基于非下采样Contourlet变换的SAR图像增强

该文基于非下采样Contourlet变换(NSCT)和SAR图像的统计特性,提出一种SAR图像增强方法,给出一种基于非下采样塔型分解的斑点噪声方差估计算法和一种基于方向邻域模型的弱边缘增强算法。该文在不同方向子代进行斑点方差估计,利用局部方向统计信息对NSCT系数并进行强边缘、弱边缘和噪声分类并进行弱边缘的增强和噪声的抑制。实验结果表明,该方法在方向信息保留和斑点抑制上优于非下采样小波变换(NSWT)相应方法。     

基于非下采样Contourlet域高斯尺度混合模型的图像降噪

提出了一种图像去噪方法,将高斯尺度混合(GSM)模型引入非下采样Contourlet变换(NSCT)域,构造了基于NSCT分解系数的邻域模型,并利用Bayes最小均方(BLS)估计进行局部去噪。仿真实验结果表明,通过本文提出的方法能够有效去除高斯噪声,较完整地保持图像中的边缘等细节信息,在峰值信噪比(PSNR)提高与视觉效果上优于其它的去噪方法。实验结果验证了方法的正确性。     

基于高斯比例混合模型的图像非下采样Contourlet域去噪

为改善图像的去噪效果,该文提出了一种基于高斯比例混合模型的图像非下采样Contourlet域去噪算法。该算法首先建立非下采样Contourlet系数邻域的高斯比例混合模型,然后在模型基础上应用贝叶斯最小二乘法对系数进行估计,最后反变换得到恢复图像。算法结合了非下采样Contourlet变换对图像边缘的高效表示能力、非下采样变换的移不变性质以及GSM模型对非下采样Contourlet系数邻域相关性的概括能力。实验结果表明,该算法在视觉效果和峰值信噪比的改善上都取得了非常好的效果。     

基于非下采样Contourlet域局部高斯模型和MAP的SAR图像相干斑抑制

 对SAR图像应用非对数加性模型,通过研究SAR图像中同质区域在非下采样Contourlet域的分布特性,提出对非下采样Contourlet域中、与同质区域相对应的平稳区域的非对数加性噪声使用高斯分布建模。基于该模型,利用局部滑动窗口和对非对数加性噪声方差的自适应估计,在最大后验准则的基础之上求得真实信号的非下采样Contourlet系数。由于未对图像进行对数变换,本文算法很好地保持了原始图像的辐射特性,相干斑被有效地抑制,均匀区域很少有伪吉布斯效应,同时边缘纹理清晰。无论视觉效果还是客观评价指标本文算法都优于许多现存的抑斑算法。     

基于目标提取与NSCT的图像融合技术研究

针对红外图像目 标突出、背景对比度差、可见光图像分辨率高以及对热目标不敏感且隐蔽目标无法发现等问 题,本文 提出了一种能够突出两种图像的优势信息且不降低图像分辨率的图像融合方法。首先采用 Renyi熵提取红外目标,并通过非下采样Contourlet变换(NSCT)对可见光图像进行自适应增 强;然 后将图像增强后的可见光图像与目标图像进行融合,得到融合图像。通过对比,本文融合图 像的视觉 效果明显优于其他方法的融合图像。最后,采用多种指标进行评价。结果表明,基于目标提 取的图 像融合方法可以有效突出目标信息,提高图像的亮度和对比度,特别适于低能见度下的目标 检测与图像增强。     

基于非下采样Contourlet变换的图像融合算法

针对曲波变换图像融合的不足,提出了一种基于非下采样轮廓波变换（Non—subsampledContourletTransform,NSCT）图像融合方法。首先对已配准待融合图像进行NSCT分解;然后使用相应的融合规则对Contourlet域系数进行融合,得到融合图像的NSCT系数;最后经逆变换重构得到融合图像。通过对不同曝光度图像以及多聚焦图像进行融合实验,仿真结果表明该算法融合图像在主观视觉和客观评价指标上均取得良好效果。     

基于NSCT扩散的图像去噪增强方法

本文提出了一种基于非下采样Contourlet变换与非线性各向异性扩散的方法进行含噪图像的去噪和增强。首先对含噪图像进行非下采样Contourlet分解,对每个分解层的各个子带进行非线性收缩和拉伸,以达到抑制噪声和增强图像特征的目的。然后,对去噪增强后图像的Contourlet小系数进行空间域的非线性各向异性扩散,以去除由于进行非下采样Contourlet去噪所造成的为伪Gibbs现象和 side-band效应。实验结果表明,本文方法相比于无扩散的Wavelet和Contourlet方法相比,不仅对图像进行了去噪和增强,而且有效的抑制了伪Gibbs现象和 side-band效应。     

基于非下采样Contourlet变换的多传感器图像融合

根据非下采样Contourlet变换同时具有多尺度多分辨分析和平移不变性质的特点,提出一种基于非下采样Contourlet变换的多传感器图像融合方法,将其应用于多传感器图像融合的两个重要领域——多聚焦图像融合和高分辨、多光谱图像融合,从视觉效果和信息量指标方面对融合图像进行主观评判和数值评价.实验中将本文方法与Contourlet变换、小波变换、主成分分析等方法进行了比较,结果表明本文方法得到的融合结果具有更优的视觉质量和量化指标,能很好地将源图像的细节信息融合在一起,拓广了NSCT的应用范围.     

基于双变量模型和非下采样Contourlet变换的SAR图像相干斑抑制

该文根据非下采样Contourlet分解系数与其父系数之间的相关性,给出非高斯双变量分布模型,应用贝叶斯估值理论推导得到该模型相应的非线性双变量阈值函数。综合SAR图像非对数加性模型和双变量阈值函数,提出基于双变量模型的非下采样Contourlet变换域SAR图像相干斑抑制方法(SNSCTBI)。实验通过对幅度格式和强度格式的SAR图像做相干斑抑制,结果表明该文算法很好地保持了原始图像的辐射特性,有效抑制了同质区域的相干斑,同时边缘等纹理信息保持清晰。     

一种新的基于非下采样Contourlet变换的图像去噪方法

提出了一种新的结合非下采样Contourlet变换(NSCT)和高斯比例混合模型的图像去噪方法.采取的主要方法为:1)通过NSCT对图像进行分解;2)根据高斯比例混合模型建立图像模型;3)利用贝叶斯估计进行图像去噪.实验结果表明,相对于已有算法,本文方法降噪效果好,在去噪性能指标和边缘保持的主观视觉上都表现出优异的性能.     

一种基于非采样Contourlet变换红外图像与可见光图像融合算法

针对同一场景红外图像与可见光图像的融合问题,提出了一种基于非采样Contourlet变换(Nonsubsampled Contourlet Transform,NSCT)图像融合算法.算法首先采用NSCT对源图像进行多尺度、多方向分解,得到低频子带系数和各带通方向子带系数.然后,针对低频子带系数的选择,提出了一种基于红外图像与可见光图像物理特征的"加权平均"系数选择方案;针对各带通方向子带系数的选择,结合人眼视觉特性,提出了一种基于区域能量匹配的系数选择方案,得到融合图像的NSCT系数.最后经过NSCT逆变换得到融合图像.实验结果表明该算法可获得较理想的融合图像,其融合效果优于传统的基于离散小波变换以及离散小波框架变换的图像融合算法.     

基于NSCT域压缩感知模型的路面病害图像滤波算法

针对目前路面图像滤波算法复杂度高且难以耦合噪声抑制和信号平衡的缺点,提出一种基于非下采样Contourlet变换(NSCT)域压缩采样的滤波算法。首先,使用NSCT对含噪路面病害图像进行分解,得到变换后的低频子带系数和高频子带系数;然后,对高频子带系数建立压缩感知(CS)去噪模型,并采用伪随机傅里叶矩阵对系数进行观测,之后使用分裂Bregman迭代方法对系数进行重构,得到去噪模型重建后的高频子带系数;最后,采用逆NSCT对低频子带系数和高频子带系数进行重构,得到滤波后的图像。实验结果分析表明了本文算法的有效性。     

基于SWBCT和投影特征的遥感目标识别

方向信息提取与小样本问题是遥感目标识别与应用的瓶颈,基于平稳小波的Contourlet变换(Stationary Wavelet Based Contourlet Transform,简称SWBCT)与投影特征相结合,本文提出了一种新的遥感目标特征提取与识别方法.首先采用改进的Contourlet变换SWBCT对遥感图像进行分解,然后对分解子带进行方向投影并求投影向量的统计特性作为目标特征,进而利用K近邻分类器进行目标识别.与小波、Contourlet等代表性方法进行比较,实验结果与分析表明,该方法不仅具有较高的识别率,而且在小样本情况下,依然可以得到较好的结果.     

基于尺度间相关的非下采样Contourlet图像降噪算法

通过相关性强弱区分噪声与信号系数,并结合阈值方法,提出了一种非下采样Contourlet(NSCT)的尺度间相关的图像去噪新算法.实验表明,上述模型与原有的方法相比,不仅在去噪性能指标而且在边缘保持的主观视觉上都表现出了优异的性能.     

基于Contourlet变换和形态学的图像去噪方法

提出了一种Contourlet变换与数学形态算子相结合的红外图像去噪方法.充分利用Contourlet变换后系数的分布特性以及尺度内和尺度间的依赖性,结合数学形态算子的特点,利用数学形态算子对变换系数进行处理,使得重要变换系数与非重要变换系数分离,对非重要系数子集进行软阈值处理,然后再将两个子集合起来,进行逆变换重建.实验结果表明,与传统小波相比,该算法具有更好地去噪效果,同时更有效地保留了图像的细节信息.     

基于Contourlet变换的自适应图像去噪方法

综合考虑Contourlet变换后系数尺度内和尺度间的依赖性,提出了一种基于Contourlet变换的自适应去噪方法.与几种传统的小波去噪算法比较,它能够更有效地保留图像的细节和纹理,具有更好的视觉效果和较优的SNR值.     

基于平稳多小波变换的红外图像噪声抑制方法

提出了一种平稳多小波变换方法,该方法结合多小波和平稳小波变换在信号去噪方面的优点,给出了二维图像平稳多小波变换的mallat分解重构算法,并对红外图像的平稳多小波变换系数进行阚值处理实现图像去噪,仿真结果表明,相对于平稳标量小波变换和多小波的噪声抑制方法,此方法对噪声有更好的抑制作用,并尽可能多的保持目标的特征和细节．     

非子采样Contourlet变换系数统计建模及图像去噪应用

融合拉普拉斯分布及广义高斯分布模型对非子采样Contourlet变换(NSCT)系数进行了统计建模分析。研究发现,NSCT作为平移不变Contourlet变换,系数在不同尺度和方向上均存在较大冗余,在广义高斯分布性等方面需引入参数加以约束。根据建立的统计模型进行了医学图像去噪实验。结果表明,和Contourlet及NSCT软硬阈值去噪等比较,该建模方法提高了噪声估计精度,增加了峰值信噪比,改善了图像视觉效果。