光照不变量特征提取新方法及其在目标识别中的应用

针对LNSCT光照不变量提取方法因舍弃低频分量而丢失目标轮廓信息的问题,本文提出了一种新的光照不变量提取方法MLNCST.新方法首先用NSCT将对数域的输入图像进行第一重多尺度分解,实现低频分量和高频分量的分离;其次对高频子带系数进行BayesShrink阈值滤波,低频分量做逆NSCT得到其特征图像;然后对特征图像进行第二重NSCT分解,并对分解后的高频子带阈值滤波以及低频分量逆NSCT;经多重NSCT分解,最后由多次分解后的高频子带系数集提取光照不变量特征.经进一步研究光照不变量特征与原始图像之间的关系,设计了并行同步卷积神经网络-Dual Lenet,通过融合两者的高层特征来提高地面目标识别的准确率.实验结果显示,在Lenet模型下,MLNSCT比LNSCT具有更高的分类准确率,并且随着分解重数的增加分类准确率更高;同时融合了光照不变量特征的Dual lenet能进一步提高地面目标识别准确率.     

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Guide滤波和NSCT-PCNN的图像增强

针对图像不均匀的特点,提出了基于Guide滤波和非下采样Contourlet变换（ NSCT）和脉冲耦合神经网络（ PNCC）的图像增强方法。首先,采用直方图均衡化和中值滤波分别对图像进行了预处理;其次,采用NSCT?PCNN对预处理后的图像分别进行分解,提取出高频子带系数和低频子带系数;然后,Guide滤波对高频子带系数和低频子带系数进行处理;最后通过对所有子带系数进行NSCT逆变换,得到增强后的图像。实验结果表明该算法优于其他方法,有更好的图像增强效果和视觉效果。     

基于分数阶微分的噪声图像NSCT域边缘检测

针对噪声图像边缘模糊、边缘检测困难的问题,提出了一种结合分数阶微分的噪声图像非下采样contourlet变换(NSCT)域边缘检测方法.该方法首先对图像进行NSCT分解,对低频子带的轮廓进行针对性提取;其次对于边缘细节和噪声较多的各方向高频子带,利用NSCT域的多尺度积和方向分数阶微分矩阵对高频系数进行阈值去噪与信息增...     

结合分数阶微分及Retinex的NSCT自适应低照度图像增强

针对低照度图像存在亮度低、对比度低、边缘模糊等问题,首先将低照度图像NSCT多尺度分解,获得低频子带图像和高频子带系数;接着将低频图像采用多尺度Retinex提升图像亮度,借助非线性的双边滤波函数估计其照度分量,利用Gamma校正函数对照度分量进行校正,提高图像的动态范围,利用影响因子校正反射分量,丰富其层次性,对图像的整体轮廓进行增强;然后将高频部分用Bayes阈值隔离噪声,利用自适应分数阶微分对图像的边缘、纹理等细节进行增强;最后对处理后的图像进行NSCT重构。实验结果表明,本文算法的对比度、清晰度及信息熵与现有增强方法相比,平均提高了10.7%、9.8%、2.3%。增强后的图像在细节、边缘保持等方面也优于现有算法,改善了图像整体的视觉效果。     

基于稀疏表示和NSCT-PCNN的红外与可见光图像融合

针对小波变换容易造成细节信息丢失、非下采样轮廓波变换(NSCT)分解的低频子带系数不稀疏以及红外与可见光图像融合结果综合性能不佳的问题,提出了一种基于稀疏表示和NSCT-PCNN的红外与可见光图像融合算法。首先将源图像进行NSCT分解,获得低、高频子带;其次,利用K奇异值分解(K-SVD)算法对低频子带进行字典训练,实现低频子带的稀疏表示和低频稀疏系数的融合;然后,利用高频子带的空间频率激励脉冲耦合神经网络(PCNN),选择较大点火次数的系数作为高频子带的融合系数;最后对低、高频子带融合系数进行NSCT逆变换,得到融合的图像。实验结果表明,该算法在视觉效果和客观指标方面均具有较大优势,且融合结果综合性能优于现有算法。     

一种新的基于多尺度几何分析的图像融合方法

基于多尺度几何分析方法——非下采样轮廓波(Con tourlet)变换(NSCT)和Beamlet变 换,提出一种全新的医学图像融合方法。在进行NSCT分解后,在高频成分首先使用Beamlet 变换进行边缘检测, 然后根据聚类分割边缘密度的差值确定其系数的融合规则;对于低频成分,采用局部区域标 准方差系数的融合规则;经过 一致性校正后,通过对融合后的高频与低频子带系数进行逆NSCT得到重构图像。数值实验表 明,与传统的融合方法相 比较,本文方法能够有效减少噪声对融合图像的干扰,增强了融合的线性细节表达能力,提 高了信息量。     

一种快速的基于稀疏表示和非下采样轮廓波变换的图像融合算法

为了提高图像融合的效率和质量,该文提出一种基于快速非下采样轮廓波变换(NSCT)和4方向稀疏表示的图像融合算法。该方法首先对源图像进行快速NSCT分解,生成一系列低通和高通子带。对于低频子带,利用自适应生成的DCT过完备字典进行快速的4方向稀疏表示和系数融合;对于高频子带,则利用高斯加权区域能量最大的融合规则进行系数融合。快速NSCT将传统NSCT的树形滤波结构转变为多通道滤波结构,能成倍提高分解效率;快速的稀疏融合则抛弃了传统的滑动窗口方法,以水平、垂直、对角线4个方向进行稀疏表示和稀疏融合,进一步提高算法效率。实验结果表明,提出的快速算法能在不影响融合质量的条件下将算法效率提高近20倍。     

基于NSCT的SAR与可见光图像融合算法

针对SAR图像与可见光图像融合的特点,提出一种基于非下采样Contourlet变换(NSCT)的SAR图像与可见光图像融合算法。通过NSCT变换对SAR图像和可见光源图像进行分解,对低频子图像,采用以区域熵为测度参数进行邻域融合。对高频子图像的最高层采用区域标准差选大法进行融合;对高频子图像的其他层采用以邻域相关系数为阈值,基于平均梯度选择的邻域算法进行融合。最后进行NSCT逆变换得到最终融合图像。实验结果表明该方法可以获得较理想的融合图像和更多的细节信息。     

基于NSCT和混合粒子群算法的红外与可见光图像融合

针对红外与可见光图像融合的特点,提出一种基于非下采样Contourlet变换(NSCT)和混合粒子群算法的红外与可见光图像融合算法。通过NSCT变换对红外图像和可见光源图像进行分解,对低频子图像,采用一种基于区域平均值改进的加权平均法进行邻域融合,对高频子图像的最高层采用区域标准差选大法进行融合;对高频子图像的其他层采用以混合粒子群优化算法选取阈值,基于平均梯度选择的邻域算法进行融合。最后进行NSCT逆变换得到融合图像。实验结果表明该方法可以获得融合效果更佳的融合图像。     

基于非下采样Contourlet变换的光照不变量提取算法

人脸识别作为一种非接触式、友好的生物特征识别技术,在军事、公安、经济等领域具有广阔的应用前景。近年来,人脸识别技术取得了很大进展,涌现出许多优秀的人脸识别方法,许多人脸识别系统表现优异。但是,人脸识别仍是一个没有彻底解决的难题,光照变化是其中关键问题之一。2006年FRVT测试结果表明光照变化会严重影响自动人脸识别系统的识别性能。为了消除光照变化对人脸识别的影响,提出了一种基于非下采样Contourlet变换的光照不变量提取算法。首先,对图像进行光照归一化,预先减弱光照变化对人脸识别的影响;其次,进行对数变换和非下采样Contourlet变换,得到低频分量和高频方向子带分量;再次,低频分量进行直方图均衡化以进一步减弱光照的影响,高频分量进行自适应NormalShrink阈值去噪处理;最后利用处理后的低频和高频方向子带分量进行逆非下采样Contourlet变换,提取到光照不变量,作为后续的识别依据。为验证算法性能,本文在Yale B 和CMU PIE 人脸库上做了对比实验,结果表明:本文方法提取的光照不变量具有较强的鲁棒性,能够大大提高任意光照情形下的人脸识别率。      

Local appearance based face recognition method using block based steerable pyramid transform

In this paper, an efficient local appearance feature extraction method based on Steerable Pyramid (S-P) wavelet transform is proposed for face recognition. Local information is extracted by computing the statistics of each sub-block obtained by dividing S-P sub-bands. The obtained local features of each sub-band are combined at the feature and decision level to enhance face recognition performance. The purpose of this paper is to explore the usefulness of S-P as feature extraction method for face recognition. The proposed approach is compared with some related feature extraction methods such as principal component analysis (PCA), as well as linear discriminant analysis LDA and boosted LDA. Different multi-resolution transforms, wavelet (DWT), gabor, curvelet and contourlet, are also compared against the block-based S-P method. Experimental results on ORL, Yale, Essex and FERET face databases convince us that the proposed method provides a better representation of the class information, and obtains much higher recognition accuracies in real-world situations including changes in pose, expression and illumination.     

复杂光照下的视频人脸检测与识别的研究

为了解决复杂光照下的视频人脸检测与识别率受影响的问题,提出了一种光照不变的人脸检测与识别方法.该方法基于Retinex理论,提取光照不变分量,然后用于训练AdaBoost分类器;对输入的视频序列也进行相同的光照预处理,然后用训练的AdaBoost分类器进行人脸检测;把检测到的光照不变人脸图像采用分块加权LBP进行特征提取,采用欧氏距离与最近邻分类器进行分类.实验结果表明:该方法能有效提高视频人脸检测率与人脸识别率,而且对于人脸检测与识别只需要一次光照处理,具有更高的效率.     

基于稀疏表示的人脸识别鲁棒性研究

针对人脸识别算法对光照变化敏感的问题,提出一种基于光照鲁棒稀疏表示的人脸识别方法。该方法对图像作小波变换,得到光照归一化图像,通过对光照归一化后人脸图像作稀疏变换,稀疏表示分类得出测试识别结果。本文方法在Yale B人脸库上仿真实验,识别率较高,对光照、表情、遮挡具有一定的鲁棒性。     

基于Log-WT的人脸图像超分辨率重建

目前已有的基于学习的人脸超分辨率图像重建算法大都对亮度变化特别是阴影非常敏感,针对这一缺点,该文提出了一种不随光照变化的图像表示方法对数-小波变换(Log-WT),并在此基础上构造了一种新的人脸超分辨率图像重建算法。该方法首先利用Log-WT变换提取低分辨率图像与光照无关的内在特性,然后借助流形学习的思想建模高分辨率图像和低分辨率图像之间的关系,并对其加入人脸图像的专用先验约束,从而同时实现了超分辨率重建和图像增强。仿真结果表明该算法有效克服了传统方法受光照因素影响的缺点,在提高图像分辨率的同时克服了光照因素的影响,特别是对阴影效应的消除具有明显效果,将该方法应用于人脸识别,有效提高了识别率。     

基于NSCT及熵的旋转不变彩色图像检索算法

为了解决图像在转载过程中所产生的旋转变化和尺 度变化对检索的影响,根据熵的对称性,提出了基于NSCT及熵的旋转不变图像检索算法。首 先,利用非下采样轮廓波变换(NSCT)对图像进行多尺度、多方向分解,对不同尺度、同方 向的高频方向子带求多尺度积,以减小尺度变 化和噪声对检索效率的影响;然后,考虑到图像旋转后各方向子带在整幅图像中的能量比例 不会发生变化, 将各方向子带的能量比例作为概率矢量,各方向子带的粗糙度作为权值求取图像的加权信息 熵,作为具 有旋转不变性的图像纹理特征,利用矩提取图像的颜色和形状特征;最后,归一化3种特征 来比较两幅图 像的相似性。性能测试表明,本文所提出的方法对旋转变换鲁棒性强,且具有很高的查准率 和查全率。     

基于四阶相关系数的NSCT域红外与可见光图像融合

采用非下采样Contourlet变换(NSCT)模型提出了基于四阶相关系数的红外与可见光图像融合方法。首先对融合图像进行多尺度和多方向分解;对于低频分量,充分考虑红外和可见光图像物理特性的差异,采用基于区域平均梯度的融合策略;对高频分量采用四阶相关系数匹配策略来选择合适的高频系数;最后对融合后的系数进行NSCT逆变换得到融合图像。实验结果表明,该融合算法能更好地保留目标信息,同时也显著地提高了图像的信息量,在主观视觉效果和客观评价方面具有较好的融合性能。     

融合CDI和LBP的人脸特征提取与识别算法

针对光照、姿态和表情对人脸识别率造成严重影响的问题,提出了结合笛卡儿微分不变量(CDI,cartesian differential invariant)和LBP(local binary patterns)的人脸特征抽取与识别算法。首先,利用高斯微分算子抽取人脸图像的微分结构,组合这些微分结构得到一个不可约简的笛卡儿CDI集。其次,对CDI集中每个分量分别计算其LBP特征,并将所有分量的LBP特征连接起来以得到人脸图像的特征。最后,运用所抽取出的人脸局部描述特征和支持向量机(SVM)分类器完成人脸图像分类与识别。试验分析表明,基于CDI的LBP特征对人脸位置、姿态、光照和表情的变化具有较高的不变性。该算法在ORL和Yale人脸库中分别取得了98.5%和98.89%的识别率。     

采用NSCT与FCM相结合的SAR和多光谱图像融合算法

合成孔径雷达（SAR）和多光谱（MS）图像的融合,有助于得到对观察对象的更好地视觉感知。但是,由于其内在成像机制上的差异,许多经典的方法已被证明不适合这一研究,因此本文提出了采用非下采样contourlet变换（NSCT）和模糊C均值聚类（FCM）相结合的图像融合算法。采用FCM对SAR图像进行分割,得到目标区域和背景区域;采用NSCT对SAR图像和多光谱图像进行分解,得到低频子带和高频方向子带;对于低频部分,不同分割区域采用不同的自适应融合准则进行融合;对于高频部分,采用区域块能量准则进行融合;最后,通过NSCT逆变换得到融合后图像。实验结果表明,该算法的融合图像能很好的保留SAR图像的目标信息和多光谱图像的光谱信息,融合效果优于大部分传统的融合算法。