具有多方向选择性的小波构造

在二维离散希尔伯特空间中构造了一种具有简单细胞感受野特性的多方向低冗余度小波.该小波的频谱具有扇形支撑区,因此本文称之为扇形方向小波(fanlet).Fanlet变换通过圆周对称多分辨率分解和方向滤波器组实现,它将图像分解为多分辨率多方向子带.利用遗传算法设计fanlet变换中满足重构条件的圆周对称滤波器组.与轮廓波(contourlet)相比,Fanlet的光滑度高,并且没有频谱混淆现象.实验结果表明,利用fanlet进行图像去噪,其峰值信噪比和视觉效果均优于contourlet.     

NSCT域内基于自适应PCNN的图像融合新方法

论文结合非下采样contourlet变换（NSCT）的平移不变性、多尺度、多方向特性和脉冲耦合神经网络(PCNN)的同步脉冲发放、捕获特性,提出在NSCT域中基于PCNN的图像融合框架。对于低频子带,利用改进拉普拉斯能量和作为特征激励PCNN;对于高频方向子带,采用改进的空间频率作为PCNN的外部激励;同时利用各子带图像的平均梯度自适应调节PCNN的链接强度,最后,选取具有较大点火次数的系数作为融合图像的系数,经逆NSCT变换重构融合图像。实验结果表明本文方法无论在主观视觉还是客观评价标准上都要优于传统的基于小波变换、contourlet变换、PCNN的图像融合方法。      

改进的contourlet变换域隐马尔可夫树模型

Contourlet域隐马尔科夫树(C_HMT)模型不但可以描述尺度间的相关性,而且可以对方向子带间contourlet系数的相关性做出统计描述,是一种比小波域HMT模型更为有效的系数相关性描述方法.本文提出了一种改进的contourlet变换域HMT模型,节点的状态不只依赖于其父节点的状态,而且兼顾到其父节点相邻节点的状态.这种模型可以进一步捕捉尺度间contourlet变换系数更为丰富的相关性,从而能够更准确和有效的刻画contourlet变换系数的非高斯性和持续性.将该模型应用于图像的去噪,并与另外几种典型的去噪算法作定性比较,验证了本文提出的改进的C_HMT模型在图像去噪性能方面有一定的优越性.     

基于无下采样小波-Contourlet变换的图像融合算法

针对目前最新发展的无下采样Contourlet变换,同时具有方向性、各向异性和平移不变性的特点,并结合多孔小波变换的优点,提出了一种新的基于无下采样小波-Contourlet变换图像融合算法.通过对航空图像进行无下采样小波-Contourlet变换的多分辨分解得到高频和低频系数,并根据不同分解面的系数特性,采用不同的加权融合规则进行融合.实验结果表明,此方法相对于传统的变换法,取得了更佳的融合结果.     

基于Q-Shift DT-CWT的多聚焦图像融合研究

提出了一种基于Q-Shift双树复小波变换的多聚焦图像融合算法.根据多聚焦图像的成像特点和变换后的高低频系数相关性,对高频系数采用＂模值绝对值和取大＂和对低频系数采用＂局部区域标准方差取大＂的融合准则,并对高频融合系数进行一致性检测,以实现尽可能直接选择源图像中的清晰区域系数作为融合图像对应位置的系数.实验结果表明,该融合方法获得了很好的融合效果,与小波变换相比,充分显示了近似的平移不变性和良好方向选择性等特性.     

多小波变换在夜视图像融合算法中的应用

从微光图像和红外图像的特点出发,提出了一种基于多小波变换的夜视图像融合算法.该方法先对夜视图像进行多小波变换得到各子带的多小波系数,其低频系数采用自适应加权融合算子进行融合,高频系数先进行阈值去噪和子带增强,再采用基于频带方向的融合算子进行融合,经多小波逆变换后得到融合图像.实验结果表明,本文算法与单小波融合算法、传统融合算法相比,得到的图像能更好地突出图像的边缘特征,增强图像的可视性和清晰度,并在信息熵、峰值信噪比等客观性能指标上取得了显著的改善.     

基于贝叶斯估计的多分辨图像滤波方法

图像的小波系数具有很强的非高斯统计特性,可以建立推广的拉普拉斯先验分布,用贝叶斯估计对图像小波系数滤波来达到降噪目的.由于正交小波的正交性质能够保证白噪声干扰图像的小波系数所包含的噪声是白色的,基于正交小波变换的贝叶斯估计有较好的降噪性能.     

一种基于小波域系数收缩的图像降噪改进算法

本文根据小波变换中分解级数与噪声在小波域中的特性,利用具有平移不变性的稳态小波分解方法,将Donoho的小波系数收缩算法用于局部小波系数的处理,并提出了一种具有自适应特性的阈值设定方法.这种方法由于考虑到了局部小波系数的变化特点和图像中信息分布的不均匀性,对加性高斯白噪声的去除具有很好的效果.     

基于自然图像统计特性的拼接图像检测算法

图像拼接被认为是最基本和最主要的图像非法编辑操作.拼接图像检测的关键问题之一是提取拼接图像有别于自然图像的区分性特征,将其转化为模式识别问题.本文从自然图像DCT 变换系数的统计特性出发,分别应用高斯分布和广义高斯分布来建立其直流分量和交流分量的统计分布模型,同时结合图像小波变换系数的能量分布特性,提取模型参数和小波域的能量分布特性形成特征向量,送入支持向量机,实现对拼接图像和自然图像的分类和检测.实验结果表明,本文算法达到了平均80%的准确率,性能优于Ng提出的基于双相干特征的拼接图像检测算法.     

基于contourlet变换和模糊理论的图像融合算法

提出一种基于Contourlet变换和模糊理论的红外与可见光图像融合算法。首先,对源图像进行Contourlet变换;随后对低频和高频的小波系数采用不同的融合规则,即低频部分采用基于模糊集的自适应加权融合方法,高频部分采用基于区域小波能量加权的方法;最后再通过contourlet逆变换,获得融合图像。实验结果表明该算法能够较好地保留源图像的细节信息,具有较好的视觉效果,是一种有效实用的方法。     

Directional multiscale modeling of images using the contourlet transform.

The contourlet transform is a new two-dimensional extension of the wavelet transform using multiscale and directional filter banks. The contourlet expansion is composed of basis images oriented at various directions in multiple scales, with flexible aspect ratios. Given this rich set of basis images, the contourlet transform effectively captures smooth contours that are the dominant feature in natural images. We begin with a detailed study on the statistics of the contourlet coefficients of natural images: using histograms to estimate the marginal and joint distributions and mutual information to measure the dependencies between coefficients. This study reveals the highly non-Gaussian marginal statistics and strong interlocation, interscale, and interdirection dependencies of contourlet coefficients. We also find that conditioned on the magnitudes of their generalized neighborhood coefficients, contourlet coefficients can be approximately modeled as Gaussian random variables. Based on these findings, we model contourlet coefficients using a hidden Markov tree (HMT) model with Gaussian mixtures that can capture all interscale, interdirection, and interlocation dependencies. We present experimental results using this model in image denoising and texture retrieval applications. In denoising, the contourlet HMT outperforms other wavelet methods in terms of visual quality, especially around edges. In texture retrieval, it shows improvements in performance for various oriented textures.     

一种基于小波-Contourlet变换的图像去噪算法

提出了一种基于小波-Contourlet变换的图像去噪算法.实验证明,该算法相对于小波变换和Contourlet变换能更稀疏的表达图像,并利用此优越性进行图像去噪,可以达到更好的效果和更高的PSNR值.     

基于均匀离散曲波变换的多聚焦图像融合

利用均匀离散曲波变换（UDCT）多尺度、多方向、低冗余等特征,提出了一种新的多聚焦图像融合方法。首先使用UDCT对源图像进行多频带分解;然后根据多聚焦图像的特点,对分解后的低频子带系数运用一种基于改进拉普拉斯和算子的方案进行融合,对高频方向子带系数运用基于局部能量的融合规则进行融合,并对融合系数做一致性检测;最后重建各子带系数得到融合图像。实验结果表明:所提方法可以有效地融合源图像中的方向信息和细节特征,同时抑制了融合图像中的伪Gibbs现象;与基于拉普拉斯金字塔分解、小波变换以及轮廓波变换的图像融合方法相比,该方法取得了更好的视觉效果和量化结果。     

一种基于非采样Contourlet变换红外图像与可见光图像融合算法

针对同一场景红外图像与可见光图像的融合问题,提出了一种基于非采样Contourlet变换(Nonsubsampled Contourlet Transform,NSCT)图像融合算法.算法首先采用NSCT对源图像进行多尺度、多方向分解,得到低频子带系数和各带通方向子带系数.然后,针对低频子带系数的选择,提出了一种基于红外图像与可见光图像物理特征的"加权平均"系数选择方案;针对各带通方向子带系数的选择,结合人眼视觉特性,提出了一种基于区域能量匹配的系数选择方案,得到融合图像的NSCT系数.最后经过NSCT逆变换得到融合图像.实验结果表明该算法可获得较理想的融合图像,其融合效果优于传统的基于离散小波变换以及离散小波框架变换的图像融合算法.     

Image compressed sensing based on wavelet transform in contourlet domain

Compressed sensing (CS) has been widely concerned and sparsity of a signal plays a crucial role in CS to exactly recover signals. Contourlet transform provides sparse representations for images, so an algorithm of CS reconstruction based on contourlet is considered. Meanwhile, taking into account the computation and the storage of large random measurement matrices in the CS framework, we are trying to introduce the wavelet transform into the contourlet domain to reduce the size of random measurement matrices. Several numerical experiments demonstrate that this idea is feasible. The proposed algorithm possesses the following advantages: reduced size of random measurement matrix and improved recovered performance.     

冗余轮廓波变换的构造及其在SAR图像降斑中的应用

构造了由非抽样塔式分解和方向滤波器组实现的冗余轮廓波变换。文中利用McClellan变换设计非抽样塔式分解中满足精确重构条件的圆对称滤波器组。利用冗余轮廓波变换系数的自适应局部统计模型及最大后验概率法对SAR图像进行降斑处理,并与基于平稳小波和轮廓波变换的降斑算法进行比较。结果表明,提出的算法能有效地去除散斑噪声,并且具有更强的边缘保持能力。     

改进的多尺度压缩感知方案

传统多尺度压缩感知方案只对设定的小波变换系数采样,不用于采样的小波系数直接置零,造成重建图像边缘粗糙,影响图像重建质量。针对该问题,提出了一种改进的多尺度压缩感知方案。新方案在原方案获得的重建图像基础上,通过轮廓波变换对重建图像进行图像插值,在保持重建得到的小波系数不变的同时估计出原来被直接置零的小波系数,从而改进了图像重建质量。通过仿真实验证明了改进的多尺度压缩感知方案的有效性,并且与传统多尺度压缩感知方案相比能得到效果更好的重建图像。     

基于Contourlet变换和IPCNN的融合算法及其在可见光与红外线图像融合中的应用

针对多传感器图像融合这一图像处理领域中的研究热点问题,提出了一种基于Contourlet变换和IPCNN的融合方法.该融合方法首先利用Contourlet对输入图像进行多尺度、多方向稀疏分解,准确地捕获图像中的二维或高维奇异信息,然后在Contourlet域充分利用IPCNN的同步激发特性,进行基于IPCNN的融合策略设计,提高了融合效果.仿真结果表明,该算法具有很好的融合效果.     

抗混叠轮廓波变换及其在图像融合中的应用

研究了原始轮廓波变换的频谱混叠问题,设计出能抑制混叠的多尺度分解方案,结合方向滤波器组,实现了一种抗混叠的轮廓波变换.在此基础上,提出了新颖的基于抗混叠轮廓波变换的图像融合算法.该算法通过邻域一致性测度的计算,实现了变换系数的局部自适应融合.实验结果表明,所提出的方法在视觉质量及定量指标上都优于基于小波变换和轮廓波变换的传统方法.     

基于Contourlet变换的红外图像序列小目标检测技术

Contourlet变换具有多尺度,多方向性的特征,是小波的一种扩展.本文提出了一种基于Contourlet变换的红外小目标检测算法.首先对图像进行Contourlet分解;然后利用能量法提取其局部纹理特征,并计算各点的特征向量与中心向量问的距离,得到一个相关的多尺度距离像;最后根据该距离像进行直方图统计,从而实现目标的检测.文中给出了实验结果,并与基于小波变换的红外小目标检测算法进行了比较,结果表明,本方法能较精确地检测出红外小目标,优于基于小波变换的方法.