基于FRIT循环抽样声纳图像去噪新方法

声纳图像背景复杂,对比度差,边缘恶化,不易判读图像边缘。对声纳图像执行小波变换能够有效去除噪声,但是由于小波的局限性,其对图像边缘的保持效果不佳。有限Ridgelet变换(FRIT)能够有效克服小波变换在处理高维信号时的不足,是一种有效处理二维奇异性信号的新方法。将FRIT处理技术应用在水下声纳图像去噪技术中,基于该方法提出循环抽样FRIT去噪算法,提高了处理结果的信噪比及边缘保持效果。在实验数据比较中,此改进算法优于其它经典方法。     

基于分块FRIT-SVD的鲁棒零水印算法

针对水印图像轮廓特征的提取,使用小波变换并不是最佳方式,脊波变换较小波变换有着更好的逼近精度和稀疏性能。结合二维混沌系统、SVD和位平面技术共同构造零水印信息,提出了一种基于脊波变换域的鲁棒零水印算法。该算法首先对载体图像进行二维一级小波变换提取低频域,利用分块策略对其分块并进行有限脊波变换(FRIT),经SVD提取最大奇异值构造特征矩阵后,使用二维混沌系统对特征矩阵进行置乱加密,提取特征矩阵中的重要位平面与加密水印信号结合生成注册零水印信息,不仅提高了水印鲁棒性,双重加密后的水印安全性能也得到提升。实验表明,该算法具有较好的鲁棒性、安全性和易操作性,能够有效抵抗各类图像攻击。     

基于有限Ridgelet变换的图像去噪

Ridgelet变换是一种新的图像多尺度几何分析（MGA）方法,它能有效地对图像进行多尺度,多方向的描述。M．N．Do提出一种可逆的,正交化的,极好重建性的Ridgelet变换实现一有限Ridgelet变换（FRIT）。本文将有限Ridgelet变换应用到线状边界明显的图像去噪中,实验结果表明,它比小波去噪取得更好的效果。     

Ridgelet变换在图像压缩中的应用

Ridgelet变换特别适合描述具有直线或超平面奇性的高维信号。本文将介绍有关Ridgelet变换的理论,并在此基础上提出一种新的基于正交有限Ridgelet变换（FRIT）的图像压缩方法一FRIT＋DWT。试验结果表明,FRIT＋DWT方法较传统Wavelet方法获得了更高的压缩比和更好的压缩效果。     

有限脊波变换环绕现象改进算法及其在版权保护中的应用

Finite Ridgelet Transform(FRIT)能高效表示线的奇异特征,在多种领域广泛应用。但是由于它的"环绕"现象,影响了在图像处理中的应用。揭示了"环绕"现象和Finite Radon Transform(FRAT)域系数的关系,根据像素的空间相关性,以及对FRAT系数进行软门限阈值处理,提出一种改进算法,能够去除"环绕"现象。依据最大后验概率(MAP)准则选择大能量的改进有限脊波变换(Modified Finite Ridgelet Transform-MFRIT)系数,版权信息嵌入其中。实验结果表明,该算法具有更好的鲁棒性和透明性。     

基于小波变换和高阶PDE的图像放大算法研究

本文在对传统小波变换算法改进的基础上,提出了基于小波变换以及高阶PDE的图像放大新算法。与传统的小波变换图像放大算法相比,将小波变换与高阶PDE有效结合的算法能更好保留图像的细节特征,仿真结果和视觉感受都表明该算法有较好的图像放大效果。     

基于Contourlet变换的图像融合方法研究

首先介绍了图像的直接融合算法、小波变换算法和Contourlet变换算法;然后利用Matlab环境进行仿真并采用互信息和边缘能量测度来进行融合效果的评价.评价结果显示,Contourlet变换算法实现的图像融合能更好的反应图像的细节特征.     

基于小波变换和曲波变换的图像边缘检测新算法

针对图像处理中的边缘检测问题,提出了一种基于小波变换和曲波变换的图像边缘检测新算法。首先对原始图像进行小波变换得到小波边缘图像;然后对原始图像进行曲波变换并使用Canny算子得到曲波边缘图像;最后基于小波变换的窗口内边缘强度自适应融合算法将小波边缘图像和曲波边缘图像进行融合得到最终边缘图像。该方法结合了小波变换描述图像细节特征的优势和曲波变换处理曲线或直线边缘特征的优势,能全面刻画边缘图像的纹理与细节信息,提高了图像清晰度。仿真实例表明了该算法的有效性。     

可拉伸为任意多边形的自由拉伸算法

针对图像特殊变换问题,即把一个N（N〉3）边形的图像变换为另一个M（M〉N）边形的图像的变形,提出了一种自由拉伸的算法。在该算法的基础上进行适当的变换,不仅能实现基本的几何变换,如缩放、错切、扭曲等,还可以实现N边形的图像变换为半圆或者为N边形（边为曲线）的图像等复杂的图像变换。实验证明该算法取得了很好的效果[1]。     

Ridgelet变换及其在图象降噪中的应用

1999年,Stanford大学的E.J.Candes和D.L.Donoho教授提出了信号的一种新的多尺度表示法—Ridgelet变换,它特别适合于具有直线或超平面奇性的二维信号的描述,而且具有较高的逼近精度。随后,M.N.Do和M.Vetterli针对特定大小的离散图象给出了正交有限Ridgelet变换-FiniteRidgeletTransform(FRIT)。该文将FRIT应用于图象降噪,为了说明FRIT的优越性,将Wavelet领域中的多种降噪方法扩展应用到Ridgelet领域。试验结果表明,FRIT比起Wavelet变换更适合描述具有直线边界的图象,而且降噪效果更为明显。     

A new digital implementation of ridgelet transform for images of dyadic length

Ridgelet transform is a new directional multi-resolution transform and it is more suitable for describing the signals with high dimensional singularities. Finite ridgelet transform is a discrete version of ridgelet transform, which is as numerical precision as the continuous ridgelet transform and has low computational complexity. However, finite ridgelet transform is only suitable for images of prime-pixels length, which is a limitation of its applications in image processing. In this paper, a new digital implementation of ridgelet transform that is suitable for images of dyadic length is proposed. This method not only expands the applications of finite ridgelet transform, but also simplifies the algorithm. First, we introduce the concept of ridgelet transform in the continuous domain. Then, we illustrate finite ridgelet transform and the new method. Finally, we compare the new method with finite ridgelet transform by applying both digital ridgelet transforms to the denoising of images embedded in additive white Gaussian noise and the new method gets a better performance in image denoising. The new algorithm can also be used as the important building block in curvelet transform and get surprising visual performances in denoising for natural image.     

脊波域的图像数字水印算法研究

提出一种将混沌置乱加密后的水印信息嵌入到图像脊波变换域的算法。将图像分块后进行有限脊波变换,选择出图像纹理块的脊波域最大能量方向上的系数嵌入水印,水印提取只需要记录嵌入位置序列即可。实验结果表明,算法对噪声、压缩、不规则剪切、对比度等攻击有较强的鲁棒性。     

有限脊波变换在数字水印中的应用

已有的有限脊波域的水印算法通过调制位于最大能量方向的有限脊波变换系数实现,但是哪些系数更适合嵌入水印是一个有待解决的问题.采用Roberts算子提取边缘图像,然后用拉普拉斯分布模型分析边缘图像的有限脊波变换系数,依据最大后验概率准则估计出适合嵌入水印的变换系数,自适应地嵌入水印信息.实验结果表明,该算法具有很强的鲁棒性和不可见性.     

基于小波变换和脊波变换的自适应图像去噪算法

为了克服单纯小波变换或脊波变换的不足,提出了基于小波变换和脊波变换的自适应去噪算法。实验结果表明,在处理点奇异性和线奇异性的图像时,该方法比单纯小波变换或脊波变换的阈值去噪算法更具优越性,在实际应用中更为有效。     

Wrap-around effect removal finite ridgelet transform for multiscale image denoising

Denoising in wavelet domain is an attractive research field. Recently, the research focused on finding some algorithms that can detect line singularities of image while smoothing noise. Based on the finite Radon transform a finite ridgelet transform was derived for this purpose. But the wrap-around effect of the finite Radon transform limits its power greatly. In this paper, a way is pointed out to remove the wrap-around effect of the finite Radon transform. By embedding it into a moving window pyramid, a multiscale image denoising algorithm is developed.     

数字脊波变换的实现与一种改进方法

脊波变换作为一种新的连续空间中函数的多尺度表示方法,其离散变换形式仍然有许多问题有待解决．目前大多将离散脊波变换形式看做Radon变换与小波变换的复合变换形式,进而对其分步进行处理．利用计算机图形学中的Bresenham算法思想,使得在实现Radon变换的过程中提高了变换的效率．与先前的最近邻方法相比,快速准确,并可完全重构．数值实验显示,与Zp^2方法实现的脊波变换相比较,利用此方法生成的图像重构、压缩、去噪效果都有显著提高,为进一步的研究工作奠定了基础．     

一种基于脊波变换的图像去噪方法

Ridgelet是继小波变换(Wavelet)后提出的一种新型的多尺度分析方法,它特别适合于具有直线或超平面奇异性的二维信号的描述,而且具有较高的逼近精度.利用脊波变换的方法,设计了一种基于脊波变换的改进的图像去噪算法,该算法采用指数型阈值函数,利用SureShrink自适应阈值.试验结果表明,该方法比起Wavelet全局硬、软阈值,Ridgelet全局硬、软阈值,具有明显的优越性.     

基于MG-HMT模型的正交有限脊波域图像分割

针对图像分割中的过分割问题,提出了一种基于图像混合高斯-隐Markov树(Mixture Gaussian-hidden markov tree,MG-HMT)模型的正交有限脊波分析的图像分割算法.正交有限脊波变换处理信息时具有检测信号线奇异的能力,在图像分割中为准确定位信息的边缘、轮廓提供了有力的支持.其次,对图像的...     

基于Finite Ridgelet变换的图像线性特征提取

线性特征是图像的一种重要局部特征,它常常决定图像中目标的形状。线性特征的提取在图像匹配、目标描述与识别以及运动估计、目标跟踪等领域具有十分重要的意义。常用的线性特征检测方法有Radon变换和Hough变换,但检测曲线复杂度会很高。本文提出一种多尺度几何分析的线性特征检测方法,该方法以finite ridgelet理论为基础,结合正交小波变换对线性特征进行提取。Finite ridgelet变换对于含有直线奇异的多变量函数具有良好的逼近特性,能够获得连续空间函数的稀疏表达,同时具有区域平滑性、很好的可逆性和去冗余性。实验结果表明,本方法即使在背景复杂的环境下也具有良好的检测效果。     

基于脊波的多光谱和全色图像融合方法研究

应用了双线性插值的矩形阵列到径向阵列的变换算法,给出了一个离散脊波变换的实现方法,将其应用于多光谱图像与全色图像的融合算法中,通过清晰度、灰度方差、信息熵三个方面,将算法结果与小波变换的结果进行了对比,实验结果表明,相对于小波变换而言,脊波变换能更好地处理线和面的奇异性,而且由融合的结果来看,脊波变换得到的结果在清晰度等方面要高于小波变换。