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%。     

抗混叠轮廓波HMT模型的医学图像融合

为了更好地对医学图像进行融合,提出了一种利用抗混叠轮廓波HMT模型的图像融合新算法。该算法首先对原始轮廓波变换的频谱混叠问题展开研究,明确LP分解中的两个低通滤波器不满足Nyquist抽样定律是造成混叠的主要原因。接着,在对低通滤波器考虑带限约束条件下,设计了一种能抑制混叠的利用双通道滤波器组结构的多尺度分解方案,用于代替原始轮廓波变换的LP分解,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,提出一种采用隐马尔可夫树（HMT）来刻划变换系数尺度间相关性的医学图像成像模型,并以期望最大化算法估计模型参数,得到融合图像。CT与MR图像以及MR-T1与MR-T2图像的融合实验表明,该算法的融合结果无论在视觉质量及定量指标上都明显优于基于小波变换和原始轮廓波变换的方法。     

Contourlet-1.3纹理图像检索系统

针对轮廓波变换纹理图像检索系统检索率较低的问题,提出了一种基于较强抗混叠能力的Contourlet-1.3纹理图像检索系统。该系统采用的Contourlet-1.3变换由抗混叠临界下采样拉普拉斯金字塔级联临界下采样方向滤波器构成,特征向量采用变换域子带系数的能量和标准偏差连接而成,以Canberra距离为相似度度量标准。实验结果表明：在特征向量长度、检索时间、所需存储空间基本相同的情况下,基于抗混叠Contourlet-1.3的检索系统比相同架构的轮廓波变换、无下采样轮廓波变换以及Contourlet-2.3检索系统具有更高的检索率;该检索系统中抗混叠Contourlet变换分解结构参数的选择对于检索率也有较大影响。     

基于Brenner函数与新轮廓波变换的多聚焦融合算法

为了消除Contourlet融合算法中各方向子带的频谱混叠现象,同时提高有效系数提取的正确率,提出了一种基于Brenner函数与新轮廓波变换(NCT-SFL)的多聚焦图像融合算法。该算法先使用新轮廓波变换分解多聚焦待融合图像;然后对低频系数采用传统的算术平均融合规则,高频系数采用基于Brenner函数的局部能量最大的融合规则,最后经逆新轮廓波变换得到融合图像。实验结果表明：该算法能有效提取待融合图像的轮廓信息,并在获得较优的主观视觉前提下,客观评价指标互信息与转移的边缘信息分别提高了99.34%与77.95%。此外,新轮廓波分解层数较多时,该算法的优势更为明显。     

方向滤波抗混叠的低冗余图像多尺度变换

目的 为了兼顾图像变换的低冗余性和方向滤波时抗频谱混叠特性,设计一种新型基于抗混叠方向滤波的低冗余图像多尺度变换。方法 该变换由小波级联频域方向滤波器组组成。由于频域内构造的方向滤波器的频谱支撑满足紧支撑性,因此滤波后形成的图像方向子带之间不会存在频谱混叠现象,并且根据其特点采用一种新颖的降采样方式,使得各个方向子带在降采样操作后仍具有平移不变性。结果 该变换可有效降低冗余,同时能够消除因移变性导致的频谱混叠现象,提高了方向滤波器组的方向选择性。结论 仿真实验结果表明,新型图像多尺度变换在图像稀疏表示、压缩等领域均获得良好效果。     

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。     

一种轮廓波域MRF样本修补技术

提出轮廓波域MRF样本修补方法,通过轮廓波变换把待修补图像进行多尺度、多方向修补。实验结果表明,与传统的离散小波修补方法相比,轮廓波域MRF样本修补技术能更好抑制马赛克现象,保持良好的纹理和结构特征。     

图像轮廓波变换及变换域隐马尔可夫模型的应用

鉴于2维张量积小波已被证实不能为分片光滑图像提供理想表达,从而促使了近年来各种“超越小波”的变换理论和方法的出现。其中轮廓波变换因其理论新颖、技术思想先进、实效显著而具有深入研究的前景和潜力。为了使人们对轮廓波变换有一概略了解,首先以轮廓波变换原理及变换域隐马尔可夫模型为主线,并对关键点给出了详细论述;然后从宏观角度对轮廓波变换进行了深入浅出的综述;最后通过与小波变换的应用对比、分析,指出了轮廓波的应用潜力之所在,以及更进一步的研究方向。     

一种基于轮廓波变换和各向异性扩散的图像去噪模型

提出一种采用轮廓波变换和各向异性扩散的图像去噪模型。利用轮廓波变换较好的稀疏性、多方向性等特点,通过对噪声图像经轮廓波变换后的不同尺度上的子带图像进行扩散,并采用P范数方法在轮廓波域计算子带图像的梯度阈值,实现建立在图像精细分析基础上的新的各向异性扩散模型。仿真结果表明,提出的扩散模型较好地抑制了传统各向异性扩散模型出现的边缘模糊效应,在对图像去噪的同时保留了更多的边缘、纹理等细节信息。     

基于轮廓波变换的织物疵点图像消噪新方法

为了实现织物疵点图像的有效消噪,使其更有利于特征提取和疵点检测,提出了基于轮廓波变换的织物疵点图像消噪新方法。综合考虑轮廓波方向子带能量的大小与织物疵点图像轮廓细节之间的关系,对Donoho多尺度分解阈值进行修正,改进了Donoho多尺度分解阈值对图像细节"过扼杀"的缺点。实验结果表明,对织物疵点图像进行基于轮廓波变换改进阈值消噪时,该方法更好地保留了织物疵点图像的轮廓细节,峰值信噪比显著提高。采用改进的轮廓波Donoho多尺度分解阈值消噪后的图像,可以更好地应用于织物疵点图像的特征提取和疵点识别。     

基于多尺度分析的人脸识别比较研究

在分析Gabor小波的基础上,提出了一种变采样率Gabor小波的方法,与传统的Gabor小波相比,其识别效果得到大幅提高。该方法采用Curvelet、Log-Gabor小波和Contourlet三种方法结合主分量分析应用于人脸识别。对比实验结果表明,针对表情变化,Curvelet变换不仅识别性能最佳、速度也最快;而针对光照变化,Contourlet综合性能最好,对光照变化具有较强的鲁棒性。综合而言,使用Contourlet变换对图像进行特征提取效果非常好,它能很好地表达人脸的主要信息,是对人脸图像的一种稀疏的、有效的表达。     

基于Contourlet的图像PCA去噪方法

提出了一种通过主分量分析(PCA)对Contourlet域中噪声能量的估计来实现去噪的新方法。Contourlet变换是一种结合多分辨率分析和方向性滤波的小波变换,它除了具有一般小波变换的多尺度、时频局域性外,还具有多方向性、各向异性等特征。因此,Contourlet能有效地捕获到自然图像中的轮廓,并对其进行稀疏表示。目前使用的小波去噪方法基本上都是建立在对噪声方差估计的基础上,而在Contourlet变换系数中,通过建立数学模型对噪声方差进行精确的估计是很困难的。算法无需对噪声方差进行估计,更具有实用价值。实验结果显示,与小波软、硬阈值去噪算法和基于小波的图像PCA去噪方法比较,该算法不仅提高了图像的信噪比,而且图像视觉效果也明显改善。     

基于Contourlet变换的红外图像去噪技术

研究了一种基于Contourlet变换的红外图像去噪技术。在Contourlet域中使用硬阈值函数对Con-tourlet变换后的系数进行处理,经反变换即可得到较好的去噪图像。实验结果表明:与传统的小波阈值去噪方法相比,该方法能够更有效地保留红外图像的细节和纹理,具有更好的视觉效果和较优的信噪比。     

基于改进型WBCT的多光谱图像融合方法

针对多光谱图像的融合问题,以提升小波变换代替传统小波变换,提出一种改进的WBCT方法。利用该方法对源图像进行多尺度分解,得到高频和低频分量,采用不同的融合规则对其进行处理,得到融合后的系数,并通过逆变换得到融合图像。实验结果表明,与Contourlet变换和提升小波变换相比,改进方法的融合效果有明显提升。     

基于小波Contourlet变换和区域能量融合规则的图像融合算法*

利用小波-Contourlet变换的多尺度和多方向性特征以及基于区域能量的融合规则在选取融合系数上的优势,提出了一种基于小波-Contourlet变换和区域能量融合规则的图像融合算法,并引入Cycle Spinning来消除变换缺乏平移不变性而引起的图像失真。实验结果表明,该算法明显降低了融合图像的RMSE值,减少了运算时间,达到了良好的视觉效果。     

邻域窗能量平均的Contourlet变换自适应阈值去噪算法

针对Contourlet多尺度阈值去噪算法中阈值的选取忽略了方向信息影响的问题,提出一种基于邻域窗能量平均的自适应阈值去噪算法。根据Contourlet系数能量分布特点,将系数划分到三个不同的区域,对三个区域的阈值采用不同的因子进行调整,从而得到更好的去噪效果。实验结果表明,与小波阈值去噪、Contourlet阈值去噪以及Contourlet多尺度阈值去噪相比,该算法在峰值信噪比以及视觉效果上都有明显的提高,且能够有效地保留图像边缘细节信息。     

结合Contourlet变换和区域特征的图像融合算法

针对传统变换域图像融合算法存在边缘轮廓和方向性纹理描述不够清晰,以及对线性非平稳的信号通常不能取得很好效果的问题。提出一种将Contourlet变换和图像区域特征相结合的图像融合算法。根据Contourlet变换空间下图像高频区域和低频区域的特点,采用低频区域能量特征匹配和高频区域分形特征匹配的方法来进行融合匹配。实验表明,该算法比传统的Contourlet融合和小波融合效果表现更好。     

基于小波-Contourlet变换的遥感图像融合

给出了一种新的基于小渡-Contourlct变换的融合多传感全色和多光谱影像的算法.由于Contourlet变换具有良好的多方向性和多尺度,所以它比其它方法更适应于进行遥感图像融合.对于小波-Contourlet变换后得到的低频和高频分量系数,采用平均法选择低频区域系数,选择区域"能量"较大的高频系数作为融合影像的高频系数.实验结果表明,基于所提出的小波-Contourlct变换的融合结果优于其它常用的融合方法.     

多变换域马尔可夫树图像去噪算法*

针对图像去噪时单一变换方法的不足,提出了一种新的基于Contourlet变换和小波变换的多变换分级图像降噪算法。根据Wavelet变换和Contourlet变换系数对图像中不同频带信号的稀疏表示特点,利用隐马尔可夫树（HMT）模型可以描述相邻尺度变换域系数的互相关性。首先使用小波域HMT方法进行第一级降噪,然后将其作为先验估计,利用Contourlet变换进行迭代阈值降噪。通过与几种传统的小波域HMT和Contourlet域HMT去噪算法相比,本算法改善了去噪图像的可视性并使PSNR值有所提高。     

基于非下采样Contourlet变换和区域特征的医学图像融合

针对非下采样Contourlet变换具有多尺度分析及平移不变的性质,结合计算机断层成像(CT)和核磁共振(MRI)医学图像各自的成像特性,提出了基于非下采样Contourlet变换和区域特征策略来对低频、高频子带进行融合的医学图像融合方法;介绍了图像融合的评价标准,阐述了非下采样Contourlet变换的原理及实现;从视觉效果和客观数据指标方面对融合图像进行主观评判和数值评价。下颌骨系统CT和MRI图像的融合实验结果表明,该方法相对于小波变换和Contourlet变换方法,可有效综合这两种断层图像的有效信息和细节信息,融合后图像具有更优的视觉质量和量化指标。