基于块结构稀疏度的自适应图像修复算法

现有基于稀疏性的图像修复算法采用固定大小的待填充块和邻域一致性约束,且在全局搜索待填充块的最优匹配块,既降低了待修复区域的结构连贯性和纹理清晰性,又增加了算法的时间复杂度.针对上述问题,根据破损区域特性和块结构稀疏度间的关系,提出基于块结构稀疏度的自适应图像修复算法.根据最大优先权值点的块结构稀疏度值,设定不同参数以自适应选取待填充块大小、邻域一致性约束权重系数和局部搜索区域大小,并通过仿真实验分析讨论了各参数选取.实验结果表明本文算法较文献算法在峰值信噪比上提高0.3dB ～ 1.2dB,并且提高算法速度3～7倍.     

基于Curvelet的纹理方向自适应图像插值

为提高纹理复杂图像的插值放大质量,提出一种纹理方向自适应的图像插值算法。首先利用Curvelet变换提取图像的4个方向因子矩阵,然后对不同类插值点选择相应的2个方向因子构造权重系数进行线性插值,从而自适应地重建各类待插值点。分析比较了本文与现有插值算法对平滑与纹理复杂区域的插值重建质量。实验结果表明,本文算法能有效抑制传统插值方法重建图像时出现的边缘模糊和锯齿现象,重构的图像效果优于传统方法,纹理丰富图像的重构质量可提高2dB以上。     

基于Curvelet变换的图像融合改进算法

针对红外与可见光图像的融合,提出了基于二代Curvelet变换的图像融合改进算法。首先对两幅源图像进行Curvelet变换,得到其在不同尺度和方向下的变换系数。对于低频系数,根据红外与可见光图像的不同成像特点,采用基于局部统计特性的自适应融合策略;对于不同尺度和方向下的高频系数,采用基于局部区域能量匹配的系数选择方案。最后进行Curvelet逆变换得到融合图像。通过实验结果的对比分析,该算法可以更有效地反映源图像中的特征,融合效果有了明显改善。     

一种基于Curvelet变换的图像融合新算法

基于Curvelet变换提出了一种新的融合算法.首先将图像进行Curvelet 变换,然后对粗尺度系数和细尺度系数采用不同的融合规则将Curvelet 系数融合,最后进行重构得到融合结果.对得到的融合图像进行了主客观评价和对比,实验结果表明,本文方法得到的融合图像,在熵、均方误差(MSE)、峰值信噪比(PSNR)和相似度等客观指标上都优于其他方法.     

基于方向性小波变换的图像稀疏修复

图像修复有着重要的应用价值,稀疏表示作为前沿的信号处理方法,也已经使用在图像修复中。但是,传统方法在稀疏图像的时候利用的是预先给定的图像基,不能自适应图像,因此稀疏表示能力有限。文中提出从参考图中估计出图像的最佳几何方向使得稀疏变换能自适应图像几何信息,提供更稀疏的图像表示方法。稀疏修复通过最小化1范数模型进行求解。实验结果表明,所提方法较传统的二维小波变换可以更好地保留图像中边缘和纹理,获得更高的峰值信噪比。     

基于Curvelet变换和小波变换相结合的图像融合算法研究

针对小波变换在图像边缘表达方面的局限性,以及Curvelet变换在表达图像点特征上的不足,提出了在红外图像与可见光图像融合的过程中采用基于Curvelet变换和小波变换相结合的图像融合算法.首先对图像进行Curvelet分解,对低频系数使用基于小波变换的融合算法,对高频系数结合融合图像的特点分别采用了两种不同的选取方法:模值绝对值取大法和基于系数相关性法.最后,对最终系数进行反Curvelet变换,得到融合结果图.采用该算法进行了大量的红外图像与可见光图像融合实验,实验结果表明,此算法的融合结果图获得了更好的目标信息和光谱信息.     

基于块方向性小波变换的图像融合算法

针对传统小波变换存在的缺陷,提出了一种基于块方向性小波变换的图像融合算法.将输入的图像均匀划分成多个子块,并通过训练确定每块图像的方向性小波;利用块方向性小波对图像进行稀疏变换得到稀疏系数,对融合系数进行逆变换得到融合图像,并采用仿真实验对算法性能进行测试.实验结果表明,相对于其它图像融合算法,如DTC、FFT和DWT等,本算法无论是在近物图像、遥感图像还是红外线图像上,其信息熵和平均梯度等图像融合质量评价指标都更优,使图像融合过渡效果更加自然.同时其图像融合速度更快,可以满足图像处理系统实时性的需求.     

一种基于Curvelet变换多传感器图像融合算法

综合分析了Curvelet变换的特性,并提出了一种基于Curvelet变换的多传感器图像融合算法。首先采用Curvelet变换将源图像分解到不同尺度、方向频带范围内,然后采用不同的融合规则得到融合后图像的Curvelet变换系数,最后再进行Curvelet逆变换得到融合图像。采用多组具有不同特征的源图像进行了融合实验,并对融合图像进行了主客观评价。实验结果表明,相比于传统的基于小波变换的图像融合算法,该算法能够有效避免“人为”效应或高频噪声的引入,得到具有更好视觉效果和更优量化指标的融合图像。     

基于结构偏移映射统计和多方向特征的MRF图像修复算法

为使目标移除后的修复效果更好地满足人眼视觉要求,本文提出基于结构偏移映射统计和多方向特征的修复方法.一方面,为更好地保持修复后图像结构部分的连贯性,首先基于Curvelet变换获得的边缘特征将待修复图像划分为结构部分和非结构部分,分别统计相似块之间的偏移映射,在此基础上选择主要的偏移映射作为两部分的候选标签.另一方面,为更好地保持填充区域内相邻像素间的连续一致性,构造引入多方向特征的全局能量优化方程.实验结果表明本文所提出的图像修复算法性能优于多种现有算法.     

基于第二代Curvelet变换和特征量积的图像融合

文中提出了一种基于二代Curvelet和特征量积的图像融合算法.首先对融合图像进行快速离散Curvelet变换,在相应的尺度上由融合规则将Curvelet系数融合.采用平均策略融合低频系数;对于高频分量采用了小波的局部能量、局部梯度、局部的标准偏差组成的特征量积自适应地融合高频系数.最后利用Curvelet重构得到融合图像.对多聚焦图像和多光谱图像进行了实验.采用了标准差、平均梯度、信息熵作为评价标准,并与小波的融合结果做了比较..实验证明二代Curvelet所获得的融合结果更佳清晰、效果更佳且应用广泛.     

基于Curvelet变换的图像消噪

小波变换对图像消噪能够起到较好的效果,但是对图像中线性区域的处理存在局限性.Curvelet变换是一种新的具有方向性的多尺度变换,他处理图像线性区域能有更好的效果.将Curvelet变换运用到图像消噪中,实验结果表明,他的消噪结果比小波消噪有着更好的视觉效果,并且PSNR也得到一定的提高.     

基于Curvelet变换的自适应多传感器图像融合

提出了基于Curvelet变换的自适应多传感图像融合新算法。算法将全色图像和多光谱图像进行Curvelet变换分解后,针对不同的频率域特点选择不同的融合规则。对低频系数选取区域能量的加权系数自适应融合规则,对高频系数选用了区域特征自适应的融合规则。最后通过重构得到融合图像。将该算法和其他的融合算法进行对比,结果表明,该算法是一种有效可行的图像融合算法。     

基于Curvelet变换的红外图像背景杂波抑制算法

为提高复杂背景下的红外弱小目标的检测性能,引入图像的Curvelet变换.在Curvelet域经阈值化处理抑制背景杂波中的低频分量,然后在空域中通过块对比的操作进一步抑制杂波的边缘分量,最终实现背景杂波的抑制和弱小目标的增强.利用几组实测数据的测试实验结果表明了所提出的算法的有效性.     

基于BayesShrink阈值估计的Curvelet图像去噪

提出将BayesShrink阈值估计与硬阈值方法相结合并利用Curvelet方法对图像进行去噪的方法.经验证,此法优于BayesShrink小波去噪与传统的Curvelet阈值去噪效果,特别是在较大噪声的情况下更能显示出其优势.     

图像的超小波稀疏表示

图像表示是图像处理领域研究的基础,对后继各种处理具有重要影响。寻找简洁有效的图像表示方法,对于推动图像处理领域的研究发展意义重大。针对二维可分离小波变换在稀疏表达图像中存在的问题,研究了各种超小波稀疏表示方法,并对未来发展进行预见性研究。