结合分类与迁移学习的薄云覆盖遥感图像地物信息恢复

利用多源多时相遥感图像,给出一种结合分类与迁移学习的薄云覆盖遥感图像地物信息恢复算法.首先利用多方向非抽样对偶树复小波变换对多源多时相遥感图像进行多分辨率分解,对分解后的薄云图像的高频系数利用贝叶斯方法进行地物初分类;再对每类地物的低频系数通过迁移最小方差支持向量回归模型进行域自适应学习,获取模型参数;最后利用所获的迁移回归模型,用无云参考图像的低频系数预测薄云覆盖图像的低频系数,去除薄云,恢复薄云覆盖图像的地物信息.实验结果表明,本文算法恢复的地物细节清楚,光谱失真较小.特别对地物季节性变化的薄云覆盖遥感图像,本文算法能有效恢复薄云覆盖区域的地物信息.     

基于离散小波框架变换的遥感影像薄云去除

遥感影像可见光波段受云层变化影响较大,如何有效去除云的影响是遥感图像处理中的一个重要问题.本文提出了一种基于离散小波框架变换的薄云去除算法.在小波框架变换多尺度分析的基础上,算法在低频图像上将云区和清晰区区分出来,并进行均值匹配.然后对于小波高频系数在不同尺度上进行不同程度的增强;对同一尺度的系数进行非线性处理以增加对比度,最后通过反变换得到去云后的图像.实验表明,该算法能有效地去除薄云,增强图像对比度,减小噪声的增强幅度,使结果图像具有很好的视觉效果.     

基于正交小波变换的图像去噪算法研究

提出了一种基于正交小波变换的图像去噪方法,首先利用离散小波对图像信号按Mallat算法进行分解,然后采用软闽值与小波重构的算法进行去噪。深入研究了小波变换中的图像分解与重构的Mallat算法,详细介绍了正交小波变换中阈值的选取,并进行了实验研究。实验结果表明,该方法可以有效去除噪声,并保留了图像细节部分的有用信息。     

基于Mallat分解与Contourlet方向滤波的图像压缩

小波变换以其多分辨率分析和时频局域特性在信号处理中得到了广泛的应用.二维Mallat小波分解只能将图像分解为平滑、水平细节、垂直细节、对角线细节等四个部分.大多数图像特别是自然图像存在丰富的方向信息,然而Mallat分解只能对水平、垂直、对角线三个方向分析图像细节,所以在分解方向上存在不足.Contourlet变换除了具有和小波一样的多尺度、时频局部性,还具有方向性和各向异性.但是这种方法变换后数据量大于原始数据,存在冗余.将Mallat分解和Contourlet中的方向滤波相结合,提出了一种新的图像压缩方法,保持了二维Mallat分解的无冗余性,并且充分利用了Contourlet的方向性.仿真实验表明这种方法优于单独采用Mallat分解和Contourlet变换.     

基于人眼视觉灰度识别特性的图像动态范围小波变换处理方法

常用的图像传感器由于电荷耦合器(CCD)和模数转换器(ADC)的限制,动态范围大约只有60dB,与人眼的动态范围(110dB)不符,导致获取的图像丢失部分细节信息。针对这一问题,提出了基于小波变换的图像动态范围扩展技术。通过对同一场景进行多次拍摄,获得不同曝光时间的源图像,对源图像运用多尺度小波变换分解为高频部分和低频部分。将基于人眼的视觉灰度识别特性的方法应用于低频部分的处理中,运用不同的权重值进行处理,尽可能保留图像的背景信息。对高频部分运用局部最大方差准则进行融合,尽量保留图像的边缘特性。将融合后的高频部分和低频部分利用逆小波变换进行重构。试验结果表明,重构后的图像与适度曝光的图像相比,在高亮度区域和低亮度区域的细节信息得到了复原,动态范围得到了显著的扩展。     

基于小波分频与直方图均衡的图像增强算法

传统直方图均衡化算法在增强图像的同时也丢失了图像细节、增强了图像的噪声信号,导致信息熵下降。结合小波变换多尺度、多分辨率的特点和直方图均衡的优势,提出一种基于小波分频和直方图均衡的高亮度图像增强算法。首先利用小波变换将图像分解为低频分量和高频分量,然后仅对低频分量做直方图均衡处理,再由均衡后的低频分量与各高频分量进行小波重构。实验结果表明,该算法对于亮度较高的灰度图像有较好的增强效果。     

基于小波变换与深度残差融合的图像增强算法

针对目前基于小波变换图像融合增强算法原始图 像中的多尺度细节信息的不足,提 出了一种改进的多尺度小波变换与深度残差选择相结合的图像增强算法。利用小波变换对原 始图像进行分解提取得到它的多级分解系数后,再利用不同规则对不同层次的小波系数进行 重构,与此同时引入深度残差算法的思想对子带系数做残差。对于高频子带系数,计算子带 残差的系数与梯度特征融合方法的系数,选用两者最大值进行融合增强;而对于低频子带系 数则采用梯度特征融合增强系数与子带残差系数取平均值的算法进行融合。通过在MATLAB 平台上的实验对所提出算法进行验证,峰值信噪比相较于对比的方法都有所提高,且均方根 误差也得到减小,结构相似度都得到提高,结果表明该算法能增强图像的多尺度细节信息, 提高图像的信噪比,且具有更好的图像增强效果。     

小波变换和粗糙集的图像增强方法

提出一种基于小波变换和粗糙集的图像增强方法,其思想是先把待处理图像采用小波分解成4个子图像,然后再对分解后的小波系数利用粗糙集进行处理,以改善图像的视觉效果,最后采用小波逆变换得到增强图像.该方法很好地区分了图像低频分量和高频分量对图像增强的不同影响.实验结果表明,该方法图像增强效果好,去噪能力强,能较好地保持图像的边缘细节信息.     

小波变换在遥感图像云雾处理中的应用

分析受云雾影响的遥感图像频率分布的特征，云雾处于相对低频、景物处于相对高频。根据小波变换多分辨率特点．图像经多层小波分解，得到的低层细节系数代表图像的相对高频部分，高层细节系数代表图像的相对低频部分。提出通过增大图像的高频细节系数，减小低频细节系数，保持最低层近似系数，达到去云雾目的。利用视觉评价、均值、标准差、熵、平均梯度等方法评价实验结果，表明算法的有效性。     

基于小波分解的多聚焦图像融合研究

研究基于小波分解的多聚焦图像融合算法,对源图像进行小波分解,采用不同融合规则构造融合图像的小波系数,最后逆小波变换重构融合图像,比较各种融合规则的特点,最后通过均方根误差,峰值信噪比、熵、互信息熵这些评价函数进行定量分析,结果表明,对于低频部分采用加权方法较好,对于高频部分采用方差对比法或能量对比法对高频部分的细节信息融洽效果较好。     

人工鱼群算法优化的小波图像融合

针对甲状腺肿瘤的B超、核素图像和颅腔横断面的CT,MRI图像,提出一种使用人工鱼群算法寻优的小波图像融合方法。利用小波变换将源图像进行小波分解,得到源图像的低频部分和高频部分。低频部分的系数使用加权融合算法进行融合,为使融合结果包含足够的信息量,以综合熵作为适应值对低频部分使用人工鱼群算法进行优化,得到融合系数的最优权值。高频部分的系数采用取绝对值最大的融合规则。通过小波逆变换得到融合图像。实验过程中,分别对这两组医学图像进行融合。客观评价参数表明该算法能够得到更优的融合图像。     

非抽样双树复小波域的BPP-NMF图像融合

提出了一种非抽样双树复小波变换（UDT-CWT）与基于块主元旋转的非负矩阵分解（BPP-NMF）相结合的多聚焦图像融合算法。利用UDT-CWT具有完美的平移不变性及良好的方向选择性,首先对图像进行多尺度、多方向分解并得到低频子带和高频子带系数;然后对低频子带系数采用块主元旋转的非负矩阵分解的融合策略,高频系数则选用高斯加权区域能量与区域标准差一致性选择的融合准则。最后对融合后的系数进行UDT-CWT逆变换得到重构图像。选用多组多聚焦图像进行融合并对融合结果进行主观视觉、客观方面的评价。试验结果表明,该融合算法不仅具有良好的视觉效果,同时在客观评价指标也优于一般的融合策略,验证了该算法的有效性。     

Shearlet变换和奇异值分解的图像隐藏方法

为了更好地平衡Shearlet域图像隐藏不可见性、鲁棒性和算法时间复杂度之间的关系,提出了一种基于Shearlet变换和奇异值分解的图像隐藏方法。利用Shearlet变换的能量聚集性、小波包分解低频子带抗攻击性强和矩阵奇异值良好的稳定性,载体图像先进行Shearlet分解,得到的低频子带再进行二级小波包分解。将秘密图像的重要信息位平面隐藏到小波包分解低频系数的奇异值矩阵中,次要信息嵌入Shearlet高频子带中。实验表明,该算法对高斯噪声、滤波和剪切等攻击都有较好的鲁棒性,同时,不可见性较好,时间复杂度较低。     

基于自适应小波融合的单幅图像去雾算法

为了更加有效地去除场景中的雾气,提出了一种基于小波变换的自适应透射率融合算法,对图像中的远景部分和近景部分分别进行处理,并将两者有效结合。首先基于雾天成像原理,构建二次衰减模型近似估计出远景和近景的透射率,进而将两者进行小波变换,将得到的低频信息采用自适应高斯函数进行加权融合,而高频信息则采用取较小值的方案减小纹理效应;再根据小波逆变换获得透射率的最优解;最后结合大气散射模型和改进的大气光值复原出清晰的无雾图像。实验结果表明,该方法可以有效提高雾天场景清晰度,与已有算法相比,对天空区域的色彩还原准确,并且具有相对较低的时间复杂度。     

基于小波变换与像元对目标的短波红外图像增强算法

弱光夜视是短波红外成像的重要应用领域之一。针对短波红外弱光图像对比度低,增强后噪声也被放大的特点,提出了一种基于小波变换与像元对目标的短波红外图像增强算法。首先通过小波变换获得不同频率成分的子带图像;然后对低频子带图像进行基于像元对目标的灰度变换处理,对高频子带图像进行可变阈值降噪处理;最后通过小波反变换将处理后的子带重构得到增强结果。将该算法与基于直方图的增强算法,全局优化线性窗口色调映射算法和自然保持增强算法进行比较,采用图像的信息熵和基于Michelson法则的对比度增强度量作为客观评价指标,结果表明本文算法更为有效地提高了短波红外弱光图像的对比度,抑制了噪声的增强,提升了图像的视觉效果。     

结合Shearlet变换和果蝇优化算法的甲状腺图像融合

针对甲状腺肿瘤超声图像复杂度高和SPECT图像边界模糊的特点,结合Shearlet变换能够捕捉图像细节信息和果蝇优化算法可靠性高的优势,提出了Shearlet变换和果蝇优化算法相结合的图像融合算法。首先,用Shearlet变换对已精确配准的源图像进行分解,分别得到高低频子带系数。高频子带系数采用区域能量取大的融合规则,低频子带系数使用改进的加权融合规则,并把果蝇优化算法引入低频融合过程,以互信息作为适应度函数来获取最优值,克服了原加权融合算法互信息低的缺点。最后,用Shearlet逆变换得到融合后的图像。实验结果表明,此算法在主观视觉效果和客观评价指标上优于其他融合算法。     

基于Shearlet变换的多聚焦图像融合方法

为提高多聚焦图像的融合效果,利用Shearlet变换具有多尺度多方向的特性,文中提出了一种基于Shearlet变换的图像融合算法。针对待融合图像进行Shearlet变换,得到低频子带系数和不同尺度不同方向的高频子带系数;对低频子带系数取分解系数区域能量高的系数,高频子带系数采用区域能量和区域清晰度以及区域方差相结合,采用多判别法得到融合系数,并最终进行Shearlet逆变换得到融合图像。结果表明,在主观视觉效果和客观评价指标上此算法优于其他融合算法     

shearlet变换和区域特性相结合的图像融合

为了提高多模医学图像或多聚焦图像的融合性能,结合shearlet变换能够捕捉图像细节信息的性质,提出了一种基于shearlet变换的图像融合算法。首先,用shearlet变换将已精确配准的两幅原始图像分解,得到低频子带系数和不同尺度不同方向的高频子带系数。低频子带系数使用改进的加权融合算法,用平均梯度来计算加权参量,以此来改善融合图像轮廓模糊度高的问题,高频子带系数采用区域方差和区域能量相结合的融合规则,以得到丰富的细节信息。最后,进行shearlet逆变换得到融合图像。结果表明,此算法在主观视觉效果和客观评价指标上优于其它融合算法。     

一种抗噪的红外图像对比度增强方法

提出一种基于离散平稳小波变换和非线性增益的红外图像对比度增强方法。对红外图像进行离散平稳小波变换后,利用所提出的去噪方法对分辨率较好的各高频子带直接去噪;并利用所提出的非线性增益法结合文中的去噪法对分辨率较差的各高频子带进行增强。实验结果表明,提出的方法在有效地增强红外图像对比度的同时,又能很好地抑制相关噪声。算法在视觉质量上优于传统的反锐化掩膜法、直方图均衡法。