一种基于小波的Contourlet变换的边缘保持图像压缩算法

本文针对JPEG2000图像压缩不能有效保护图像边缘的局限,提出了一种基于小波的Contourlet变换和改进的多级树集合分裂(SPIHT)压缩算法.在Contourlet变换中采用小波变换取代拉普拉斯塔式变换获得了非冗余基于小波的Contourlet变换,它通过方向滤波器组把小波变换的高频子带进一步分解为多个方向子带,从而更稀疏地表示了图像的边缘和纹理.通过使用边缘检测器SUSAN提取图像的边缘特佂,然后使用基于小波的Contourlet变换对原图像进行域变换,把像素由空间域映射到变换域.最后由改进的SPIHT编码,有效的保持了图像的边缘,实验结果表明解压图像有很好的重建质量.     

一种基于小波的Contourlet变换的图像压缩算法

针对JPEG2000图像压缩不能有效地保护图像边缘的局限，提出了一种结合基于小波的Contourlet变换与最优截断嵌入码块编码（EBCOT）的静止图像压缩算法（CEBCOT）．在Contourlet变换中采用小波变换取代拉普拉斯塔式变换获得了非冗余基于小波的Contourlet变换，它通过方向滤波器组把小波变换的高频子带进一步分解为多个方向子带，从而更稀疏地表示了图像的边缘和纹理．CEBCOT采用了改进的EBCOT编码，它依照方向子带大小进行编码块分割，提高了编码性能．实验结果表明，相对于JPEG2000，所提出的算法获得的压缩图像边缘更加清晰，峰值信噪比提高了0．1～0．8dB．     

基于多小波和非下采样Contourlet变换的纹理检索

为了更有效地进行纹理图像检索,提出了一种新的基于多小波变换和非下采样Contourlet变换相结合的纹理图像检索方法.首先,采用多小波对图像进行多尺度分解以便保证变换平移不变性的同时也消除变换的冗余性;然后,将所得的高频子带采用非下采样方向滤波器组进行多方向分解,计算低频子带和各层方向子带的一阶几何矩作为纹理特征;最后...     

基于光学多尺度几何分析的图像压缩去噪

基于变换的图像压缩方法应用较为广泛,小波在表示图像的边缘或纹理时,会产生大量的能量较大的系数。采用多尺度几何分析对图像进行稀疏展开,使变换具有强的非线性逼近能力。图像经过非下采样Contourlet变换转换成一种多尺度的、多方向和多分辨的表示形式再进行统计分析。利用图像系数相关性,不仅降低图像的维数,使弱的边缘细节能从噪声中被筛选出来,而且达到压缩去噪的目的。实验结果表明,采用该方法去噪后的图像处理效果很好,适用于高分辨率图像去噪。     

非抽样复Contourlet变换的构造及其图像去噪应用

为克服Contourlet变换由于缺乏平移不变性而在图像去噪等应用中存在的局限性,并利用其高度的方向性和各向异性,对原始的Contourlet变换加以改进,构造一种非抽样复Contourlet变换.该变换利用二维双树复小波变换和非抽样方向滤波器组分别进行多分辨率分析和方向分解,从而实现了Contourlet的复数变换.对图像去噪的实验结果表明,该变换除具有低冗余度和平移不变性外,还具有更丰富的方向分量,能够在去噪过程中有效地抑制伪Gibbs现象,更好地保护图像边缘和纹理等细节.其PSNR值和视觉质量均优于一般的去噪方法.     

基于Contourlet变换的图像匹配算法

Contourlet变换结合了不可分离的方向滤波器组,具备多尺度和多方向特性,能有效地捕获到图像中的轮廓.提出了一种图像匹配算法,该算法充分利用了图像Contourlet变换系数的特征,形成描述纹理特征的特征向量,并将其作为匹配的特征向量,然后将该方法与基于小波变换纹理分析的方法进行了比较,试验结果表明:在Contourlet变换域上的匹配高于在小波域上的匹配,从而验证了该方法的可行性.     

多尺度和多方向特征的图像去噪

提出一种基于多尺度和多方向的自适应图像阈值去噪方法。先对图像进行非下采样Contourlet变换得到不同尺度和不同方向上的变换系数,然后根据变换系数特征,引入尺度和方向阈值因子,用分解尺度系数的均值和区域能量表示图像的纹理信息。在相同分解尺度下,区域能量越大,表示该方向具有更多的纹理信息,阈值应该设置就越低,反之阈值就越大。根据尺度和方向阈值因子,自适应地确定图像去噪的阈值。最后对变换系数进行反变换,实现图像去噪。实验结果表明,与小波变换和Contourlet变换相比,保留了更多的图像轮廓细节,提高了图像的质量。     

基于Contourlet变换的医学图像检索

针对医学图像特点,提出了一种基于纹理的医学图像检索算法.Contourlet变换结合了不可分离的方向滤波器组,具备多尺度和多方向特性,能有效地捕获到图像中的轮廓,并对其进行稀疏表示.本算法充分利用图像Contourlet变换系数的统计特征,形成描述纹理特征的特征向量,并将其作为检索的特征向量.采用上述算法对CT图像数据库进行了检索实验,并与基于小波变换纹理分析方法进行了比较.结果表明,在Contourlet变换域上检索查准率高于在小波域上的查准率,从而验证了该算法具有良好的检索性能.     

低比特率Bandelet域图像压缩编码算法研究

Bandelet变换是一种优秀的多尺度几何分析工具,其不仅具有良好的方向性和各向异性,而且能够自适应跟踪图像的几何正则方向.以第二代Bandelet变换为基础,结合Bandelet变换系数分布特性,通过建立最小四叉树、确定最佳量化阈值、构造Bandelet系数自适应扫描方式等措施,提出了一种新的Bandelet变换域图像编码方案.该图像压缩编码方案首先对原始图像进行二维Bandelet变换,并对最低频子带小波系数进行DPCM编码;然后构造最小四叉树并进行四叉树编码,同时进行最佳几何流编码;最后结合最佳量化阈值确定、高频子带自适应扫描等措施,对Bandelet系数进行均匀量化编码.实验结果表明,提出的Bandelet变换域图像编码方法是一种高效的图像压缩算法,不仅其压缩效果明显优于SPIHT、Peyré等图像压缩方案(特别是低比特率下),而且具有比较强的通用性与适应性.     

一种基于Contourlet变换的图像边缘检测方法

基于小波变换域图像边缘检测算法只能有效检测出图像有限方向的边缘,而且这种算法所得到的边缘图像往往出现断裂现象.Contourlet变换是一种新的多尺度几何分析方法,它不仅拥有小波变换的时频局域特性和多分辨率特性,而且还具有很好的方向性和各向异性.提出一种新的基于Contourlet变换的边缘检测算法.仿真结果表明,该算法对图像边缘细节的提取比基于小波的图像边缘检测方法更加丰富,且具有较好的连续性.     

基于方向小波变换的高斯噪声图像恢复方法

提出一种基于方向小波变换的相关和阈值去噪方法,恢复高斯噪声图像.方向小波去掉了标准二维小波变换仅沿水平和竖直两个方向的限制,可沿任意方向变换,这种多方向组合变换方法有利于削弱Gibbs效应,对去噪后图像的边界保护具有积极作用.实验结果表明,相对于标准小波变换,该方法无论是PSNR值还是视觉效果都较原有的方法更好.     

基于非下采样Contourlet变换的自适应阈值图像去噪方法

Contourlet变换是一种真正的图像二维表示方法,具有方向性和各向异性,能稀疏地表示图像。但Contourlet变换不具备平移不变性,图像去噪时会存在伪Gibbs现象。为了克服这种不足,在Contourlet变换基础上,构建了非下采样Contourlet变换,首先将图像进行非下采样Contourlet变换,接着运用自适应阈值进行去噪处理,然后进行非下采样Contourlet逆变换,得到去噪后图像。实验结果表明,采用非下采样Contourlet变换方法能有效去除图像噪声,并能保持图像纹理细节,提高图像信噪比,视觉效果好,其去噪效果优于传统小波及Contourlet去噪效果。     

一种基于三维小波变换的视频图像消噪新方法

根据视频图像帧与帧之间在多数情况下存在较强相关性的特点，提出了一种基于三维小波变换的视频图像消噪方法。将被加性平稳高斯噪声污染的连续几帧视频图像进行帧间一维小波变换，根据变换后各帧的特点．采用不同的方法分别进行消噪；对变换后的低频帧进行帧内二维小波变换，在小波域中采用自适应阈值进行消噪；对变换后的其余各高频帧直接采用固定阈值进行消噪。实验结果表明该方法消噪效果较好。     

一种基于三维小波变换的视频图像消噪新方法

根据视频图像帧与帧之间在多数情况下存在较强相关性的特点,提出了一种基于三维小波变换的视频图像消噪方法。将被加性平稳高斯噪声污染的连续几帧视频图像进行帧间一维小波变换,根据变换后各帧的特点,采用不同的方法分别进行消噪：对变换后的低频帧进行帧内二维小波变换,在小波域中采用自适应阈值进行消噪;对变换后的其余各高频帧直接采用固定阈值进行消噪。实验结果表明该方法消噪效果较好     

A robust watermarking algorithm based on significant-tree in Contourlet domain

An adaptive algorithm operating in the Contourlet domain is presented. Contourlet is a new image sparse representation, which is better than a wavelet for piecewise smooth images with smooth contours. Because of flexible multiresolution, local and directional sensitivity of Contourlet transform, our approach also defines significant-tree in the Contourlet domain. By analyzing the relation of the Contourlet coefficients, we embed the watermarking into all the coefficients of each significant-tree. Then referring to the statistical properties of the coefficients, the masking characteristics of texture are defined for adaptively controlling the embedding strength. Experimental results show that the proposed algorithm is highly robust to various attacks, such as JPEG compression, medium filtering, cropping and rotation. Furthermore, comparisons with a classical method in the wavelet domain prove the validity of the new algorithm.     

基于Curvelet变换的自适应阈值图像去噪方法

与小波变换相比,Curvelet变换能更好地表达图像的边缘和细节,因此更适合做图像处理.提出了一种基于第二代Curvelet变换的自适应阈值图像去噪方法,采用不同的阈值自适应地对不同尺度和方向的Curvelet系数进行阈值处理.实验结果表明,提出的方法在去除噪声的同时,能更好地保留图像的细节.去噪后的图像有更高的峰值信噪比和更好的视觉效果.     

一种基于非降采样Contourlet变换的遥感图像融合方法

给出了一种非降采样Contourlet变换和HIS变换相结合的遥感图像融合算法.非降采样Contourlet变换是一种平移不变的小波变换方法,且具有良好的方向选择性,其对图像做多分辨率分析得到的高频子带,有效地表达了图像中的细节特征信息.结合HIS变换,非降采样Contourlet变换将细节注入到多光谱图像得到的融合图像,不但具有较高的空间分辨率,而且有效保持了多光谱图像的光谱特征.实际的SPOT全色图像和TM多光谱波段融合结果表明,所提议方法的性能优于目前广泛使用的小波域方法如离散小波变换和A Trous小波变换以及Contourlet变换等融合方法.