基于层结构的Contourlet多阈值图像去噪算法

研究了多尺度几何分析工具Contourlet，提出了一种基于层结构的Contourlet多阈值去噪算法。该算法将硬阈值算法与基于子带相关的图像去噪方法相结合，根据Contourlet变换后各层分解的系数数目及噪声强度设定阈值，并利用硬阈值函数实现图像去噪。使用该算法去噪后的图像在主观视觉效果和客观质量等方面较小波算法有显著提高。     

图像多尺度几何分析新进展：Contourlet

contourlet是继小波分析后的新一代信号分析工具，具有多分辨、局部化和多方向性等优良特性，更适合处理图像等高维信号。本文分析了contourlet变换及其构造原理，探讨了contourlet变换在图像处理中的部分应用，最后给出了今后关于contourlet理论所值得研究的若干方向。     

一种新的非下采样Contourlet域图像去噪算法

作为新型高维奇异性分析工具,非下采样轮廓(Nonsubsampled Contourlet)变换不仅克服了小波(Wavelet)变换的非奇异性最优基缺点,而且提供了优于轮廓(Contourlet)变换的平移不变性.以性能优越的非下采样轮廓变换为基础,提出了一种新的图像去噪方法.该方法首先对图像进行非下采样轮廓变换,以得到不同尺度、不同方向上的变换系数;然后结合噪声分布特点确定多尺度阈值,并依此阚值对高频系数进行去噪处理;最后对去噪处理后的变换系数进行反变换,以得到去噪图像.仿真实验结果表明,该方法不仅拥有较强的抑制噪声的能力,而且具有较好的边缘保护能力,同时消除了图像边缘附近的伪吉布斯(Gibbs)现象,整体性能优于小波变换图像去噪和轮廓变换图像去噪方法.     

多聚焦图像融合的Contourlet变换方法

Contourlet变换（Contourlet Transform,CT）是一种新的多尺度变换,具有良好的多尺度性和多方向性。提出了一种基于Contourlet变换的多聚焦图像融合算法,同时引入Cycle Spinning来有效地消除由于Contourlet变换缺乏平移不变性而产生的图像失真。实验结果表明该算法可获得较理想的融合图像,取得了优于laplacian塔型方法和小波变换方法的融合效果。     

循环平移和非下采样在轮廓波去噪中的应用

轮廓波变换是小波变换的新发展,是一种多方向、多尺度的几何分析工具,能更有效地捕捉图像的几何结构。传统的轮廓波变换因包含有下采样操作,使得它不具备平移不变性,从而会在图像去噪过程中引入伪吉布斯（Gibbs）现象。分别采用循环平移及非下采样滤波器组两种方法对其改进,着重从计算复杂度、去噪效果、噪声水平依赖性等方面对两种改进方法的去噪效果进行了对比。     

一种改进阈值的平移不变量雷达信号去噪方法

分析了软硬阈值去噪方法的缺点,提出一种改进的阈值去噪方法,最后提出基于这种改进阈值函数的平移不变量小波去噪方法.该方法可克服软、硬阈值的缺陷,同时抑制阈值法去噪时产生的伪吉布斯(Pseudo-Gibbs)现象.利用该方法对仿真信号和实测雷达信号进行了处理.结果表明,与传统的阈值方法相比,该方法具有更好的去噪效果,可提高目标的检测性能.     

基于Contourlet变换的图像DCT去噪新方法

为了改进滤波效果,以提高图像去噪质量,提出了一种通过离散余弦变换对Contourlet域中噪声能量进行估计来实现去噪的新方法.该算法不依赖于对噪声方差进行估计,而是直接利用离散余弦变换来对高频各子带进行局部特征提取,以便估计噪声能量的估计阈值.实验结果表明,与传统的小波软、硬阈值去噪方法和基于小波变换的图像离散余弦变换去噪方法比较,该方法有效地克服了采用硬阈值法引起的伪吉布斯现象和软阈值法因导致过度光滑而使信号失真等缺点.实验表明,该算法不仅可提高处理图像的信噪比,而且图像的视觉效果也明显改善,因此更具有实用价值.     

基于Contourlet变换的图像滤波

轮廓波变换具有多分辨率、多方向性、局部化、临界采样、各向异性等许多优良特性.用它来处理图像能在提高图像视感质量的同时又使图像细节损失尽量减小,从而达到比较理想的图像处理效果.采用了一种非线性处理方法对Contourlet的系数进行了调整,进而对图像处理达到比较理想的效果;基于Contourlet域的维纳滤波去噪新算法,...     

多尺度几何分析及其在去噪中的应用

多尺度几何分析的本质是在最优意义下实现信号的稀疏表示.介绍多尺度分析发展的历史和最近的成果,揭示推动多尺度分析发展的根源.通过实际例子比较了小波变换、Contourlet变换、Curvelet变换在压制随机噪声方面的差异.进一步证实了在高维信号中多尺度分析能够取得优于小波变换的稀疏表示.     

基于多尺度小波分析的激光探测系统消噪

根据激光测距探测系统中噪声的特点，分析了去噪阈值的选取，详细地讨论了小波的多尺度浮动阈值方法，它能较好地满足在强噪声下检测微弱信号的要求，并将这种方法应用于激光探测系统去噪，做到滤除噪声的同时有效地保留信号的细节，收到了较好的效果。     

基于剪切不变的递归Contourlet变换图像去噪

根据综合剪切和递归Cycle Spinning技术,提出一种基于剪切不变的递归Contourlet变换图像去噪方法(RSICT).为改善图像去噪由于缺少平移不变性而产生的伪吉布斯效应,使用剪切替代平移技术来提取图像中原有的几何特征,将递归Cycle Spinning方法运用在剪切技术中给出剪切不变思想,并将其用于Contourlet域图像去噪.对于被加性高斯白噪声污染的图像,实验中将RSICT方法与平移不变小波、平移不变Contourlet等方法进行了比较,结果表明在大多数情况下,RSICT的PSNR结果相比这些方法高出0.1至1.2dB,并保持良好的视觉效果.     

非下采样轮廓波变换快速算法

多尺度几何分析（MGA）是一种有效的图像处理方法. 作为MGA的一种离散实现方法,非下采样轮廓波变换（NSCT）被广泛应用于图像去噪、图像融合、图像增强、特征提取等领域. 然而,由于该变换的高冗余性,其计算效率受到一定限制. 因此,对NSCT快速算法的研究具有现实意义. 本文采用一种优化的方向滤波器改进了原NSCT变换,以损失部分重建图像质量为代价,获得算法处理速度的显著提高. 实验结果可见,在满足重建图像主观质量视觉要求的前提下,算法速度可比原变换提高若干倍. 图像去噪实验进一步验证了算法的可靠性及效率.     

基于循环平移NACT的图像融合方法

针对应用中非下采样轮廓波冗余度过高、变换运行时间长的缺点,提出一种循环平移抗混叠轮廓波(NACT)图像融合方法。该方法利用NACT对图像进行分解,同时使用循环平移的方法提高NACT的平移不变性,有效去除融合图像在奇异点处产生的虚假信息。实验结果表明,该方法能够改进图像的融合性能,在客观指标上较NACT、NSCT等方法有所提高,视觉效果有明显改进。     

一种基于非抽样LP的Contourlet变换图像去噪方法

由于提高Contourlet变换冗余性可以抑制去噪结果中的伪Gibbs现象,因此为了提高变换冗余度和避免数据量过大,以进行快速有效的图像去噪,提出了一种基于非抽样LP的Contourlet变换图像去噪方法。该方法首先对带噪图像进行非抽样LP多尺度分解;然后对各子带图像进行临界抽样的DFB分解,再采用尺度相关的分层模型对各子带图像进行阈值处理;最后对处理后的子带图像进行DFB和LP重建,以得到去噪后的图像。与同类型有关方法进行的对比实验表明,在去噪后图像的PSNR值上,该方法比常规Contourlet变换方法至少提高1dB;在完成时间方面,该方法比其他改进方法快1倍以上。     

一种基于Contourlet变换的图像去噪方法

在变换域阈值去噪过程中,阈值的选取和阈值处理方法至关重要。提出一种基于contourlet变换的图像去噪方法。采用分层阈值,为每一级contourlet系数选取一个阈值。阈值处理中给出一种基于邻域的阈值处理方法,不仅考虑单个系数幅值的大小,而且考虑它的邻域系数幅值的大小。同时为了抑制在去噪图像边缘附近的伪吉布斯效应,引入cycle spin-ning来抑制这种图像失真。实验结果表明,利用文中去噪方法进行去噪比其他方法得到更好的视觉效果和更高的PSNR值。     

一种DT-CWT域内的图像零水印算法

为了实现数字图像的版权保护,基于双树复小波变换,提出了一种新的零水印算法.该算法由于不改变图像的任何信息,因此在兼具不可见性和鲁棒性的同时,还可以解决常规的冗余变换域水印算法的能量损失问题.该算法先借用实小波变换的零树结构思想,在变换后图像中选择重要的系数树,并利用主分量分析提取它们的第一主分量,然后经过量化编码构造零水印信息,再到认证中心注册后,即可作为用户的版权标志.实验结果表明,该算法不仅具有很好的鲁棒性,而且可以抵抗滤波、加噪、有损压缩等各种攻击.     

多通道表面肌电信号降噪与去混迭研究

通过数据采集装置同时采集多路表面肌电信号(sEMG)时,信号之间往往存在相互混迭的现象。为了得到有效的sEMG,提出了一种基于二代小波变换和独立分量分析(ICA)相结合的降噪与去混迭方法。先利用二代小波变换对sEMG降噪再利用改进的FastICA算法对降噪后的信号进行ICA分离,最后通过互相关系数验证去混迭效果。实验结果表明,所提方法能够有效降低噪声并去除相邻通道间产生的混迭。     

Edge detection insensitive to changes of illumination in the image

In this paper we present new edge detection algorithms which are motivated by recent developments on edge-adapted reconstruction techniques [F. Aràndiga, A. Cohen, R. Donat, N. Dyn, B. Matei, Approximation of piecewise smooth functions and images by edge-adapted (ENO-EA) nonlinear multiresolution techniques, Appl. Comput. Harmon. Anal. 24 (2) (2008) 225–250]. They are based on comparing local quantities rather than on filtering and thresholding. This comparison process is invariant under certain transformations that model light changes in the image, hence we obtain edge detection algorithms which are insensitive to changes in illumination.     

一种基于小波分析的景象匹配算法研究

对于一些领域的景象匹配,传统的匹配算法已经无法满足要求.提出了一种基于小波分析分层搜索的景象匹配方法,它采用由粗到细的分层匹配方法,在每个层上采用不同的方法,并基于MATLAB实验平台对方法进行了仿真实验并与传统的匹配算法进行了比较.结果表明基于小波分析分层搜索的景象匹配方法较传统的匹配方法无论在速度上还是在精度上都具有明显的优势.提出的算法可以有效地改善传统匹配算法中的不足之处,在景象匹配领域,具有一定的可行性.     

基于小波域奇异值分解的人脸识别方法

通过分析小波分解系数对光照、姿态、表情所表现出来的特性，选择了不同系数的组合进行奇异值分解，提高了在光照、姿态、表情变化等情况下人脸识别的鲁棒性。采用Harvard、Umist和Yale 3个人脸库对该文提出的方法进行了人脸识别实验。结果表明，基于小波分解系数优化组合的奇异值分解方法的识别率高于在原图上的奇异值分解方法。