结合Curvelet变换和LSWT的多聚焦图像融合算法

针对多聚焦图像,提出了一种结合二代Curvelet变换和提升静态小波变换LSWT的图像融合算法。首先将待融合的图像分别进行离散Curvelet分解变换,得到不同分解级数和方向下的细节尺度系数和粗尺度系数;其次对粗尺度系数分别进行LSWT变换,对变换得到的低频分量和高频分量分别采用不同的方法融合后进行LSWT逆变换,得到的系数作为Curvelet变换的粗尺度系数;对于Curvelet变换后得到的细节尺度系数采用局部平均能量方差的方法进行融合;最后进行Curvelet逆变换得到融合后的图像。实验结果显示,该方法融合效果较好,优于传统方法。     

基于Curvelet变换的图像质量多尺度灰评价

为了更加客观有效地评价图像质量,利用灰色关联分析理论的整体比较机制和Curvelet变换多尺度多方向分析图像特征的优点,提出一种改进的图像质量评价算法——Curvelet系数灰关联法。该算法首先在不同尺度和不同方向上得到待评价图像与参考图像之间的灰色关联度,然后对同一尺度上各个方向的关联度求均值,利用其与标准参考序列进行二次关联比较,从而从二个层次综合评价图像质量。实验表明,该方法不仅能够提供更多的质量信息,而且较PSNR评价方法,能够更好地符合人眼的主观感知。     

基于Curvelet和LBP的可变光照人脸识别

光照变化和环境噪声会引起人脸识别正确率下降。为此,提出一种基于Curvelet变换和LBP的可变光照人脸识别方法。对原始人脸图像进行Curvelet变换,对第1层低频系数,采用对数运算和局部二值模式运算克服光照影响,舍弃剩余的最高频信息子图像,以除去环境噪声和光照产生的阴影边界带有的虚假信息,利用主成分分析和线性判别分析方法进行人脸识别。仿真结果表明,该方法能有效去除光照和噪声引起的影响,具有较好的鲁棒性。     

Curvelet变换的多波段遥感图像融合研究

提出一种基于Curvelet变换的多波段遥感图像融合算法。Curvelet变换具有比小波变换更好的边缘表达,因而更适合图像的融合处理。采用具有多尺度、多方向特点的Curvelet变换对多波段遥感图像像进行分解。对于低频系数采用平均融合算法,根据高频子图边缘分布差异,对于方向高频系数采用区域边缘检测和区域谱熵算法实现多波段遥感图像的融合处理。实验结果表明,提出的算法与传统算法相比在保留原始图像边缘和纹理信息同时,可以有效地取得较好的融合视觉效果。     

齿轮视觉检测中的尺度与方向相关性联合降噪

建立了小模数齿轮视觉检测系统用于小模数齿轮的工业测量。针对该系统在标定过程对图像降噪的需求,提出了基于Curvelet变换的域尺度与方向相关性联合降噪算法。首先,介绍了Curvelet变换的原理和过程;根据齿轮自身的对称性特点提出了利用尺度和方向间相关性的联合降噪算法,并计算了对应的参数。然后,比较了不同噪声情况下该算法的处理效果。最后,同3种常见的降噪算法（高斯滤波,小波降噪,普通的Curvelet阈值降噪）进行了比较。结果显示：经相关性联合降噪算法处理后的峰值信噪比（PSNR）优于高斯滤波6 db以上;优于小波变换降噪3 db以上;优于阈值降噪8 db以上。处理结果表明：提出的算法可较好地保持齿轮边缘效果,可满足小模数齿轮视觉检测系统后期摄像机自标定图像质量的需求。     

基于区域特性的Curvelet变换图像融合算法

为克服小波变换在二维或更高维度空间分析中的缺陷,提高图像融合质量,提出基于二代Curvelet变换的图像融合改进算法。引入可以有效分析图像中的曲线奇异性,能更加合理处理图像边缘信息的Curvelet变换对图像进行分解,对图像分解后的低频部分采用自适应阈值的区域方差高斯加权融合方法,增加图像像素之间的关联,并有效保留细节和边缘。对高频部分采用区域能量融合方法来降低噪声,增强图像的细节。采用该算法对多组不同图像进行融合实验,并用信息熵、交叉熵、相关系数、空间频率等对融合图像进行客观评价。实验结果表明,该算法优于传统的融合规则和算法,能在保持更好清晰度的同时获得更丰富的图像内容。     

基于Curvelet变换的图像融合算法

针对Curvelet分解的不同频率域,分别讨论了低频系数和高频系数的选择原则。在选择低频系数时,定义了局部区域标准方差,采用了“选择”与“平均”相结合的系数选择方案;在选择高频系数时,充分利用Curvelet变换具有方向性的优点,提出了Curvelet域方向对比度的概念,并给出了基于方向对比度的系数选择方案。实验结果表明:本文所给出的融合算法能够很好地保留多幅源图像中的有用信息,得到多个目标聚焦都很清晰的图像。     

基于Curvelet变换的多次波去除技术

本文基于波动方程的自由表面多次波压制预测减去法,采用近期迅速发展的多尺度变换系统中的Curvelet变换替代减去法,收到了较好的效果。该变换具有最优稀疏约束条件,能使一次波在一组基函数上的投影能量尽可能小。其主要实现过程为:对地震记录数据进行Curvelet变换,以预测多次波的Curvelet域的系数为阈值,采用类似去噪的手段去除多次波。该方法能满足去除多次波过程的能量最小准则。文中在Curvelet算法数值实验中尝试了先把地震记录做Radon变换,并用Curvelet阈值法减去Radon域的多次波,再把去除了多次波的数据做反Radon变换即为多次波去除结果。数值实验结果表明,在Radon域进行Curvelet变换去除多次波的效果更好,并能更好地保留一次波的能量。     

基于二代Curvelet变换的红外与可见光图像融合

针对红外与可见光成像传感器的物理特性,提出了一种基于二代Curvelet变换的图像融合算法.首先对原始图像分别进行快速离散Curvelet变换,得到不同尺度与方向下的子带系数.对低频子带系数,根据红外图像的目标特性与可见光图像的细节信息确定其融合权值;对不同尺度与方向下的高频子带系数,采用基于局部区域能量匹配的融合规则.最后经Curvelet逆变换得到融合结果.实验结果表明,该算法可以有效地综合可见光与红外图像中的重要信息,其融合结果较典型的基于塔式分解与基于小波变换的图像融合算法,在主观视觉效果与客观评价指标上均有所改善.     

改进的基于Curvelet变换的遥感图像融合方法

为了提高图像的视觉效果,提出了一种改进的基于Curvelet变换的图像融合方法.首先对全色图像进行增强,使图像的细节信息得到加强,再采用Curvelet变换与IHS变换结合的方法对增强后的图像进行融合。该算法既有效的保留了空间信息又抑制了光谱扭曲.结果表明,和常用的小波融合算法相比,笔者提出的融合方法在光谱信息的保持与空间细节信息的增强两个方面的综合性能得到提高,具有更好的效果.