基于非下采样轮廓波变换和压缩感知的图像融合方法

针对基于非下采样轮廓波变换(NSCT)的图像融合算法存在计算复杂度较高的问题,提出一种基于NSCT和压缩感知的图像融合方法.首先根据压缩感知理论的特点将其应用于图像融合领域,并采用Min-TV的方法重构图像;然后对NSCT进行分解,其计算量较大的带通子带系数采用基于压缩感知理论的图像融合方法;最后对低通融合图像和带通融合图像进行NSCT逆变换,得到最终的融合图像.通过仿真实验,从主观感知和客观数据的对比分析上验证了所提出方法的有效性.     

非下采样轮廓波变换快速算法

多尺度几何分析（MGA）是一种有效的图像处理方法. 作为MGA的一种离散实现方法,非下采样轮廓波变换（NSCT）被广泛应用于图像去噪、图像融合、图像增强、特征提取等领域. 然而,由于该变换的高冗余性,其计算效率受到一定限制. 因此,对NSCT快速算法的研究具有现实意义. 本文采用一种优化的方向滤波器改进了原NSCT变换,以损失部分重建图像质量为代价,获得算法处理速度的显著提高. 实验结果可见,在满足重建图像主观质量视觉要求的前提下,算法速度可比原变换提高若干倍. 图像去噪实验进一步验证了算法的可靠性及效率.     

结合非下采样轮廓波变换和混合阶次图像扩散的图像去噪

通过研究非下采样轮廓波变换理论及其在图像变换中的优点,提出一种新的基于非下采样轮廓波变换的图像去噪方法.该方法首先通过非下采样金字塔分解和非下采样方向滤波器组对待去噪图像进行非下采样轮廓波变换,然后采取不同阶次的图像扩散去噪算法分别对高频部分和低频部分进行去噪处理,最后将经过处理后的系数进行非下采样轮廓波逆变换便可得到去噪后的图像.通过实验结果表明,该方法不仅能有效的去除噪声,而且可以很好地保持边缘信息,整体性能优于近年来一些常见的去噪算法.     

基于非下采样轮廓波的MRI图像的压缩感知重构

压缩感知是一种全新的信息采集与处理的理论框架,借助信号内在的稀疏性或可压缩性,可从小规模的线性、非自适应的测量值中通过非线性优化的方法精确重构信号。压缩感知以远低于奈奎斯特频率的采样频率,在压缩成像系统、医学图像处理等领域有着广阔的应用前景。提出算法采用非下采样轮廓波变换稀疏表达原始图像,通过傅立叶矩阵进行测量,最后采用迭代软阈值算法实现医学MRI图像的压缩感知重构。以峰值信噪比、互信息、伪影功率为评价指标,比较小波变换、频率局部化轮廓波变换以及非下采样轮廓波变换三者的压缩感知重构效果。实验结果表明,无论采样率设置如何变化,提出算法在峰值信噪比、原始信息保留比例以及重构精度等方面均具有明显优势,在快速医学成像领域具有广阔的应用前景。     

基于NSCT的自适应多聚焦图像融合算法

针对非降采样轮廓波变换（NSCT）具有多尺度、方向性和平移不变性等特点,为改善融合后图像模糊现象,提出了一种基于区域特性的非降采样轮廓波变换的多聚焦图像融合算法。该算法结合NSCT的特点,将图像进行NSCT,变换为不同方向的各子带信息;然后基于局部均值和局部方差选择低频子带系数,并在带通方向子带中引用局部方向对比度作为测量算子来选择带通方向子带系数;最后,通过反变换得到融合图像。实验结果表明,本算法融合效果优于传统的加权平均、小波变换及NSCT算法。     

基于非降采样Contourlet变换的红外与可见光图像融合及稳健性分析

提出一种基于区域显著性融合规则的非降采样Contourlet变换的红外与可见光图像融合方法.首先,对来自同一场景图像的红外与可见光图像的Ⅰ分量进行非降采样Contourlet变换;然后,依照区域匹配度量和显著性度量规则进行融合,而融合图像通过非降采样Contourlet反变换即可得到.最后,针对此方法进行大量实验,并将其融合结果与基于小波变换及拉普拉斯金子塔变换的融合结果进行比较,同时分析它们在不同噪声条件下的性能指标.     

提升细节捕捉能力的非下采样轮廓波变换

针对传统NSCT(非下采样轮廓波变换)算法中NSP(多尺度分解方法)对细节信息捕捉能力较差及利用其进行图像融合得到的融合图像出现细节丢失问题,提出改进的NSCT算法。不同于传统NSCT算法,该算法首先采用细节捕捉能力较强的非下采样形态学小波分解替代NSP分解,实现对源图像的多尺度分解,将源图像分解成水平高频、垂直高频、对角高频和低频4部分;然后利用NDFB(非下采样的方向性滤波器)对高频部分进行多方向分解得到一系列高频信息,实现改进型NSCT分解。实验结果表明,该算法的细节捕捉能力较传统算法好,在相同融合规则下其图像融合效果更好,各项融合指标值均有所提高,其中平均梯度提高了10%,且易于实现,可广泛用于多分辨率图像融合,是一种有效的融合图像算法。     

图像轮廓波变换及变换域隐马尔可夫模型的应用

鉴于2维张量积小波已被证实不能为分片光滑图像提供理想表达,从而促使了近年来各种“超越小波”的变换理论和方法的出现。其中轮廓波变换因其理论新颖、技术思想先进、实效显著而具有深入研究的前景和潜力。为了使人们对轮廓波变换有一概略了解,首先以轮廓波变换原理及变换域隐马尔可夫模型为主线,并对关键点给出了详细论述;然后从宏观角度对轮廓波变换进行了深入浅出的综述;最后通过与小波变换的应用对比、分析,指出了轮廓波的应用潜力之所在,以及更进一步的研究方向。     

小波-轮廓波纹理图像检索系统

针对轮廓波检索系统检索率较低、检索速度较慢等问题,提出一种小波-轮廓波纹理图像检索系统。该系统在最细节尺度子空间采用轮廓波变换,而在其他子空间采用小波变换,以变换域子带系数的能量和标准偏差序列作为特征向量,Canberra距离为相似度标准。采用Brodatz纹理数据库中的109幅640×640的纹理图像为实验对象,比较了基于同样架构的轮廓波变换和小波-轮廓波纹理检索系统的性能。实验结果表明：后者具有较高的检索率、较快的检索速度和较少的特征向量数据库存储空间。     

基于多阈值的非下采样轮廓波图像去噪方法

非下采样轮廓波变换(NSCT)是一种新的多尺度几何分析工具,具有平移不变性、多方向性和各向异性。与小波变换相比,NSCT能更好地表示图像中的边缘等信息。对合成孔径雷达图像进行NSCT分解,考虑其系数统计特性,基于BayesShrink对每个分解层的各个子带做多层阈值估计和软阈值收缩处理。实验结果表明,采用该方法得到的图像在视觉效果和客观衡量指标上均符合要求。     

采用非抽样轮廓波的红外与可见光图像融合

提出了一种基于非抽样轮廓波变换的红外与可见光图像融合算法。该算法首先利用非抽样轮廓波变换对输入图像进行多尺度、多方向稀疏分解,有效地表达了图像的高维奇异信息;然后,为了弥补基于像素的图像融合方法的不足,在变换域通过邻域一致性测度的计算,实现了变换系数的局部自适应融合。实验结果表明,所提出的算法既可保持可见光图像的光谱信息,又可有效获取红外图像的热目标信息。     

基于NSCT域改进型NMF的图像融合方法

针对多传感器图像融合问题,提出一种基于非下采样轮廓波变换域改进型非负矩阵分解的图像融合方法.首先,采用非下采样轮廓波变换对源图像进行多尺度、多方向稀疏分解;然后对低频子图像采用改进型非负矩阵分解方法进行融合,该过程无需对W和H进行随机化便可快速生成低频融合图像,高频子图像则采用自适应unit-fast-linking脉冲耦合神经网络模型进行融合;最后利用非下采样轮廓波逆变换合成各子图像即可得到最终融合图像.仿真实验验证了该方法的有效性.     

基于NSCT的旋转不变纹理图像检索算法

针对图像检索中常见的旋转问题,提出了一种基于非抽样Contourlet变换(NSCT)的旋转不变检索算法。以NSCT域各子带系数的均值和标准方差构成基本特征向量。在相同尺 度上,利用各子带的均值和标准方差之和对特征分量由小到大排序,同时根据旋转不变性调整排序后特征向量对应的方向序列,构造方向序列权值、特征分量权值。用加权欧氏距 离进行相似性度量以提高检索性能。采用Brodatz库生成实验库,实验结果表明本文方法取得了较好的检索效果。     

基于非下采样轮廓波变换和多核学习的盲图像质量评价

非下采样轮廓波(Contourlet)变换具有多尺度、多方向特性,能够对图像纹理和结构信息进行精确提取,可以很好地模拟人类视觉系统的多分辨率特性,基于此提出一种基于非下采样Contourlet变换的通用型盲(无参考)图像质量评价算法。首先在空间域上对图像进行非下采样Contourlet变换;然后在各方向带中分别提取能有效反映人类视觉失真程度的特征:高频幅值、平均梯度、信息熵作为图像的特征;最后将其输入到高效的分层多核学习机中学习,预测图像的质量得分。在混合失真型数据库和3个单失真型数据库上的交叉实验结果表明,该算法性能优越,能很好地预测失真图像质量,具有很好的主客观一致性。     

基于NSCT变换的红外与可见光图像融合技术研究

提出了一种基于非下采样Contourlet变换(NSCT)的红外与可见光图像的融合算法。采用对低频系数取平均,对高频系数中最大分解尺度选择系数最大值,其他尺度系数采用局部方差最大的规则,通过对所得到的融合系数进行逆变换即可得到融合后的图像。实验表明:该算法结合了NSCT的多尺度、多方向和平移不变性的优点,能够更好地提取源图像特征,增强融合图像的空间细节表现能力。融合后的图像具有较好的主观视觉效果,标准差和熵值较传统的融合方法有所提高。     

轮廓波系数引导的数字图像修复算法研究

为提高数字图像修复的精度,通过提取图像的轮廓波系数,用轮廓波系数分析图像的纹理信息,改进了基于样本的图像修复算法。引入了[β]因子评价图像的纹理信息,改进了优先值计算公式,优化了图像的修复顺序,使纹理复杂度较高的部分被先修复。实验结果表明,该方法有效避免了图像修复产生的图像模糊和马赛克效应,同时降低了算法的时间复杂度。     

小波变换与纹理合成相结合的图像修复

目的 为了克服传统的图像修复算法在结构和纹理边界的错误修复,利用小波变换域的系数特征,探讨了一种基于小波变换与纹理合成相结合的修复算法。方法 算法先利用小波变换将待修复图像分解成具有不同分辨率的低频子图和高频子图,然后根据不同子图各自的特征分别进行修复。对代表图像结构信息的低频子图,采用FMM(fast marching method)算法进行修复;对代表图像纹理信息的高频子图,根据各子图中小波系数的特征,利用纹理合成方法进行修复。结果 分层、分类修复方法对边缘破损具有良好的修复效果,其峰值信噪比相比于传统算法提高了1~2 dB。结论 与相关算法相比,本文算法的综合修复能力较好,可以有效修复具有较强边缘和丰富纹理的破损图像,尤其对破损自然图像的修复,修复后图像质量得到较大提升,修复效果更符合人眼视觉效应。     

基于改进Criminisi算法的图像修复

针对Criminisi算法难以获得理想的修复效果,且存在修复时间过长等缺陷,提出一种改进Criminisi算法的图像修复算法。改进优先权计算方式找到最优待修复块,完善最优匹配块搜索策略,找到最优匹配块,采用新的置信值更新方式以获得更为理想修复效果,通过仿真实验测试算法性能,结果表明,相较于Criminisi算法,改进Criminisi算法不仅获得了较理想的图像修复效果,而且大幅度减少了修复时间,提高了图像修复的效果。