抗混叠塔型变换的构造

 针对Contourlet变换存在的频谱混叠,提出了一种抗混叠塔型变换,即Non-aliasing Pyramidal Transform-NA-D变换.NAP变换由抗混叠塔式滤波器组(Non-aliasing Filter Banks:NPFB)和方向滤波器组(Directional Filter Banks:DFB)组成,NPFB首先将图像分解为多个不同分辨率的细节子带和一个低频子带,DFB再将各细节子带分解为方向子带.通过设计满足Nyquist采样定理的滤波器,NA-D变换有效地抑制了Contourlet变换的频谱混叠,基函数不仅具有"多分辨率"、"多方向"、"局域性"等特性,满足各向异性尺度关系,而且空频域正则形和局域性均明显优于Contourlet变换.硬阈值去噪实验的结果表明,NAP变换能够更为稀疏的表示图像,并在去噪性能上较Contourlet变换有较大提高.     

基于CHMM 的尖锐频率局部化Contourlet 域图像去噪

提出了一种基于上下文信息隐马尔科夫模型（CHMM）的尖锐频率局部化Contourlet 域图像去噪方法。首先,对噪声图像进行循环平移操作,再利用尖锐频率局部化Contourlet 变换对平移后的图像进行分解,解决了原始Contourlet 变换频率非局部化及缺乏平移不变性的问题,抑制图像在奇异点处产生的伪吉布斯现象。然后,设计一种新的上下文构造方案,针对图像高频子带系数构建CHMM 进行去噪处理。最后,执行尖锐频率局部化Contourlet 逆变换以及逆向循环平移操作获得最终的去噪图像。文中方法采用有效的变换机制并利用上下文信息构建了一个全面的统计相关模型,充分表达了轮廓波高频子带系数在尺度间的持续性、尺度内的多方向选择性和空间邻域内的能量聚集特性,更加有利于图像的去噪处理。实验结果表明:该方法在提高去噪图像PSNR 值的同时进一步改善了其视觉效果,去噪性能优于基于小波变换和原始Contourlet 变换的去噪方法。     

非下抽样抗混叠Contourlet变换及其自适应阈值去噪

针对Contourlet变换在频谱混叠及平移不变性方面存在的局限性,提出了一种非下抽样抗混叠Contourlet变换(NS-NACT),其由非下抽样抗混叠塔式滤波器组(NS-NPFB)和非下抽样方向滤波器组(UDFB)构成。基于此,研究了一种基于自适应阈值调节的去噪算法。实验研究结果表明,当噪声方差σ=30时,通过本文算法去噪后的图像,不仅峰值信噪比(PSNR)较非抽样小波和Contourlet分别高出0.65dB和3.47dB,而且有效抑制了Contourlet变换去噪后的Gibbs现象,同时还可以更好地保留图像的边缘和细节,去噪效果更佳。     

复小波包域复数高斯尺度混合模型图像降噪

提出一种基于四树复小波包变换(QCWPT)复数高斯尺度混合(CGSM)模型的图像去噪新方法。含噪图像经多尺度QCWPT被分解成一个低频复数逼近子图和若干高频复数方向细节子图。在大尺度下,可认为低频逼近子图为信号复系数予以保留;对各尺度复数方向子图按照对数熵代价函数确定最优复小波包基。把能很好刻画小波系数边缘分布形状和局部邻域强相关性的高斯尺度混合(GSM)模型扩展到复小波域,新的CGSM模型具有很好刻画图像幅值和相位信息的能力,并利用该模型对复系数进行贝叶斯最小均方(BLS)估计,从而实现去噪目的。实验结果表明,无论是峰值信噪比(PSNR)指标还是视觉效果,本文方法的去噪性能均好于双树复小波变换(DCWT)、QCWPT和小波域GSM模型去噪,并且在有效去噪的同时,具有很好的图像边缘和细节保护能力。     

基于SWBC变换尺度相关性的红外图像阈值降噪

针对传统图像降噪算法无法较好处理红外图像中的噪声问题,提出了一种基于SWBC(Stationary Wavelet-based Contourlet)变换尺度相关性的红外图像阈值降噪算法。本文分析红外图像信号和噪声在SWBC变换域各尺度上的能量分布特性,改进一般降噪算法对所有子带均进行处理的做法,只对高频子带系数进行降噪处理。同时为增加SWBC系数阈值判断的准确性,本文算法对每个系数设置不同的阈值,结合尺度相关特性,对系数进行双重判断。使用不同的含噪红外图像对本文算法进行检验。实验结果表明,相比于WBC尺度间硬阈值降噪、WBC尺度间自适应阈值降噪和WBC尺度相关性降噪,本文算法能获得更高的SNR提升,且SSIM值也更接近于1。     

基于尺度间和尺度内相关性的平稳小波红外图像去噪

提出了一种基于尺度间和尺度内相关性的平稳小波变换红外图像去噪方法.首先对红外图像进行离散平稳小波变换,分别对各个分解层的高频子带,利用不同尺度小波系数形成的系数向量,通过线性最小均方误差估计小波系数,获得各个高频子带的估计系数,再利用小波系数尺度内的邻域相关性对小波系数进行修正,然后通过小波反变换得到去噪图像.仿真结果表明,考虑尺度间和尺度内相关性的平稳小波红外图像去噪算法能有效地去除红外图像噪声,在信噪比和视觉质量上要优于单纯考虑尺度间相关性的去噪方法.     

基于Contourlet变换的带噪图像增强方法

为了解决带噪图像增强中抑制噪声和增强边缘细节的矛盾,提出一种基于Contourlet变换的带噪图像增强方法。Contourlet变换具有多分辨率、局部定位性、多方向、各向异性等特点,比小波变换更能有效地捕获图像中的高维奇异性。根据这一特点,本文综合考虑变换后系数尺度间和尺度内的依赖性,先在Contourlet变换域中设置自适应阈值抑制噪声;在此基础上,应用广义非线性增益函数来提高较弱细节的局部对比度。实验结果表明,该算法较好的抑制噪声,增强图像细节对比度。     

基于方向滤波器组的Contourlet变换频谱混叠特性研究

通过对方向滤波器组（DFB）及Laplace塔形变换（LP变换）的分析研究，阐明Contourlet变换的频谱混叠是源于LP变换中两个低通滤波器不满足Nyquist抽样定律，致使阻带截至频率大于π／2所引起。基此，研究并提出了一种抗混叠的Contourlet变换，即N-Contourlet变换，通过设计满足Nyquist抽样定律的低通滤波器，以避免LP变换中因下抽样所造成的混叠。N-Contourlet变换满足完全重构特性，且能有效地抑制原Contourlet变换中的频谱混叠，频域局域性较好。硬阈值去噪实验研究结果表明，对于标准的Lena图像，在噪声方差σ=40时，N-Contourlet变换的去噪效果不仅PSNR高出Contourlet变换2．51dB，而且还能有效地抑制了Contourlet变换去噪后的“划痕”现象，图像的视觉效果更佳。     

基于Contourlet域K-L变换的SAR图像相干斑抑制

针对SAR图像相干斑噪声去除问题,提出了一种基于多尺度分解的Contourlet域K-L变换的SAR图像去噪的新方法。方法首先对源图像进行Contourlet分解,在不同频段的子带图像中,利用K-L变换进行能量保持即提出信号的主要特征,用重构图像来进行去噪,最后通过Contourlet逆变换得到去噪之后的图像。在SAR图像上的实验结果表明,方法不仅较好地保持了图像的纹理和细节特征及边缘特征,且信噪比也较高。     

基于尺度间和尺度内相关陛的平稳小波红外图像去噪

提出了一种基于尺度间和尺度内相关性的平稳小波变换红外图像去噪方法。首先对红外图像进行离散平稳小波变换，分别对各个分解层的高频子带，利用不同尺度小波系数形成的系数向量，通过线性最小均方误差估计小波系数，获得各个高频子带的估计系数，再利用小波系数尺度内的邻域相关性对小波系数进行修正，然后通过小波反变换得到去噪图像。仿真结果表明，考虑尺度间和尺度内相关性的平稳小波红外图像去噪算法能有效地去除红外图像噪声，在信噪比和视觉质量上要优于单纯考虑尺度间相关性的去噪方法。     

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。     

Contourlet变换在可见光与红外图像融合中的应用

Contourle变换是一种新的图像多尺度,多方向的表示方法,适合表达具有丰富细节信息及方向信息的图像。它的高频方向子带,捕获了许多传感器图像的显著特征。为了实现红外与可见光图像的融合,采用一种基于Contourlet变换的融合算法,对不同的融合规则对低频子带和多方向的高频子带系数进行融合。对比实验结果表明,在此提出的方法可以获得较好的融合效果,优于基于小波变换的图像融合算法。     

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。     

基于小波系数相关性的图像融合新方法

文中在阐述小波变换原理的基础上,针对融合算子的构造,给出了一种新的基于小波系数相关性的融合方法。以分解后的高频子图像的区域均值、方差、协方差统计参量构造匹配度和加权因子,以此对高频子图像的对应区域进行融合计算;低频部分采取加权平均融合规则;最后,通过小波逆变换得到融合图像。用熵、交叉熵和交互信息量对融合结果进行了客观评价,并与其它几种算法进行了比较。实验结果表明,此方法融合效果要优于一般融合方法,计算也比较简单,有一定的工程实用价值。     

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。     

一种基于mean shift的Contourlet域SAR图像去噪方法

Contourlet变换是小波变换的新发展,具有良好的多尺度和多方向性。合成孔径雷达(SAR)图像Contourlet阈值去噪不考虑相邻像素在变换域的联系,将低于阈值的变换系数置零,会丢失图像中的细节信息。针对上述问题,文中提出一种新的去噪算法:首先,将SAR图像进行Contourlet分解;然后,利用具有良好间断点保留能力的mean shift算法处理子带系数。实验结果证实该算法能够在有效抑制相干斑噪声的同时,较好地保留图像中的细节信息。