基于循环平移NACT的图像融合方法

针对应用中非下采样轮廓波冗余度过高、变换运行时间长的缺点,提出一种循环平移抗混叠轮廓波(NACT)图像融合方法。该方法利用NACT对图像进行分解,同时使用循环平移的方法提高NACT的平移不变性,有效去除融合图像在奇异点处产生的虚假信息。实验结果表明,该方法能够改进图像的融合性能,在客观指标上较NACT、NSCT等方法有所提高,视觉效果有明显改进。     

改进的NeighLevel图像去噪方法

针对复小波变换在图像方向信息表征和NeighLevel算法刻画邻域相关性的局限性,提出了一种改进的图像去噪方法。首先,利用抗混叠轮廓波自由选择方向数的特点,能更好地提取图像边缘细节,克服了复小波方向性信息表达的不足;然后用变换域邻域小波系数之间的互信息量,改进NeighLevel方法对邻域信息的表达能力。理论分析和实验结果表明,与CWT-NeighLevel相比,在噪声方差等于30~60时,峰值信噪比提高了0.6%~7.0%,且在边缘特征方面保持了良好的视觉效果。     

基于NACT和HMT模型的纹理图像检索

针对轮廓波变换方向子带中的频谱混叠现象及传统KLD方法度量隐马尔科夫模型间距离的局限性,提出结合改进KLD度量的抗混叠轮廓波隐马尔科夫树(HMT)纹理图像检索方法。利用抗混叠轮廓波变换抑制频谱混叠的特点对纹理进行分解,建立HMT模型并将其训练后的参数集视为纹理特征,利用改进KLD方法满足三角不等式的优点度量HMT模型间的距离,提高纹理图像检索精度。理论和实验结果表明,该算法的查准率比CT-HMT+传统KLD方法提高了2.81%。