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。     

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.     

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。     

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。     

基于Ridgelet变换的多尺度去噪算法研究

给出了Ridgelet变换的理论,并提出了一种基于尺度因子与Ridgelet变换的图像去噪算法,将Ridgelet应用于图像去噪并与小波去噪进行比较。实验结果表明,该算法对高斯白噪声污染的图像去噪具有较好的效果,不仅可以提高处理图像的信噪比,而且图像的视觉效果有明显改善。     

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。     

一种新的彩色图像数字水印算法

数字水印是有关多媒体信息内容安全的一种技术.本文应用离散脊波变换(Discrete Ridgelet Transform),设计并实现了一种基于离散眷波变换和离散小波变换的图像水印算法,算法分别在彩色图像的离散小波变换域和离散眷波变换域嵌入彩色图像水印,可以抵抗噪声、JPEG压缩、改变亮度、改变对比度、改变颜色、lens blur、缩放、剪切和一些联合攻击.     

基于第二代Curvelet变换的彩色图像增强算法

针对小波变换对彩色图像增强算法诸多问题,提出基于第二代Curvelet变换的彩色图像增强算法,它克服了小波变换在表达彩色图像边缘的方向特性等方面的内在缺陷,更加适合分析二维图像中的曲线或直线状边缘特征。阐述了第二代Curvelet变换的基本原理,通过对512×512的Lena和Babon彩色图像仿真实验,实验结果表明算法对彩色图像具有很好的增强效果,提高了彩色图像的对比度,降低了噪声,同时也较好地保留了边缘信息,无论是从视觉效果还是从性能指标都优于小波和Ridgelet算法。     

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。     

基于混合小波变换的医学超声图像自适应去斑

针对小波去斑方法在医学超声图像抑斑上的不足,提出一种混合离散小波变换DWT(Discrete Wavelet Transform)和双树复小波变换DTCWT(Dual-tree Complex Wavelet Transform)进行阈值处理和变量收缩的医学超声图像自适应去斑算法。首先,在小波域,根据小波系数能量的特点,计算综合阈值实现图像预处理;然后,结合小波系数的尺度相关性,提出一种改进的三变量收缩函数,实现图像去斑。实验结果表明该方法较已有的经典方法更为有效,一般情况信噪比可提高0.6~2.6dB,图像边缘信息保持能力更突出。     

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,使小波理论和脊渡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.     

基于第二代Curvelet变换的自适应图像增强

Curvelet是继小波和Ridgelet之后一种新的图像多尺度表示方法,Curvelet具有多尺度,多方向的特性,属于高度各向异性的变换。第二代Curvelet变换克服了第一代Curvelet变换的高数据冗余度问题,特别是基于”Wrapping”方式的第二代离散Curvelet算法,不仅运算快速、几何真实,而且快速可逆。因此,将第二代Curvelet变换用于图像增强,并通过自适应地确定Curvelet分解子带的噪声水平,实现了一种自适应图像增强方法。实验结果表明,同基于小波变换的图像增强方法相比,该方法具有明显的优势。     

基于Finite Ridgelet变换的去噪算法研究

该文对Ridgelet变换以及FRIT(FiniteRidgeletTransform)变换作了介绍,并在此基础上提出了基于FRIT变换的平移不变去噪算法。实验证明该算法能有效地去除图像的高斯噪声,同时能很好地保留图像的细节信息。     

基于Contourlet特征修正的纹理图像识别算法

提出一种基于Contourlet特征修正的纹理识别算法,不同分辨率下采取不同的方法提取特征,根据统计规律对每个方向上的纹理特征进行修正增强,利用支持向量机进行识别,以提高纹理图像识别的准确性。实验证明,在受噪声干扰严重的情况下,该方法的识别正确率优于小波、小波包、Ridgelet等算法。     

基于第2代Curvelet变换的彩色图像去噪

提出基于第2代Curvelet变换的彩色图像去噪算法,克服小波变换在表达彩色图像边缘的方向特性等方面的内在缺陷。该算法适合分析二维彩色图像中的曲线或直线状边缘特征,且具有较高的逼近精度和稀疏表达能力。通过Matlab对512×512的Lena和Babon彩色图像进行仿真实验,结果表明,该算法在视觉效果和性能指标方面都优于小波和Ridgelet算法。