基于Ridgelet变换的图像融合

文章介绍了小波变换和脊波变换在表达信号特征上的区别、脊波变换的实现方式,讨论了基于脊波变换的图像融合思想。通过一系列图像融合实验,研究了脊波变换中图像子块的大小对融合图像的质量的影响,重点说明了脊波变换在保持融合图像的空间细节信息上的能力。     

子波变换在信号奇异性分析中的应用

信号时频分析对电子战侦察有重要意义。子波变换被认为对此有极大价值。对于波变换及其应用展开讨论。着重论述了子波变换的起源背景、子波变换是否无所不能和单尺度哈尔(Haar)子波平移变换检测信号瞬时频率，并对用于波变换脊分析无线电信号的方法所存在的局限性进行简要讨论。     

基于复合脊波变换的图像去噪

脊波变换是在小波变换的基础上提出的多尺度分析方法,对于图像中直线状和超平面的奇异性问题,脊波变换比小波变换有更好的处理效果。应用数字复合脊波变换去除嵌入在图像中的白噪声,并使用一个简单的复合脊波系数的硬阈值来实现。实验结果表明,这种算法比VisuShrink算法、普通脊波算法和Wiener 2滤波器图像去噪的去噪效果更好,同时复合脊波算法也能应用于图像去噪和模式识别特征提取。     

基于改进脊波变换的红外视频图像高质量复原

为了实现红外视频降质图像高质量复原,采用一种基于改进脊波变换的图像复原算法来进行处理。该算法首先对降质图像进行改进脊波变换,然后提出一种具有加权改进自适应伪中值滤波算法对脊波系数进行处理,最后针对滤波后图像中时常出现的"环绕"现象,引入自适应Wiener滤波算法来抑制。进行了理论分析和实验验证,取得了相关模拟降质图像、真实降质图像以及峰值信噪比的测试数据。结果表明,该算法性能优于伪中值滤波以及两类脊波变换去噪算法。这对于实现红外视频降质图像复原研究是有帮助的。     

基于分块DRT的SAR图像线性特征检测

传统的线性检测算法对于弱线性和噪声往往效果不佳,其原因是没有充分利用到象素点之间的潜在线性关系。从脊波(Ridgelet)分析出发,提出了一种基于分块离散脊波变换的SAR图像线性特征提取算法。这样首先对SAR图像进行分块离散脊波变换,在变换域进行阈值选取。这样既可以精确定位线性特征,还可以获得线性特征的斜率。仿真试验表明该方法对线性特征比较明显的SAR图像非常有效。     

一种基于脊波域的盲检数字水印算法

本文提出了一种脊波域的水印嵌入和盲检测算法.脊波变换(ridgelet transform,RT)具有方向敏感性和各向异性的特点,它可获得具有直线特征的图像的稀疏表示.对这类图像进行多尺度脊波变换后,其中最重要的脊波系数代表了图像能量最集中方向的特征,即沿着图像的边缘方向的特征.对一般含有曲线边缘或纹理的图像,可将图像分成小块,将曲线近似作直线处理.然后,对每个小块进行多尺度脊波变换,选择出脊波系数能量大于某个阈值的方向,并在该方向的中频脊波带嵌入水印.实验证明,水印使用该嵌入方法具有很强的鲁棒性和透明性.     

基于脊波变换的图像压缩算法

自然图像包括大量的具有明显“直线边缘”的图像,而且边缘表示了图像的主要信息。利用脊波对“直线奇异”的良好刻画,针对具有直线特征的图像,设计基于脊波变换的有损压缩算法。首先对图像进行脊波变换,然后对变换系数进行标量量化、扫描、游程编码和熵编码。仿真实验表明,与基于小波变换的JPEG 2000压缩算法相比,该算法能获得更高的压缩率,同时保持较高的信噪比。     

基于小波和脊波变换的探地雷达信号杂波抑制

针对如何有效去除探地雷达信号的干扰噪声问题,提出了一种基于小波和脊波变换的杂波抑制方法。小波能有效地描述图像的点奇异性,而脊波能有效地描述图像的线奇异性。首先结合小波和脊波的特点,对探地雷达回波信号进行自适应阈值去噪,然后利用脊波的方向敏感性在脊波域去除直达波信号,最终通过处理实际探底雷达数据,验证算法的有效性。     

基于图像内容的脊波变换域数字水印模型和算法研究

在研究人类视觉(HVS)特性的基础上提出了一种在脊波变换域基于图像内容的数字水印模型。在此模型中,嵌入数字水印的强度归结于数字图像脊波系数的视觉掩盖效应,文中建立了脊波变换域人眼临界可见误差模型。图像的水印检测被归结为Neymann-PeaLrson准则下的统计模型,该模型被用来估算水印检测的最优阈值。作为算例,将临界可见误差模型结合扩展谱技术,提出了一种新颖的图像自适应水印算法,并给出了相应的实验结果。实验表明算法性能大幅度提高。     

图像处理的一种有限脊波自适应方法

有限脊波变换方法是脊波变换的一种数字化实现方法,其核心是有限Radon变换的实现.本文针对有限Radon变换中每一斜率投影的排序问题,利用Besov空间光滑模理论,在时域构造了一种光滑性判别函数,以判别函数值最小的序作为最优序,从而给出了一种新的自适应排序算法.用该算法对图像进行压缩和去噪,得到了很好的效果.     

紧缩能量分层有限Ridgelet图像去噪新方法

有限Ridgelet变换是一种为了克服Wavelet在高维信号处理中的不足而提出的图像处理新方法。通过Radon变换将图像边缘奇异性转变为点奇异性,再利用Wavelet变换针对点奇异性进行处理。根据图像经Radon变换后能量分布紧缩集中,该文提出一种新的Ridgelet改进算法,该算法在图像Ridgelet变换过程中,按能量高低分为两种能量系数矩阵再分别进行降噪处理,并在融合重构以后,再次利用Wavelet变换提取低能量图像中的细节信息并将之融合,二次加强图像细节。使得输出信噪比及图像细节保持上得到大幅度提高。仿真试验表明在受噪声干扰严重情况下,该方法的输出信噪比及视觉效果均优于其他算法。     

全变差数字滤波器与Ridgelet变换相结合的图像去噪方法

针对Gurvelet变换采用的金字塔分解对图像细节表现的不足,我们提出利用全变差数字滤波器提取图像细节,然后对其采用基于分数阶傅立叶变换和投影－切片定理的Ridgelet变换,在变换域中由极小化极大误差准则进行阈值估计并对变换域系数进行阈值处理,以实现图像去噪.与金字塔分解相比,全变差数字滤波器能够简化图像分解并得到包含几乎所有细节的单幅图像,从而更有利于在Ridgelet域中进行降噪处理.实验结果表明,相对于Ridgelet和Curvelet变换的去噪方法,本文方法在抑制噪声的同时具有更有效的边缘保护能力,同时消除了边缘处的振荡,并且相对于Curvelet变换节省了计算.     

一种基于改进脊波变换的激光图像滤波算法

针对激光图像中的斑点噪声,提出了一种基于改进脊波变换的滤波算法.该算法首先对含有噪声的激光图像进行二维连续脊波变换,获得高频和低频分解系数;然后根据高频系数中噪声分布特征设计出一种能够根据脊波分解层数的变化而自适应调整的阈值函数模型;提出一种修正硬阈值函数对于低频脊波分解系数进行处理;最后进行系数重构.采用自适应维纳滤波对重构图像出现的“卷绕”现象进行处理.仿真结果表明,该滤波算法对于激光图像中的斑点噪声的抑制效果优于经典中值滤波(MF)、自适应中值滤波(AMF),对于激光图像处理具有一定的参考价值.     

Image Denoising by the Curvelet Transform for Doppler Frequency Extraction

In Doppler radar scoring systems,the echo can be represented as a gray image by time-frequency transform, so Doppler frequency extraction becomes curve detection in the image-view. In order to improve the performance of curve detection in low signal-noise-ratio environment, this paper proposes an image denoising method based on curvelet transform. Firstly, the gray image is divided into a nolse-image and a signal-linage by region partition. The noise-image is used to estimate the noise level of the signal-image in curvelet domain. And the signal- image is denoised in curvelet domain with processes as signal judgment, orientation detection and soft-threshold detection block by block. Inside each block~ signal judgment is used to check true signal,orientation detection is used to determine the direction and soft-threshold detection is used to filter the curvelet coefficients. The experimental results show the efficiency of the proposed method.     

3-D discrete analytical ridgelet transform.

In this paper, we propose an implementation of the 3-D Ridgelet transform: the 3-D discrete analytical Ridgelet transform (3-D DART). This transform uses the Fourier strategy for the computation of the associated 3-D discrete Radon transform. The innovative step is the definition of a discrete 3-D transform with the discrete analytical geometry theory by the construction of 3-D discrete analytical lines in the Fourier domain. We propose two types of 3-D discrete lines: 3-D discrete radial lines going through the origin defined from their orthogonal projections and 3-D planes covered with 2-D discrete line segments. These discrete analytical lines have a parameter called arithmetical thickness, allowing us to define a 3-D DART adapted to a specific application. Indeed, the 3-D DART representation is not orthogonal, It is associated with a flexible redundancy factor. The 3-D DART has a very simple forward/inverse algorithm that provides an exact reconstruction without any iterative method. In order to illustrate the potentiality of this new discrete transform, we apply the 3-D DART and its extension to the Local-DART (with smooth windowing) to the denoising of 3-D image and color video. These experimental results show that the simple thresholding of the 3-D DART coefficients is efficient.     

小波变换在数字图像处理中的应用

小波变换在数字图像处理中的应用是小波变换典型的应用之一。由信号分析中傅里叶变换的不足引出小波变换,然后简单介绍了小波变换的定义和种类,分析了小波变换的性质和Mallat算法,总结了小波变换在数字图像处理中的四种应用：基于小波变换的图像压缩、图像去噪、图像增强和图像融合,分析了四种应用的过程及特点,同时进行了相应的Matlab试验与仿真。试验结果表明,小波变换在数字图像处理中的应用切实可行、简单方便、效果好、有很强的实用价值,有较好的应用前景。     

信号的时频分析理论与应用评述

由傅里叶变换在刻划信号的时间信息和频率信息上的矛盾引出了时频联合分析的思想,在详细介绍了短时傅里叶变换、小波变换、魏格纳威利分布和希尔伯特黄变换这4种典型时频分析方法的基础上,对他们的时频局部性能进行了分析和比较,指出了这些分析方法的优势和存在的问题。最后简要介绍了上面4种典型时频分析方法各自的应用领域。     

一种基于角度的正交FRIT变换及其在图像去噪中的应用

M.N.Do和M.Vetterli提出的Finite Ridgelet Transform(FRIT)因其对线奇异特征的高效表示能力而被广泛应用,但其在图像压缩、去噪的处理中却受到"环绕"现象的严重影响.本文在揭示"环绕"现象和FRAT域系数关系的基础上,提出一种基于角度的正交FRIT变换方案(Angle-based FRIT,AFRIT).该方案具有更好的能量集中特性,并有效地降低了"环绕"现象.进一步,对正交FRIT去噪问题建模,并提出了一种基于AFRIT的改进阈值.不同噪声水平下各种图像的去噪实验结果表明,采用改进阈值的AFRIT同现在常用的FRIT去噪方法相比,具有明显的优越性.     

小波变换在红外图象处理中的应用

小波变换近年来在图象处理中的应用日益受到人们的关注。小波变换可能同时在时间（或空间）和频率域对信号进行分析，是多分辨率分析的有力工具。本文介绍了小波变换在红外图象处理中的应用，例如红外／可见光图象的配准与融合，红外图象增强，红外图像中的微弱目标探测等。