变换将多光谱和全色图像分解为多个高低频子带,根据小波包域系数特点,低频部分采用基于区域平均能量加权算法的规则进行融合,高频部分采用绝对值取大的规则进行融合。然后,在高低频图像融合系数分别嵌入一个水印,低频水印利用了离散余弦变换的聚能去相关能力,高频水印利用了图像纹理子块特征。最后,对嵌入的双水印融合图像进行攻击和分析。实验结果显示,融合图像在保留多光谱图像光谱信息的基础上有效提高了空间分辨率;加水印的融合图像具有良好的不可视性和鲁棒性。     

基于最近相关性分类器的单样本掌纹识别

为了解决单样本掌纹识别的困难,研究了基于最近相关性分类器(NCC)的单样本掌纹识别方法。首先对掌纹图像进行分块,划分为若干个子图像;然后运用统计特征、傅里叶变换、离散余弦变换(DCT)和Gabor变换4种方法对子图像进行特征提取,将所有子图像的特征向量组合在一起形成该图像的特征向量;最后应用NCC进行分类识别。运用PolyU掌纹图像库,对本文算法进行测试。实验结果表明:与最近邻分类器(NNC)和支持向量机(SVM)相比,在不同大小的子图像上,运用不同的特征提取算法,NCC均提高了识别率;分类时间在0.3～0.7s之间,满足实时系统的需求。     

图像多小波域矢量量化策略

提出一种基于多小波变换结合矢量量化的图像编码算法(MDWT VQ)。首先对图像进行多小波分解,然后对高频系数用改进后的LBG算法形成的码书进行VQ编码。算法充分利用了多小波域不同分辨率层间各方向子图像的相似性,仅对最高分辨率层进行码书地址索引,低级分辨率层的系数按照一定的组织形式直接套用最高分辨率层的地址索引信息。对比实验的结果验证了该算法在提高图像的重建质量以及在降低位码率方面均比传统的单小波图像编码算法有一定的提高。     

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。     

基于不可分加性小波与形态学梯度的图像边缘提取方法

针对传统的图像边缘提取方法只强调图像中的水平和垂直边缘的不足,提出了一种基于不可分加性小波和形态学梯度相结合的图像边缘提取方法。根据二维不可分小波理论构造了低通滤波器,利用它对原图像进行加性小波多尺度分解;对低频子图像求形态学梯度,对增强后的高频子图像取模极大值;将所得梯度图与边缘图作加性小波逆变换,得重构后的边缘梯度图;并利用二值形态学方法对其进行处理,得最终结果边缘图。实验结果表明,本文算法可获得较好的边缘图像,与经典的边缘提取方法相比,该方法具有完整性、多方向性、平移不变性和快速性的特点。     

基于小波变换的CR图像增强

数字X光影像仪（CR）图像对比度低、细节不清晰,要对其进行增强处理方能满足临床诊断的需要,而目前通用的CR图像增强算法对比度和噪声增强过度、丢失细节,为此提出了基于小波变换的CR图像增强法。该算法将CR图像进行小波变换分解,针对各子图像的特征,对高频细节部分采用非线性函数进行对比度增强,提高细节清晰度;对低频平滑部分采用反锐化掩模（UM）的方法对图像进行增强,以保证CR图像整体增强效果,最后进行小波变换得到增强后的CR图像。实验证明,该算法处理后的CR图像细节丰富,细节方差（DV）比通用增强算法提高了将近3倍,而且信噪比高,细节方差和背景方差（BV）之比（DV/BV）约为其他算法的3．5倍,具有良好的视觉效果。     

基于多尺度几何分析的SAR图像融合

在穿墙雷达成像技术中,建筑布局成像对确定墙后人体目标的空间相对位置以及多径虚假目标的提取有重要意义。目前的建筑布局成像一般采用多通道多视角图像融合方法,对此提出一种基于多尺度分析,即基于小波分解下的多通道多视角图像融合算法。该算法分为两个阶段,第一阶段涉及到单视角下的多通道图像融合,该阶段的融合目的主要是为增强图像细节信息和提高图像清晰度。因此对其小波分解后的图像高频分量采用平均梯度增强的加权融合算法,低频分量采用平均加权融合,后经小波反变换后形成多幅单视角图像;第二阶段涉及到多视角融合,该阶段的融合目的主要是为了增强图像的对比度,并且考虑到此阶段不同视角下图像经小波分解后的三个高频分量对比度各不相同,因此高频分量采用对比度增强的加权融合算法,低频分量仍采用平均加权融合,后将融合后的频率分量经小波反变换,便可得到一幅完整融合图像。仿真结果表明,提出的基于小波分解下的多通道多视角图像融合算法不论在图像视觉效果的改善和信噪比的提高等方面都有较大的作用。     

基于SAR图像的快速景象匹配方法

景象匹配制导作为复合制导中的一种重要制导方式,其要求匹配算法在保证匹配时间短的同时具有较高的匹配精度。针对这一问题,提出了一种归一化互相关与改进的部分 Hausdorff距离复合的景象匹配算法。为了降低匹配时间,该算法选取图像边缘为特征空间,采用小波变换将原始图像分解为一系列维数较小的子图像,进而在子图像上逐层进行匹配;同时为了提高匹配精度,在子图像上采用归一化互相关算法进行粗匹配,然后在原图上粗匹配点的邻域内利用改进的部分 Hausdorff距离完成精匹配,获得精确的匹配位置。仿真结果表明,与传统算法相比,该算法具有较短的匹配时间与较高的匹配精度。     

基于小波的全局多源遥感图像信息融合方法

提出的图像信息融合方法用于解决传统方法在空间分辨率等方面的不足。原始图像经过小波变换，分解成子图像，再进行分块处理，高、低分辨率图像根据全局方差准则分别计算融合的权值系数，进行图像融合重建，然后，对图像采用全局法进行信息融合，实验表明，方法切实可行，能使低分辨率图像接近于高分辨率图像。     

一种基于图像分割和归一化灰度Hough变换的SAR图像舰船尾迹CFAR检测算法

该文提出了一种新的SAR图像舰船尾迹的恒虚警检测算法。该方法首先检测出舰船并将舰船部分用图像灰度均值代替;分别以舰船重心为中心分割出一定尾迹长度的正方形区域并以舰船重心为中心将图像分割成4个子图像,对各子图像进行归一化灰度Hough变换,分割后的尾迹在子图像中的对比度得到了提高。在各子图像变换域依概率模型进行统计建模实现了CFAR检测,最后将4个子图像的检测结果进行融合得到最终的检测结果。检测结果更好地提取出了尾迹,并且实现了尾迹的CFAR检测。仿真结果验证了算法的有效性。