基于NSCT和边缘检测的图像融合算法研究

近年来,图像融合已经成为计算机视觉领域一向有价值的新技术,论述了NSCT变换理论,先将图像作非下采样拉普拉斯金字塔尺度分解,在各个尺度层对高频子带作非下采样方向分解,然后分别采用基于区域能量和边缘检测的融合规则得到融合图像的非下采样Contourlet低频和高频系数;最后再进行非下采样Contourlet逆变换得到融合图像。实验结果表明,该方法的融合图像多项指标都优于Contourlet变换、NSCT变换。     

基于非下采样Contourlet变换的多传感器图像融合

根据非下采样Contourlet变换同时具有多尺度多分辨分析和平移不变性质的特点,提出一种基于非下采样Contourlet变换的多传感器图像融合方法,将其应用于多传感器图像融合的两个重要领域——多聚焦图像融合和高分辨、多光谱图像融合,从视觉效果和信息量指标方面对融合图像进行主观评判和数值评价.实验中将本文方法与Contourlet变换、小波变换、主成分分析等方法进行了比较,结果表明本文方法得到的融合结果具有更优的视觉质量和量化指标,能很好地将源图像的细节信息融合在一起,拓广了NSCT的应用范围.     

基于非下采样Contourlet变换的多传感器图像边缘检测

提出一种基于非下采样Contourlet变换（NSCT）的多传感器图像边缘检测方法,通过非下采样金字塔（NSP）和非下采样方向滤波器组（NSDFB）实现了对图像的多尺度多方向分解。在检测处理中,采用改进的一致性校验策略：高频系数除了进行本层的一致性校验外,还进行多层之间的一致性校验。非下采样Contourlet变换保留了Contourlet变换良好的多分辨率特性,又具有平移不变性,更适应于进行多传感图像融合,为图像边缘检测提供了新的方法。     

基于NSCT和改进型PCNN的红外与可见光图像融合算法

针对现有红外与可见光图像融合算法中易出现目标信息丢失或减弱的情况,提出了一种基于非下采样Contourlet变换和改进型脉冲耦合神经网络的融合算法.该算法首先对经过预处理和图像配准后的红外和可见光图像进行非下采样Contourlet变换,分别得到两幅图像的高频系数和低频系数;其次,采用改进型脉冲耦合神经网络对源图像高频系数进行融合,用区域能量最大处理低频系数;最后,对融合后的系数进行非下采样Contourlet反变换,得到融合后的图像.实验结果表明,本文算法在主观视觉上显示了更多的图像细节信息,同时客观数据指标也有不同程度的提升.     

基于NSCT子带自适应Bayes阈值图像去噪方法

利用非下采样Contourlet变换（NSCT）平移不变性、多分辨率、多方向的优点,提出了一种基于非下采样Contourlet变换的子带自适应Bayes阈值图像去噪算法。该算法将源图像分解至NSCT变换域．能根据不同尺度、不同方向的子带能量,自适应调整去噪阈值。实验表明,与Contourlet多尺度阈值去噪、Conto...     

基于斑点方差估计的非下采样Contourlet域SAR图像去噪

 合成孔径雷达(SAR)图像固有的相干斑噪声严重影响图像质量,使得SAR图像的自动解译十分困难.本文联合SAR图像的统计特性和非下采样Contourlet对SAR图像细节信息的良好刻画能力,提出一种新的非下采样Contourlet域SAR图像去噪算法,通过估计到的各个高频方向子带的斑点噪声方差和变换系数模值的局部均值,对非下采样Contourlet变换系数进行判定,保留信号系数,抑制斑点噪声系数,实现SAR图像去噪.仿真实验结果表明,本文方法在斑点抑制的同时可以有效保持细节信息.     

基于高斯比例混合模型的图像非下采样Contourlet域去噪

为改善图像的去噪效果,该文提出了一种基于高斯比例混合模型的图像非下采样Contourlet域去噪算法。该算法首先建立非下采样Contourlet系数邻域的高斯比例混合模型,然后在模型基础上应用贝叶斯最小二乘法对系数进行估计,最后反变换得到恢复图像。算法结合了非下采样Contourlet变换对图像边缘的高效表示能力、非下采样变换的移不变性质以及GSM模型对非下采样Contourlet系数邻域相关性的概括能力。实验结果表明,该算法在视觉效果和峰值信噪比的改善上都取得了非常好的效果。     

Contourlet变换耦合特征投票的遥感图像融合算法

为了解决图像系数融合问题,设计了基于非下采样Contourlet变换与特征投票机制的遥感图像融合算法。采用色相饱和度(HSV)变换从多光谱图像中提取其亮度成分。随后,对该亮度成分与全色图像进行非下采样Contourlet变换,以计算相应的高频、低频系数。再建立特征投票机制,完成低频系数的融合。通过构造高频系数融合规则,获取融合高频系数。最后,对融合系数进行处理,生成融合图像。实验结果显示,所设计算法具有更好的光谱特性以及清晰度。     

遥感图像的NSCT自适应阈值去噪方法

本文提出了一种基于非下采样Contourlet变换(NSCT)相结合的遥感图像自适应阈值去噪方法。首先通过小波估计被噪声污染遥感图像的噪声强弱,再根据噪声的强弱以及NSCT的分解特点及系数所在邻域的特性,给出不同尺度不同方向的自适应阈值。仿真实验结果表明,与小波硬阈值、Contourlet硬阈值和基于非下采样Contourlet硬阈值去噪方法比较,该方法在提高了图像的峰值信噪比的同时也减少了Gibbs现象,图像视觉效果也得到明显的改善。     

多时相遥感影像变化检测算法研究

本文首次将非下采样Contourlet变换和上下截集模糊Kohonen聚类网络相结合,提出了一种无监督的多时相遥感影像变化检测算法。该算法采用非下采样Contourlet变换提取与对数比图像中的每个像素相对应的多尺度和多方向纹理,并采用上下截集模糊Kohonen聚类网络将这些多尺度和多方向纹理分为变化类与未变化类两类,最终得到变化检测图像。实验结果表明,与传统方法相比,对于高斯和斑点噪声,该算法具有更高的抗噪性能和检测精确度。     

遥感图像的NSCT自适应阈值去噪方法

提出了一种基于非下采样Contourlet变换(NSCT)相结合的遥感图像自适应阈值去噪方法。通过小波估计被噪声污染遥感图像的噪声强弱,根据噪声的强弱以及NSCT的分解特点及系数所在邻域的特性,给出不同尺度不同方向的自适应阈值。仿真实验结果表明,与小波硬阈值、Contourlet硬阈值和基于非下采样Contourlet硬阈值去噪方法比较,该方法在提高了图像的峰值信噪比的同时也减少了Gibbs现象,图像视觉效果也得到明显的改善。     

基于NSCT的多光谱和全色图像的融合

提出了一种基于无下采样Contourlet变换的多光谱和全色图像的融合方法.该方法在对多光谱影像进行IHS变换的基础上,对多光谱的I分量和高分辨率的全色影像分别进行无下采样Contourlet变换(NSCT),然后对分解得到的近似分量以及各层金字塔各方向的细节分量利用本文提出的一定的融合准则分别对近似分量和细节分量进行影像融合,最后通过无下采样Conlourlet逆变换得到新的I分量,与H,S分量一起还原到RGB空间,最终得到融合后的高分辨率多光谱彩色图像.本文采用一组多光谱图像和全色图像数据进行融合实验,其实验融合图像的目视效果和统计指标均优于传统的IHS融合方法、小波融合方法以及Contourlet变换方法.     

多方位多尺度建筑物布局成像融合方法

穿墙雷达成像中,建筑物布局成像对墙内隐藏目标探测和提取有重要辅助意义,完整的建筑物布局成像大多在多视角下进行,对此提出一种基于多方位多尺度的多视角建筑物布局成像融合方法。首先由后向投影算法获得各视角墙体成像后,采用多方位二维匹配滤波对各视角图像增强,消除旁瓣、栅瓣的影响。然后结合多尺度变换,即非下采样Contourlet变换分解各个视角的图像,将获得的低频分量和高频分量分别采用相应的融合规则进行融合。最后通过非下采样Contourlet反变换获得最终融合后的建筑物布局图像。仿真实验和实测数据结果证明了该方法的有效性。     

基于非下采样Contourlet变换的图像融合算法

针对曲波变换图像融合的不足,提出了一种基于非下采样轮廓波变换（Non—subsampledContourletTransform,NSCT）图像融合方法。首先对已配准待融合图像进行NSCT分解;然后使用相应的融合规则对Contourlet域系数进行融合,得到融合图像的NSCT系数;最后经逆变换重构得到融合图像。通过对不同曝光度图像以及多聚焦图像进行融合实验,仿真结果表明该算法融合图像在主观视觉和客观评价指标上均取得良好效果。     

基于非下采样contourlet变换多描述图像编码方法

提出一种基于非下采样Contourlet变换(NSCT)的多描述图像编码方法,以解决在复杂网络环境及信道受限情况下数据包丢失导致的图像质量下降问题。一幅图像经过梅花下采样会引入很多高频信息,而NSCT变换是一种具有移不变性多尺度、多方向分解的变换,这种特性更能"捕捉"高频信息。实验证明单描述图像重建效果明显,中央信道解码图像通过数据融合算法实现两描述重建,进一步改善了图像质量。     

基于NSCT域的自适应阈值遥感图像去噪方法

提出一种新的基于非下采样Contourlet变换(NSCT)的图像自适应阈值去噪方法.根据NSCT系数所在领域区域的特性,给出不同尺度不同方向的自适应咧值.仿真实验结果表明,通过本文提出的方法能够有效去除遥感图像的高斯噪声,较完整的保持图像的边缘等细节信息.与小波硬阈值、Contourlet硬阈值和基于非下采样Cont...     

基于NSCT的红外与可见光图像融合

针对红外与可见光图像特点,提出一种基于非下采样Contourlet变换(NSCT)的红外与可见光图像融合算法。该算法对源图像进行NSCT分解,得到低频分量和各带通方向子带分量;引入图像区域相关系数决策度,对低频分量和带通方向子带分量采用不同的融合规则进行融合;最后经过NSCT逆变换得到融合图像。实验证明,该方法可以更好地保留目标信息和图像细节信息。     

基于Contourlet变换和多尺度Rentinex的水下图像增强算法

针对水下图像对比度低、边缘模糊、噪声大等特点,提出一种基于非下采样Contourlet变换和多尺度Retinex的水下图像增强算法。将水下图像进行多尺度多方向的非下采样Contourlet变换;利用多尺度Retinex算法调整低频系数,提高图像整体对比度;在各带通方向子带上估计噪声,抑制模值小于阈值的系数,改进神经网络中的Sigmoid函数用于调节模值大于阈值的系数;经非下采样Contourlet逆变换得到增强图像。与几种传统增强算法相比,本算法处理的图像达到了抑制噪声、改善图像对比度、突出目标轮廓的目的,具有较高的对比度评估值。     

基于NSCT扩散的图像去噪增强方法

本文提出了一种基于非下采样Contourlet变换与非线性各向异性扩散的方法进行含噪图像的去噪和增强。首先对含噪图像进行非下采样Contourlet分解,对每个分解层的各个子带进行非线性收缩和拉伸,以达到抑制噪声和增强图像特征的目的。然后,对去噪增强后图像的Contourlet小系数进行空间域的非线性各向异性扩散,以去除由于进行非下采样Contourlet去噪所造成的为伪Gibbs现象和 side-band效应。实验结果表明,本文方法相比于无扩散的Wavelet和Contourlet方法相比,不仅对图像进行了去噪和增强,而且有效的抑制了伪Gibbs现象和 side-band效应。     

基于NSCT和PCNN的可见光与红外图像融合算法

提出了一种基于Contourlet变换的非下采样变换(Nonsubsampled ContourletTransform,NSCT)和脉冲耦合神经网络(Pulse Coupled Neural Network,PCNN)的可见光与红外图像融合算法。该算法首先对源图像进行NSCT分解,得到低频子带系数和各带通方向子带系数。然后对低频子带系数提出一种基于可见光与红外图像自身特性的加权平均融合方法,再对各带通子带系数提出基于PCNN的融合方法。最后经过NSCT逆变换得到融合图像。实验证明,该方法优于小波方法和传统的NSCT方法。