改进的轮廓波图像匹配算法

与小波变换相比,轮廓波变换中LP滤波器的显著缺点是存在过采样和非正交特性。提出一种改进轮廓波变换方法,首先对待处理图像实施小波变换,然后对低频子带图像进行重建,可得到一个高频子带图像,使用滤波器组进行多方向划分。该方法既保持了临界采样又利于后面使用方向滤波器组来对高频部分进行方向划分。实验证明该方法的匹配效果优于小波变换及轮廓波变换。     

用于虹膜识别的轮廓波特征提取

为获得高品质的虹膜纹理特征,针对小波变换方向选择性差的局限和虹膜图像纹理丰富的特点,本文提出了一种基于轮廓波(Contourlet)变换的虹膜特征提取方法.首先对预处理后的虹膜图像进行Contourlet分解,然后根据高低频子带所表征的信息,采用不同特征提取策略,提取其低频分量的均值及标准差和不同尺度、不同方向上高频子...     

一种基于轮廓波变换和各向异性扩散的图像去噪模型

提出一种采用轮廓波变换和各向异性扩散的图像去噪模型。利用轮廓波变换较好的稀疏性、多方向性等特点,通过对噪声图像经轮廓波变换后的不同尺度上的子带图像进行扩散,并采用P范数方法在轮廓波域计算子带图像的梯度阈值,实现建立在图像精细分析基础上的新的各向异性扩散模型。仿真结果表明,提出的扩散模型较好地抑制了传统各向异性扩散模型出现的边缘模糊效应,在对图像去噪的同时保留了更多的边缘、纹理等细节信息。     

基于NSCT的自适应多聚焦图像融合算法

针对非降采样轮廓波变换（NSCT）具有多尺度、方向性和平移不变性等特点,为改善融合后图像模糊现象,提出了一种基于区域特性的非降采样轮廓波变换的多聚焦图像融合算法。该算法结合NSCT的特点,将图像进行NSCT,变换为不同方向的各子带信息;然后基于局部均值和局部方差选择低频子带系数,并在带通方向子带中引用局部方向对比度作为测量算子来选择带通方向子带系数;最后,通过反变换得到融合图像。实验结果表明,本算法融合效果优于传统的加权平均、小波变换及NSCT算法。     

基于形态Haar小波的SAR图像斑点噪声抑制方法

针对现有相干斑抑制算法不能在去除斑点噪声和保持图像边缘、细节信息之间做到很好的折中,提出了一种新的基于形态Haar小波变换的合成孔径雷达(SAR)图像斑点噪声抑制方法。该方法首先对SAR图像进行二维形态Haar小波分解,图像的边缘、细节和纹理信息在低频子带中得到了更好的保留,噪声主要分布在高频子带;然后,根据各高频子带噪声的特点,分别对高频子带进行均值和中值滤波达到去除斑点噪声的目的;最后,再对低频子带和处理后的高频子带进行形态Haar小波精确重构得到去斑图像。实验证明:该算法不仅大大改善了原始SAR图像的画面质量,同时很好地保持了原始SAR图像的纹理特性和细节信息;该算法去斑性能指标总体优于传统的Lee滤波、Frost滤波、Kuan滤波和小波软阈值法。     

基于NSST和RI-LPQ的纹理图像检索

针对采用单一方法提取图像特征时检索率不高的问题,结合非下采样剪切波变换(NSST)统计特征和旋转不变的局部相位量化(RI-LPQ)原理,提出一种纹理图像检索方法。非下采样剪切波不仅具有方向选择性及平移不变性,而且可以对图像进行有效的稀疏表示,与传统小波相比,可有效捕捉图像的边缘轮廓等纹理信息,与非下采样轮廓波相比,具有更高的计算效率。利用广义高斯分布函数对图像NSST高频子带系数的统计特征进行分析,RI-LPQ描述算子直接提取图像特征,采用具有权重系数的相似性测度公式对Brodatz图像库进行纹理图像检索。实验结果表明,与传统小波和轮廓波的方法相比,NSST统计特征方法的平均检索率分别提高4.77%和1.44%,纹理图像检索方法的平均检索率分别提高7.36%和1.98%。     

基于剪切波变换的纹理图像分类

二维可分离小波在纹理分析领域得到了成功的应用,但它只提取图像水平、垂直和对角方向的频率信息,其变换滤波器是各向同性的,不能很好地表达纹理的细节。利用剪切波变换优良的多尺度性、局域性和方向性,提出一种基于剪切波变换（Shearlet transform）的纹理分类算法。该方法先对纹理图像做剪切波变换,得到各尺度、方向子带的剪切系数,计算尺度间子带能量比,以尺度间能量比为权对各子带能量加权,以加权后的子带能量作为特征矢量,用K邻近分类器进行分类。实验结果表明该方法比基于小波的纹理分类方法更加有效。     

小波-轮廓波纹理图像检索系统

针对轮廓波检索系统检索率较低、检索速度较慢等问题,提出一种小波-轮廓波纹理图像检索系统。该系统在最细节尺度子空间采用轮廓波变换,而在其他子空间采用小波变换,以变换域子带系数的能量和标准偏差序列作为特征向量,Canberra距离为相似度标准。采用Brodatz纹理数据库中的109幅640×640的纹理图像为实验对象,比较了基于同样架构的轮廓波变换和小波-轮廓波纹理检索系统的性能。实验结果表明：后者具有较高的检索率、较快的检索速度和较少的特征向量数据库存储空间。     

融合圆对称轮廓波统计特征和LBP的纹理图像检索

圆对称轮廓波变换(CSCT)克服了轮廓波变换存在的频谱混淆现象,它比轮廓波变换的方向选择性更强.但由于CSCT中的方向滤波器组(DFB)有下抽样操作,CSCT不具有纹理分析所需要的平移不变性.文中用非抽样方向滤波器组(UDFB)代替CSCT中的DFB,构造了一种具有平移不变性的圆对称轮廓波变换(TICSCT).利用广义高斯分布描述TICSCT系数的边缘分布,图像之间的相似度用Kullback-Leibler距离(KLD)来度量.由于视觉感受明显不同的纹理图像可能具有相同的子带统计特性,边缘分布的KLD不是完备的纹理图像描述子.将KLD与其具有一定互补性的局部二值模式(LBP)相融合进行纹理图像检索,实验表明该算法比KLD,LBP和Gabor-Weighted-Euclid算法的平均检索率分别提高2.21%,4.02%和0.89%.     

基于颜色和轮廓平稳小波变换纹理分析的彩色图像检索

由于单一特征只能表达图像的部分内容,提出了一种新的彩色图像检索方法.该算法在提取颜色特征方面,首先将图像进行分块以获得空间分布信息,为了充分利用RGB颜色模型及HSV颜色模型的优点,分别在两种不同的颜色模型中提取相应的特征向量,将两种颜色空间中的特征向量结合在一起就形成本文的颜色特征向量,在纹理特征方面,结合小波变换及轮廓波变换的优点,将图像进行非下采样轮廓平稳小波变换(NWCT),然后分别计算各子带在各个方向上系数的均值与方差作为纹理特征向量,最后采用加权欧氏距离作为图像的相似度进行检索.实验结果表明,相对于其他检索方法,该方法平均检索精度有了一定的提高,取得了较好的检索结果.     

非下采样Contourlet变换的图像融合及评价*

分析和研究了非下采样Contourlet图像表示方法及其在图像变换中的优点,提出一种基于非下采样Contourlet变换的图像融合方法。首先将待融合源图像分解成不同尺度、多方向的频带;然后采取不同的融合方法对分解的高低频分量进行融合处理,低频系数采取局部能量优先的加权法融合,高频系数则采取局部梯度优先的加权法融合;最后将融合的各频带进行逆非下采样Contourlet变换得到融合图像。实验表明,在几种不同的客观评价标准下,该方法优于传统的小波域中的融合效果,能有效消除小波变换带来的光谱扭曲和假边缘现象。     

基于变换域的条带噪声去除方法

为解决线扫描图像中的条带噪声干扰问题,提出了傅里叶变换与小波分解相结合的变换域条带噪声去除方法。首先对图像进行多尺度小波分解,将包含条带噪声的小波子带与包含图像信息的小波子带分离;然后对含有条带噪声的小波子带进行傅里叶变换,并对变换系数进行带阻滤波以消除条带噪声。利用实际采集的带有条带噪声的棉花异性纤维图像进行仿真实验,结果表明:傅里叶变换与小波分解相结合的方法,去噪效果明显优于单独使用傅里叶变换或小波分解的方法,既能有效地去除图像中的条带噪声,又能较好地保持图像的细节信息。     

基于小波域边缘方向特征的SAR图象噪声抑制方法

给出了一种新的基于小波变换的合成孔径雷达 (SAR)图象斑点噪声抑制方法 .利用每一级小波分解得到的小波系数子带 HL和 L H,以及对原图进行水平方向旋转正负 4 5°扫描后得到的另外两个正交方向的小波系数子带 rc HL和 ra HL ,可以判断出对应点边缘方向性的强弱 ,通过设定方向性阈值 ,确定该点是否位于边缘上 ,进而对没有位于边缘的点进行平滑 ,达到保留图象边缘的同时 ,抑制斑点噪声的目的 .为解决对某些振荡型边缘的检测问题 ,还结合阈值法 ,对该方法做了改进 .实验表明 ,与小波域的硬阈值或软阈值去噪方法相比 ,此方法在有效地抑制斑点噪声的同时 ,更好地保留了 SAR图象中的边缘和纹理信息 .     

基于图像低频子带极大值映射的量化算法

针对图像压缩中的死区量化不能有效保留图像边缘信息的问题,提出了低频子带极大值映射量化算法.在图像经过小波变换后所形成的各级子带中,首先利用与低频子带系数呈映射关系的各级高频子带系数的均值确定低频子带中各系数的重要性.在量化过程中,高频子带系数采用JPEG2000中的死区量化步长进行量化,低频子带系数根据自身重要性自动更新量化步长,从而有效保留图像的边缘信息.提出的算法在量化步长更新时对低频系数的选择具有自适应性的优点,与传统的JPEG2000算法相比,所提算法能够加快优化截断的嵌入式分块编码(EBCOT)阶段Tier1的编码速度.实验结果表明,所得图像证明了此算法在保留图像的边缘信息方面具有一些优势,所提算法的峰值信噪比与传统的死区量化相比有约0.2 dB的提升.     

基于多方向àtrous小波变换的多传感器图像融合

分析和研究了非下采样方向滤波器组及具有平移不变性的àtrous小波变换的图像变换的优点,提出了一种基于多方向àtrous小波变换的图像融合方法。首先利用àtrous小波变换将待融合源图像分解成不同尺度,不同分辨率的高低频分量,再对高频分量利用非下采样方向滤波器组进行方向分解,然后采取不同的融合方法对分解的高低频分量进行融合处理,低频系数采取平均加权法融合,高频系数则采取局部梯度优先的加权法融合,最后将融合的各频带进行逆非下采样方向滤波器组变换和逆àtrous小波变换得到融合图像。实验表明,在几种不同的客观评价标准下,该方法优于传统小波域中的融合效果,能有效地消除小波变换所带来的光谱扭曲和假边缘现象。     

基于形态学膨胀操作的小波图像比率可分级编码研究

图像渐进传输、图像数据库浏览等多分辨率环境下的多媒体应用导致了图像比率可分级性编码算法的产生，比如嵌入式零树小波图像编码方法（EZW）．Servett等人给出了一种基于形态学方法的图像编码方法（MRWD），该方法根据图像小波分解后各子带中重要系数的聚类特性，利用数学形态学中的膨胀算子直接对各子带中的重要系数进行检测、提取和编码，取得了优于EZW的编码效果。然而，该方法还存在着一些值得改进的地方。该文在分析和改进MRWD方法的基础上，提出一种基于形态学方法的小波图像比率可分级编码的新方法，该方法的主要思想如下：（1）针对小波图像分解的不同层次子带，采用了不同的结构元素来实现各子带重要系数的膨胀操作；（2）对剩余空间的重要系数，根据其在不同分解层次上的分布情况，采用了直接提取和膨胀操作相结合的编码方法；（3）根据小波图像分解最低频子带的特殊性，对其进行了单独处理；（4）采用了逐次逼近的量化模式，使生成的嵌入式码流具有比率可分级的特性。该方法除了具有EZW方法的优点外，在一定程度上克服了MRWD方法的不足，取得了较好的效果。试验结果验证了方法的有效性。     

基于小波包变换的非局部均值去噪方法

在非局部均值滤波的基础上,为了更有效地去除图像噪声,提出一种基于小波包变换的非局部均值去噪算法。首先对图像进行小波包变换,通过小波域系数估计图像的高斯噪声参数,然后计算经小波包分解后高频子带内小波系数的相似度,并以此作为权值来对小波系数进行调整,最后通过小波包逆变换对图像进行重建。实验结果表明与传统的非局部均值去噪算法相比较,该算法能在去噪的同时有效地保持图像的边缘细节等信息,取得更好的去噪效果。     

Facial feature extraction using complex dual-tree wavelet transform

In this paper, we propose a novel method for facial feature extraction using the directional multiresolution decomposition offered by the complex wavelet transform. The dual-tree implementation of complex wavelet transform offered by Selesnick is used (DT-DWT(S)) [I.W., Selesnick, R.G. Baraniuk, N.C. Kingsbury, The dual-tree complex wavelet transform, IEEE Signal Processing Magazine, 6, s.l., IEEE, November 2005, vol. 22, pp. 123–151.]. In the dual-tree implementation, two parallel discrete wavelet transform (DWT) with different lowpass and highpass filters in different scales are used. The linear combination of subbands generated by two parallel DWT is used to generate 6 different directional subbands with complex coefficients. A test statistic, which is derived with absolute value of complex coefficient, whose distribution matches very closely with the directional information in the 6 subbands of the DT-DWT(S) is derived and used for detecting facial feature edges. The use of the complex wavelet transform is motivated by the fact that it helps eliminate the effects of non-uniform illumination, and the directional information provided by the different subbands makes it possible to detect edge features with different directionalities in the corresponding image. Edge information of facial area is enhanced using multiresolution structure of DT-DWT(S). The proposed method also employs an adaptive skin colour model instead of a predefined skin colour statistic. The model is developed with a unimodal Gaussian distribution using the skin region which is extracted excluding the detected edge map obtained from the DT-DWT(S). By combining the edge information obtained by using DT-DWT(S) and the non-skin areas obtained from the pixel statistics, the facial features are extracted. The algorithm is tested over the well known Carnegie Mellon University (CMU) and Marks Weber face databases. The average detection rate of the proposed method using DT-DWT(S) provides up to 9.6% improvement over the same method using discrete wavelet transform (DWT).     

基于小波阈值和全变分模型的图像去噪

针对小波阈值函数去噪不彻底并且造成图像边缘模糊的问题,提出一种自适应小波阈值和全变分模型相结合的去噪方法。利用小波变换的时频域特性将含噪图像分解得到各维度小波系数,对低频小波系数利用全变分模型去噪,对于高频系数根据不同分解尺度选择不同的最佳阈值去噪,克服了统一阈值的不足,增强了算法的自适应性。理论分析和仿真实验结果表明,所提方法兼顾了小波变换和全变分模型的去噪优点,在有效去除噪声的同时更完整地保留了图像的边缘和细节信息,有较高的结构相似度和峰值信噪比。