脊波变换及其在图像处理中的应用

Ridgelet是继小波变换（Wavelet）后提出的一种新型的多尺度分析方法。对于图像中的直线状和超平面的奇异性问题，Ridgelet变换体现了比Wavelet变换更好的处理效果。文中给出了Ridgelet变换的概念及其实现算法，将Ridgelet应用于图像去噪，并和小波去噪加以比较说明其优越性。     

Ridgelet变换及其在图象降噪中的应用

1999年,Stanford大学的E.J.Candes和D.L.Donoho教授提出了信号的一种新的多尺度表示法—Ridgelet变换,它特别适合于具有直线或超平面奇性的二维信号的描述,而且具有较高的逼近精度。随后,M.N.Do和M.Vetterli针对特定大小的离散图象给出了正交有限Ridgelet变换-FiniteRidgeletTransform(FRIT)。该文将FRIT应用于图象降噪,为了说明FRIT的优越性,将Wavelet领域中的多种降噪方法扩展应用到Ridgelet领域。试验结果表明,FRIT比起Wavelet变换更适合描述具有直线边界的图象,而且降噪效果更为明显。     

Ridgelet变换在图像压缩中的应用

Ridgelet变换特别适合描述具有直线或超平面奇性的高维信号。本文将介绍有关Ridgelet变换的理论,并在此基础上提出一种新的基于正交有限Ridgelet变换（FRIT）的图像压缩方法一FRIT＋DWT。试验结果表明,FRIT＋DWT方法较传统Wavelet方法获得了更高的压缩比和更好的压缩效果。     

一种基于脊波变换的图像去噪方法

Ridgelet是继小波变换(Wavelet)后提出的一种新型的多尺度分析方法,它特别适合于具有直线或超平面奇异性的二维信号的描述,而且具有较高的逼近精度.利用脊波变换的方法,设计了一种基于脊波变换的改进的图像去噪算法,该算法采用指数型阈值函数,利用SureShrink自适应阈值.试验结果表明,该方法比起Wavelet全局硬、软阈值,Ridgelet全局硬、软阈值,具有明显的优越性.     

基于有限Ridgelet变换的图像去噪

Ridgelet变换是一种新的图像多尺度几何分析（MGA）方法,它能有效地对图像进行多尺度,多方向的描述。M．N．Do提出一种可逆的,正交化的,极好重建性的Ridgelet变换实现一有限Ridgelet变换（FRIT）。本文将有限Ridgelet变换应用到线状边界明显的图像去噪中,实验结果表明,它比小波去噪取得更好的效果。     

小波变换在图像处理中的应用

数字图像处理是将图像信号转换成数字信号,并利用计算机对其进行处理的过程。小波变换技术已广泛地应用于数字信号处理领域。对小波变换在数字图像处理技术中的应用进行了研究,并对以后的发展进行了展望。     

一种新的脊波变换方法

小波变换适用于表示具有各向同性奇异性对象的局部特性,脊波变换适用于表示具有各向异性奇异性对象的局部特性,但是各自对于对方所适用的局部特性的应用效果却不明显.提出了一种新的对脊波理论加以改进的多分辨分析方法——拟脊波多分辨分析方法.该方法统一了小波理论和脊波理论,使小波理论和脊波理论成为该方法的两种特殊情形.同时它具有对各向同性和异性的奇异性对象的辨识能力.通过实验比较表明,该方法对小波理论和脊波理论优点的组合、缺点的规避相当明显,在图像去噪应用中具有更强的灵活性.     

Ridgelet变换在图像边缘提取中的应用

本文介绍了Ridgelet变换理论,利用Ridgelet变换的多方向性,提出一种基于正交有限Ridgelet变换的图像边缘提取方法,并将本文方法与传统的边缘提取方法进行了比较。实验表明,有限脊波变换有更好的边缘提取效果。     

基于有限Radon变换的图像纹理方向的检测

纹理方向检测是图像处理中经常遇到的问题,其检测效果直接影响到模式识别.基于有Radon变换的方法和特点,给出了一种新的具有直线特征纹理方向的检测方法.实验证明该方法是行之有效.     

基于Finite Ridgelet变换的图像线性特征提取

线性特征是图像的一种重要局部特征,它常常决定图像中目标的形状。线性特征的提取在图像匹配、目标描述与识别以及运动估计、目标跟踪等领域具有十分重要的意义。常用的线性特征检测方法有Radon变换和Hough变换,但检测曲线复杂度会很高。本文提出一种多尺度几何分析的线性特征检测方法,该方法以finite ridgelet理论为基础,结合正交小波变换对线性特征进行提取。Finite ridgelet变换对于含有直线奇异的多变量函数具有良好的逼近特性,能够获得连续空间函数的稀疏表达,同时具有区域平滑性、很好的可逆性和去冗余性。实验结果表明,本方法即使在背景复杂的环境下也具有良好的检测效果。     

基于二进脊波变换的图像去噪

二进小波变换在每次分解时不进行下采样,与小波级数相比,它是冗余的,且二进小波变换的部分系数扰动不会带来重构信号的严重失真。在相同的误判概率下,基于二进小波变换的信号去噪效果会好于基于小波级数变换的信号去噪效果。基于这个思想,该文提出了一种基于二进脊波变换的图像去噪算法。实验结果证明,与小波级数相比,该算法具有更好的去噪效果。     

动态真实感自然景物图象的生成模型

提出了一种计算机图象生成模型，利用预测加伪随机噪声的方法实现几何造型及模拟光学模型，生成了可控宏观结构且具有丰富微观结构的真实感自然景物图象，例如云、水域、草地及山体等。该模型的特点是运算量少，几何造型与光照计算均可同一模型产生，简化了仿真过程。     

脊波域的图像数字水印算法研究

提出一种将混沌置乱加密后的水印信息嵌入到图像脊波变换域的算法。将图像分块后进行有限脊波变换,选择出图像纹理块的脊波域最大能量方向上的系数嵌入水印,水印提取只需要记录嵌入位置序列即可。实验结果表明,算法对噪声、压缩、不规则剪切、对比度等攻击有较强的鲁棒性。     

数字脊波变换的实现与一种改进方法

脊波变换作为一种新的连续空间中函数的多尺度表示方法,其离散变换形式仍然有许多问题有待解决.目前大多将离散脊波变换形式看做Radon变换与小波变换的复合变换形式,进而对其分步进行处理.利用计算机图形学中的Bresenham算法思想,使得在实现Radon变换的过程中提高了变换的效率.与先前的最近邻方法相比,快速准确,并可完全重构.数值实验显示,与Z\\+2\\-p方法实现的脊波变换相比较,利用此方法生成的图像重构、压缩、去噪效果都有显著提高,为进一步的研究工作奠定了基础.     

改进的脊波变换图像半软阈值降噪方法

脊波变换是一种源于小波又高于小波的多尺度几何分析方法,应用于图像中.借鉴小波去噪的思想提出一种新的图像去噪方法,采用基于Bayesian估计的自适应阈值和半软阈值技术进行去噪,针对脊渡变换所产生的轻微的"划痕",引入平移不变的方法消除这种条纹干扰.实验结果表明,该方法较好地处理了图像细节和边沿保留与噪声抑制的矛盾,是一种有效的去噪方法.