Medical image enhancement algorithm based on NSCT and the improved fuzzy contrast

In order to solve the problem of noise amplification, low contrast and image distortion in the process of medical image enhancement, a new algorithm is proposed which combines NSCT (nonsubsampled contourlet transform) and improved fuzzy contrast. The image is decomposed by NSCT. Firstly, linear enhancement method is used in low frequency coefficients; secondly the improved adaptive threshold function is used to deal with the high frequency coefficients. Finally, the improved fuzzy contrast is used to enhance the global contrast and the Laplace operator is used to enhance the details of the medical images. Experimental results show that the proposed algorithm can improve the image visual effects, remove the noise and enhance the details of medical images. © 2015 Wiley Periodicals, Inc. Int J Imaging Syst Technol, 25, 7–14, 2015     

夜视环境下激光助视成像与红外热像的融合

以夜视环境下激光助视成像和红外热成像为研究对象,提出了一种基于非向下采样Contourlet变换和分割模板的图像融合方法.通过引入脉冲耦合神经网络对两幅输入图像进行分割,利用类间方差比判断分割效果的优劣并选取分割模板.在NSCT域中,根据分割模板对激光助视成像和红外热成像的高低频系数进行分区域处理,得到低频和高频融合系数.最后对融合系数进行NSCT逆变换得到融合图像.实验结果表明本文方法能够在融合图像中最大程度呈现出夜视环境下激光助视成像的细节信息和红外热像的目标信息.     

基于各向异性高通滤波的图像边缘检测算法

图像在处理的过程中,总会受到噪声的污染.由于噪声和边缘都是图像的高频分量,在滤除噪声的同时,也破坏了图像的边缘.为了使所提取的图像边缘更加逼近被噪声污染的图像真实边缘且定位精确,提出结合各向异性高通滤波和多尺度积对图像进行边缘检测.首先采用具有各向异性的非下采样Contourlet变换(NSCT)对原始图像进行多尺度、多方向分解,并用多尺度积对变换结果的高频分量去噪,最后利用各向异性高通滤波器长轴与边缘方向之间的夹角确定图像边缘.实验结果表明,所提出的方法抗噪声能力强,计算复杂度低,所提取边缘清晰、光滑且定位精确.     

基于NSCT的独立分量分析方法

为了提高独立分量分析（ICA）算法的分离性能,提出了基于非下采样轮廓波变换（NSCT）的ICA方法。首先对混合图像进行NSCT,使混合图像的非高斯性在NSCT域得以增强,然后在变换域求解分离矩阵。理论分析和仿真实验均表明,该方法可以获取更好的分离精度和更快的收敛速度。     

一种基于NSCT的区域能量图像融合算法

针对NSCT具有方向性、各向异性和平移不变性的特点,提出了一种新的基于NSCT图像融合算法。该方法同时考虑了窗口区域的匹配度和窗口中心像素的正负号相位信息,将选择和加权平均二种融合规则相结合,取最高层绝对值较大的系数作为融合图像最高层的系数。实验结果表明,文中方法融合效果优于传统小波和轮廓波变换方法。     

基于人眼视觉特性的遥感图像融合算法

首先提出基于非下采样Contourlet变换(NSCT,Nonsubsampled Contourlet Transform)的人眼视觉相对对比度灵敏度函数(RCSF,relative contrast sensitivity function)和绝对对比度灵敏度函数(ACSF,absolute contrast sensitivity function)。然后提出了基于人眼视觉对比度灵敏度函数(CSF,contrast sensitivityfunction)的遥感图像融合算法(IFA-CSF,image fusion algorithmof human visual contrast sensitivity function)。IFA-CSF采用NSCT作为多尺度变换工具,对单方向高频子带采用ACSF融合,对多方向高频子带采用RCSF融合,并对8方向高频子带采用先方向分组再融合的方法。实验结果表明,IFA-CSF优于基于传统CSF和基于局部能量的图像融合算法。     

基于SIFT特征点和交比值的水印图像抗攻击算法

为提高数字水印图像对常规信号和复杂几何攻击的抵抗能力,利用SIFT(scale invariant feature transform)特征点的稳健性和交比值不变特性,提出了一种数字图像顽健水印算法。首先,在原图像经过NSCT(nonsubsampled contourlet transform)变换后的低频子带系数中提取SIFT特征点并对其进行优化筛选,从中确定满足“近凸正四边形” 的系数区域作为水印嵌入的局部区域,然后利用事先设定好的一些交比值在各局部区域中确定要嵌入水印的具体系数,最后利用奇偶量化调制方法嵌入水印信息。与传统算法相比,在提取水印信息时无需对含水印图像进行几何逆变换。实验结果表明,该算法对常规信号处理及多种几何攻击具有较强的抵抗能力和顽健性。     

基于NSCT-Gabor特征和脉冲耦合神经网络的SAR图像分割

针对SAR图像目标的精确分割问题,利用非下采样轮廓波变换(NSCT)和Gabor滤波器分别提取图像特征,然后采用脉冲耦合神经网络(PCNN)对目标区域进行增强,提出了一种分割算法。分别对图像进行NSCT分解和Gabor滤波,对NSCT域的高、低频子带系数构造一个特征图,对Gabor滤波的不同尺度构造对应的特征图,对所获取的各个特征图用PCNN进行目标增强,最后对增强的特征图进行合理合并与分割。利用MSTAR SAR数据库中各种干扰强度下的图像进行了实验,结果表明,相比于模糊C均值、马尔可夫随机场等常见的分割算法,所提出的算法分割结果更为准确,同时受噪声干扰更小。     

一种基于NSCT和SIFT的遥感图像配准算法

研究提出了一种基于NSCT和SIFT的遥感图像配准算法,综合利用了NSCT在图像分解上的灵活性和SIFT算法在特征描述上的有效性来进行遥感图像配准.首先分别对参考图像和待配准图像用NSCT进行分解,然后把分解的低频图像作为SIFT算法的输入并得到匹配结果,并利用匹配结果求解模型参数,最后通过重采样和双线性插值完成两幅遥感图像的配准.实验结果表明,此算法在运算速度和匹配精度方面均比SIFT算法和SWT+SIFT算法优越.     

基于NSCT变换和小波变换相结合的图像融合算法研究

针对小波变换在表达图像边界及线状特征上的缺陷,以及NSCT变换在表达图像细节信息的不足,提出了在红外图像与可见光图像融合的过程中采用基于NSCT变换和小波变换相结合的图像融合算法。在图像NSCT分解后,对低频系数使用基于小波变换的融合算法,对高频系数结合融合图像的特点采用了基于区域方差的融合规则。实验结果表明,基于NSCT变换和小波变换相结合的融合算法能更好地保持可见光图像的光谱信息和红外图像的目标信息,具有更多的细节特征以及更清晰的边缘。