双树复小波域共生矩阵的纹理特征提取方法

提取纹理特征一直是纹理分析的首要问题。提出一种双树复小波域共生矩阵的纹理特征提取方法。利用双树复小波对纹理图像进行多层分解所得的低频子带图像,计算不同方向的共生矩阵,提取图像纹理特征值。实验结果表明,该方法能有效提取出多尺度、多方向的纹理特征,并兼顾纹理局部随机性和整体规律性,所提取的纹理特征具有良好的聚类分离度和类内样本差异性。     

基于对偶树复小波变换的纹理特征提取及分割

对偶树复小波变换具有良好的方向选择性和平移不变性。该文在分析对偶树复小波分解后的6个高频子带所对应的模值子带直方图的基础上,提取一种新的纹理特征——Gamma分布参数与Lognormal分布参数的组合特征。基于该特征进行纹理图像分割,分割过程中使用了边缘保持平滑技术对特征进行平滑,并使用K均值聚类实现无监督分割。实验表明,文中所使用的特征提取方法新颖,分割结果的边缘准确性与区域一致性具有抗噪性,是一种有效的纹理分割方法。     

基于双树复小波变换的图像增强方法

在图像增强处理中,传统的图像增强方法例如直方图均衡、小波系数增强等等,虽然取得了较好的图像增强效果,但在增强图像的同时也将噪声放大了.本文针对这一问题,提出了一种基于二维双树复小波变换的图像增强方法,因其具有良好的多方向性信息捕捉能力,克服了传统二维小波变换缺乏方向性的缺点.增强算法将系数分为强边缘、弱边缘和噪声点三类...     

基于不同复小波变换方法的纹理检索和相似计算

复小波克服了单小波的缺点,具有时移不变性、方向性信息多和相位信息等特点.从能量角度出发,主要研究了不同复小波变换方法的一阶和二阶统计矩(共生矩阵)特性,并应用于纹理特征的提取,与传统的单小波做了比较.通过理论分析和在纹理图像检索的对比实验数据说明了复小波在纹理特征提取方面的性能优于单小波,采用一阶和二阶统计矩相结合方法的性能最好,检索精度提高了8%.     

基于双树复小波域的马尔可夫随机场样本修补算法

为了消除大目标图像修补过程中,修补区域由于累积误差引起的马赛克和振铃效应,提出基于双树复小波域的马尔可夫随机场(MRF)样本修补算法。首先应用双树复小波变换(DTCWT)将待修补图像变换到复频域,通过合理的置信度和数据项计算待修补块的修补顺序;然后应用MRF样本修补算法在不同尺度、不同方向下修补未知区域;最后利用双树复小波逆变换重构图像。实验结果表明,与传统离散小波修补方法相比,双树复小波域MRF样本修补算法能更好地保持修补区域纹理和结构信息。     

基于双树复小波的图像边缘检测

边缘检测在图像处理中具有非常重要的作用,它可以作为图像分割、模式识别及场景分析和图像检索的基础.经典的边缘检测算法相对比较简单,但方向适应性受到一定限制,尤其针对多方向的边缘,其检测结果明显不满足要求.在充分研究小波性能特点以及边缘检测的基础上,提出了方向选择性更强的双树复小波边缘检测算法.＃实验证明:该算法边缘定位效果好,边界相对清晰而且比较连续,同时能充分检测出图像细节部分的边缘.     

基于双树复小波变换的图像融合方法

为获得更好的融合效果,提出基于双树复小波变换的图像融合方法。双树复小波变换具有平移不变性、方向选择性等特点,适合进行图像融合,优于传统离散小波变换方法。给出多策略的融合规则,源图像小波变换后低频采用区域清晰度,高频采用区域标准差。灰度多聚焦图像和彩色多聚焦图像的融合实验测试以及评价指标的统计结果,表明了双树复小波变换方法的优势和所用融合规则的有效性。     

双树复小波域的邻域自适应贝叶斯收缩去噪

为了更加高效去除图像采集或传输中引入的噪声,提出了一种基于双树复小波域的邻域自适应贝叶斯收缩的图像去噪方法,利用了双树复小波变换的平移不变性和更多的方向选择性的优点,并考虑了系数间的局部自适应邻域相关性,以尺度适合的窗口为单位估计相应系数的方差,利用滑窗求其平均作为整个子带的图像方差,通过贝叶斯收缩来处理小波系数,从而实现高效的图像去噪。实验结果证明,该方法取得了很高的峰值信噪比和更好的视觉效果,去噪性能优良。     

基于双树复小波变换的BivaShrink自选窗图像去噪算法

在小波变换理论和双变量模型的研究基础上,本文提出了一种BivaShrink自选窗算法,该算法根据邻域内小波系数的相关度大小自适应选取邻域窗口。最后将双树复小波变换应用在BivaShrink自选窗图像去噪算法中。实验结果证明,BivaShrink自选窗优于BivaShrink 去噪算法,与传统的离散小波变换相比,双树复小波自选窗图像去噪效果优于BivaShrink自选窗。     

基于几何校正的双树复小波域彩色图像水印算法

为了使图像水印算法拥有更好的鲁棒性和不可感知性,以双树复小波变换(DTCWT)为基础,提出了一种新的彩色图像盲水印算法。本算法将彩色图像颜色空间由RGB转换到YIQ,选取亮度分量Y进行双树复小波变换,得到低频子带,然后将加密后的水印信息嵌入到低频子带中。在水印提取过程中,使用了新颖的基于四元数PHT的最小二乘支持向量(LS-SVM)几何校正方法。实验结果表明,本算法具有更好的鲁棒性和不可感知性。     

Facial feature extraction using complex dual-tree wavelet transform

In this paper, we propose a novel method for facial feature extraction using the directional multiresolution decomposition offered by the complex wavelet transform. The dual-tree implementation of complex wavelet transform offered by Selesnick is used (DT-DWT(S)) [I.W., Selesnick, R.G. Baraniuk, N.C. Kingsbury, The dual-tree complex wavelet transform, IEEE Signal Processing Magazine, 6, s.l., IEEE, November 2005, vol. 22, pp. 123–151.]. In the dual-tree implementation, two parallel discrete wavelet transform (DWT) with different lowpass and highpass filters in different scales are used. The linear combination of subbands generated by two parallel DWT is used to generate 6 different directional subbands with complex coefficients. A test statistic, which is derived with absolute value of complex coefficient, whose distribution matches very closely with the directional information in the 6 subbands of the DT-DWT(S) is derived and used for detecting facial feature edges. The use of the complex wavelet transform is motivated by the fact that it helps eliminate the effects of non-uniform illumination, and the directional information provided by the different subbands makes it possible to detect edge features with different directionalities in the corresponding image. Edge information of facial area is enhanced using multiresolution structure of DT-DWT(S). The proposed method also employs an adaptive skin colour model instead of a predefined skin colour statistic. The model is developed with a unimodal Gaussian distribution using the skin region which is extracted excluding the detected edge map obtained from the DT-DWT(S). By combining the edge information obtained by using DT-DWT(S) and the non-skin areas obtained from the pixel statistics, the facial features are extracted. The algorithm is tested over the well known Carnegie Mellon University (CMU) and Marks Weber face databases. The average detection rate of the proposed method using DT-DWT(S) provides up to 9.6% improvement over the same method using discrete wavelet transform (DWT).     

复小波域最大后验概率图像复原

提出了一种双树复小波变换域最大后验概率图像复原方法。该方法通过在最大后验概率图像迭代复原过程中构建噪声残差,并采用双树复小波变换零均值高斯模型对参差进行降噪处理,从而避免了原泊松最大后验概率图像复原过程中噪声放大的问题,实现了迭代复原的正则化目的。对比实验结果表明,该图像复原方法能很好解决恢复迭代中噪声放大的问题,同时,在视觉效果、PSNR、ISNR等指标上均比Wiener、Pisson-MAP等算法好。     

基于对偶树复小波变换的模糊纹理分割

提出了一种基于对偶树复小波变换的模糊纹理图像分割算法,该方法包括纹理特征提取和纹理分类两个阶段,其中,特征提取在对偶树复小波变换的基础上进行;纹理分类可以直接用模糊C均值算法进行聚类从而完成纹理的分割,但由于该算法中隶属度函数是基于样本到类中心的距离设计的,这对非球形分布数据很不合理,针对该问题,引入样本与样本的紧致度来度量类中各个样本之间的关系从而修正隶属度函数,并将其用于纹理分类。实验结果表明与模糊C均值算法在运行时间上相差不大的情况下,改进的方法在分割精度、边缘准确性和区域一致性上都得到了明显的改善。     

基于双树复小波变换彩色多聚焦图像融合方法

针对离散小波变换图像融合算法在特征表达上存在的不足,将双树复数小波变换引入到彩色多聚焦图像融合中。对彩色图像的三个通道分别进行融合处理,并采用基于多测度的融合策略：各通道小波变换后低频子带采用区域清晰度的方法;高频子带采用区域标准差的方法。融合效果评价除使用传统方法的熵、交叉熵外,还使用了通用的主观与客观相结合的方法。通过对实验结果的主客观性能分析,验证了该方法得到的融合图像效果较好,优于离散小波变换融合算法。     

双密度双树复小波域多聚焦图像融合

将双密度双树复小波变换引入多分辨率图像融合中,利用双密度双树复小波变换的多尺度、多方向性和平移不变性特征分解多聚焦图像,对分解后高、低频图像系数采用不同融合策略进行融合,应用双密度双树复小波逆变换重构图像。采用多组多焦距源图像进行融合实验,并对融合结果进行了客观评价。实验结果表明双密度双树复小波域融合方法对多聚焦图像具有更好的融合效果,图像的细节描述更加精确。     

结合聚合通道特征和双树复小波变换的手势识别

目的 针对目前手势识别方法受环境、光线、旋转、缩放、肤色等因素的影响,导致手势识别精度下降的问题,提出一种结合聚合通道特征（ACF）的手势检测和双树复小波变换（DTCWT）的复杂背景下手势识别方法。方法 在手势图像预处理过程中引入聚合通道特征,采用Adaboost分类器和非极大值抑制算法（NMS）进行目标手势的检测;利用DTCWT对目标手势图像进行多尺度多方向分解,对高低频系数的每一块分别提取方向梯度直方图（HOG）和局部二值模式（LBP）特征;最后融合各个方向上的高低频特征并通过支持向量机（SVM）进行分类识别。结果 选取多个场景、多个对象、不同角度和距离的图像作为训练集,并标注区分前背景,对20种手势进行识别实验,并与传统的肤色检测、HOG特征手势识别、类-Hausdorff距离的手势识别算法进行了实验对比。在任意可承受范围内的光照、距离等情况下,该方法能够更准确实时地实现手势识别,平均精度达到95.1%。结论 在图像预处理的情况下,聚合通道特征的引入能够准确检测手势,同时基于DTCWT的手势图像频域特征提取和再融合的方法有效地解决了传统普通图像的单特征识别方法在光线和复杂背景下识别精度不高的问题。     

双树复小波域的MRI图像去噪

目的 噪声会降低磁共振图像(MRI)的质量,影响视觉效果和计算机辅助诊断,针对MRI噪声的莱斯(Rician)分布特性,设计一种有效的MRI去噪算法. 方法 在双树复小波(DT-CWT)域结合双边滤波器(BF)和基于Stein无偏误差估计的邻域收缩法(NeighShrinkSURE)、二变量收缩法(BivariateShrink)设计一种有效的磁共振图像MRI去噪算法.所设计的算法充分考虑了MRI的噪声分布特性以及小波系数的层间和层内相关性,其性能优劣主要取决于平方MRI的双树复小波系数的噪声标准差估计的准确程度,其次和双边滤波器的参数以及两种收缩方法的占比有关.为了使各算法的协同发挥最好的性能,以均方误差(MSE)、峰值信噪比(PSNR)和结构相似度(SSIM)作为图像质量评价指标,修正DT-CWT系数的噪声标准差,确定最佳双边滤波参数以及两种收缩方法的占比.在双树复小波域结合3种方法设计了一种有效的MRI去噪算法.结果 与现有几种算法进行图像去噪比较实验.在视觉效果、去噪指标PSNR和SSIM以及耗时方面,本文算法综合性能优于现有的几种MRI去噪算法,PSNR提高了约0.51~1dB,SSIM提高了约5%~10%.结论 双树复小波域的去噪优于基本小波去噪,利用层内和层间相关性的去噪算法很好去除了噪声,双边滤波器的使用增强了低频部分的图像,使得本文算法在MRI莱斯噪声的去除上获得了较好的表现,在去噪的同时能够保留边缘和细节信息.     

基于二元树复小波特征表示的人脸识别方法

二元树复小波变换（DTCWT）具备近似平移不变、多方向选择、完全重构和高效计算等优点，适合于人脸特征提取。提出了一种新的基于二元树复小波变换的人脸特征表示方法，用二维DTCWT提取了人脸图像不同尺度、位置和方向的局部特征，并用多尺度多方向的信息生成DTCWT人脸特征图。实验证明了DTCWT人脸特征表示方法提取了最具可判别性的人脸特征，获取了高识别率和泛化能力，优于其他特征表示方法。