基于非子采样Contourlet变换的图像融合算法

提出了一种基于非子采样Contourlet变换的图像融合算法.首先,对图像作Contourlet变换,得到一个低频子带和一系列高频方向子带.其次,对低频子带系数采用基于边缘的规则来融合,而对于高频方向子带系数,采用基于一种基于Contonrlet局部系数相关性的规则来进行融合.最后,对融合系数进行非子采样Contourlet逆变换,得到最终的融合图像.实验结果表明,该方法对可见光、红外图像融合十分有效,能较好地提取原始图像中的边缘方向信息和几何特征.     

一种新的图像边缘检测方法

针对基于空间域或小波变换域图像边缘检测算法提取的边缘只是具有有限方向的问题,该文提出使用具有抛物线型尺度和足够方向消失矩的Contourlet变换来更有效地表示自然图像中的奇异曲线。Contourlet子带比小波子带具有更强的方向性,在其子带上检测系数模极大值,运算复杂度更低。实验结果表明,与基于小波模极大值的图像边缘检测方法相比,该文算法有较低的计算复杂度,所提取的边缘更加逼近图像真实边缘。     

一种基于非采样Contourlet变换红外图像与可见光图像融合算法

针对同一场景红外图像与可见光图像的融合问题,提出了一种基于非采样Contourlet变换(Nonsubsampled Contourlet Transform,NSCT)图像融合算法.算法首先采用NSCT对源图像进行多尺度、多方向分解,得到低频子带系数和各带通方向子带系数.然后,针对低频子带系数的选择,提出了一种基于红外图像与可见光图像物理特征的"加权平均"系数选择方案;针对各带通方向子带系数的选择,结合人眼视觉特性,提出了一种基于区域能量匹配的系数选择方案,得到融合图像的NSCT系数.最后经过NSCT逆变换得到融合图像.实验结果表明该算法可获得较理想的融合图像,其融合效果优于传统的基于离散小波变换以及离散小波框架变换的图像融合算法.     

一种基于非采样Contourlet变换的遥感图像融合算法

为使融合后的多光谱图像尽可能保持原多光谱图像光谱特性的同时提高空间质量,提出了一种基于非采样Contourlet变换（NSCT）和多尺度边缘检测的融合算法。介绍了非采样Contourlet变换和多尺度边缘检测;设计了基于多尺度边缘检测、直接替代的高频、低频子带融合规则;用QuickBird卫星高分辨率遥感图像进行仿真实验。实验结果表明该算法能够在保持光谱信息的同时注入更丰富的空间细节信息,优于传统的Wavelet变换法和Contourlet变换法。     

基于Contourlet变换和Canny算子的图像边缘检测方法

现存的基于空间域或小波变换域的图像边缘检测算法只能有效检测出红外图像有限方向的边缘.由于这些算法没有充分利用邻域的信息,因此在边缘较为复杂的区域边缘检测结果中会出现较大的偏差.针对这一问题,提出了一种基于Contourlet变换和Canny算子的边缘检测算法,首先对原始图像进行Contourlet变换,然后利用各方向子带的方向信息及其梯度方向信息,对各个尺度进行边缘检测,最后通过逆变换,得到图像的边缘图像.实验结果表明了新算法可以提高边缘检测和保持的能力,有较强鲁棒性.     

一种基于非采样Contourlet变换的图像融合算法

针对红外与可见光成像传感器的物理特性,提出了一种基于非采样Contourlet变换的红外与可见光图像融合算法。首先对原始图像分别进行非采样Contourlet变换,得到不同尺度与方向下的子带系数。对低频子带系数,采用加权平均的融合规则;对不同尺度与方向下的高频子带系数,采用基于局部区域能量匹配的融合规则。最后经非采样Contourlet逆变换得到融合结果。实验结果表明,该算法可以有效地综合可见光与红外图像中的重要信息,其融合结果较典型的基于塔式分解与基于小波变换的图像融合算法,在主观视觉效果与客观评价指标上均有所改善。     

基于Contourlet变换和模糊理论的红外图像增强算法

红外图像具有噪声大、对比度低等特点,针对该特点,提出了一种基于Contourlet变换与模糊理论的红外图像增强算法。首先对图像进行Contourlet变换,得到多尺度多方向的低通子带和带通子带。对低通子带,进行基于子带系数最大最小值的线性变换,提高图像的整体对比度;对于带通子带,先估计噪声阈值,对子带系数进行抑制噪声处理,然后通过模糊增强算法,对高频系数进行非线性增强,增强目标边缘纹理的特征,抑制背景信号。最后经过Contourlet逆变换得到对比度增强,噪声被抑制的图像。经过算法仿真,与几种现有的图像增强算法相比,该算法更能有效地抑制噪声,增强图像的对比度,突出图像的边缘与细节纹理信息。     

基于Contourlet 变换和Hu 不变矩的图像检索算法

文章提出一种基于Contourlet 变换和Hu 不变矩的图像检索算法。首先,对每幅图像进行Contourlet 变换,得到低频子带与高频方向子带,把计算得到的低频子带的Hu 不变矩和各个高频方向子带的均值与标准差作为图像的特征向量,利用Manhattan距离进行相似度度量,完成基于内容的图像检索。为对该文提出的算法的检索效果进行检验,分别与基于Contourlet 变换特征的检索算法和基于Hu不变矩特征的检索算法等方法进行了对比实验研究。结果表明,该算法有效地融合了图像的纹理特征与低频子带的形状特征,较好地实现了基于内容的图像检索,平均查准率达到73.94%。     

Contourlet变换在可见光与红外图像融合中的应用

Contourle变换是一种新的图像多尺度,多方向的表示方法,适合表达具有丰富细节信息及方向信息的图像。它的高频方向子带,捕获了许多传感器图像的显著特征。为了实现红外与可见光图像的融合,采用一种基于Contourlet变换的融合算法,对不同的融合规则对低频子带和多方向的高频子带系数进行融合。对比实验结果表明,在此提出的方法可以获得较好的融合效果,优于基于小波变换的图像融合算法。     

基于图像信息的红外与可见光图像融合方法研究

研究了红外图像与可见光图像的融合问题,提出了一种基于图像信息的图像融合新算法.首先利用非采样Contourlet变换的多分辨率特性和平移不变性对图像进行多尺度和多方向分解,得到一系列子带图像,然后针对图像变换后各带通方向子带高频系数的特点,提出了度量图像信息的融合规则.图像的低频部分决定了图像的轮廓,对低频子带应用简单...     

一种基于二进小波变换的图像边缘检测方法

边缘检测是图像处理和计算机视觉领域最活跃的研究课题之一。传统边缘检测方法对噪声非常敏感,针对该问题在传统边缘检测算法分析的基础上,提出了一种基于二进小波变换的图像边缘检测方法。首先,对原图像进行二进小波分解,然后对低频子图像用直方图均衡化来进行增强,对增强后的低频子图像用二进小波变换模极大值点方法进行边缘检测得到边缘图像。实验结果表明,这种边缘检测方法明显优于对原图像直接使用传统边缘检测算子或二进小波变换模极大值点的边缘检测方法。     

基于多尺度多方向结构元素的形态学图像边缘检测算法

为进一步改善图像处理中的噪声抑制和边缘检测性能,提出了一种多尺度多方向结构元素形态学图像边缘检测算法.该算法基于数学形态学中结构元素的方向性差异,充分利用了腐蚀、膨胀、开、闭及其变换和组合运算.对图像进行去噪、边缘提取等预处理操作,以提高图像的信噪比和边缘细节;利用递归的多尺度多方向结构元素形态学滤波得到图像的初始轮廓;利用多尺度形态学和多方向结构元素进行图像边缘检测.实验结果表明提出的算法抗噪性强,能有效准确地提取边缘信息.     

基于方向小波变换的边缘检测算法

提出了一种基于方向小波变换的边缘检测算法.本文详细介绍了方向小波变换的原理、基于此的图像边缘检测算法,比较了方向小波变换和传统小波变换、Canny算子在图像边缘检测的效果.实验结果表明,方向小波变换更符合图像的方向、纹理特征,因此更能反映图像的边缘信息,对传统的小波变换、Canny边缘检测算法有一定程度的改进.     

基于边界先验双模型贝叶斯决策的红外图像海天线检测

为了解决复杂海面干扰下海天线检测的问题,本文提出了一种基于边界先验双模型贝叶斯决策的红外图像的海天线检测方法。该方法首先将海空背景下的红外图像划分为子图像块,以子图像块的离散余弦变换的主余弦谱作为子图像块特征;然后,基于边界先验建立了海、天子图像块的贝叶斯决策模型,对海、天子图像块进行粗划分;之后,利用粗划分的子图像块集合建立细划分贝叶斯决策模型,利用重叠子图像块滑动细划分方法,获取海天线上候选点;最后,利用随机抽样一致性（RANSAC）算法得到海天线模型参数,实现海天线的检测。实验结果表明,该方法能有效检测出复杂海空背景下的海天线,对于海杂波、亮斑等干扰较多的复杂红外图像具有更优的检测效果,运算速度较快。      

基于复小波方向信息的SAR图像斑点噪声抑制

针对一般小波去噪方法在去除合成孔径雷达(Synthetic Aperture Radar-SAR)图像斑点噪声时不能有效保持图像边缘信息的问题,提出结合双密度双树复小波变换（Double-Density Dual Tree Complex Wavelet Transform –DD_DTCWT）方向信息进行边缘检测的SAR图像噪声抑制算法。本文对边缘检测指标进行改进,利用DD_DTCWT方向复小波系数的相对方差作为边缘检测指标,通过相对方差分布密度函数获取阈值处理的自适应门限,由此实现SAR图像的自适应滤波。实验结果表明,本文提出的边缘检测和主方向高频复系数提升方法可以有效保持并增强图像的边缘信息。与SRAD算法和基于DD_DTCWT的双变量收缩函数（Bivariate Shrinkage Function--BSF）算法相比较,本文算法具有更好的边缘保持能力。      

基于提升小波的自适应阈值边缘检测新算法

针对传统的单一边缘检测算法抗噪能力差、边缘不连续等缺点,本文提出采用两种算法相结合的方式来进行边缘检测。首先,对原始图像进行多层小波分解;对分解后的图像低频部分用提出的改进提升算法进行边缘检测,对高频部分用小波变换的局部模极大值算法检测边缘;通过将各层边缘信息按一定的融合规则融合起来得到一个组合边缘,最后细化图像边缘。实验证明,这种方法相对于传统小波分析有着计算量小,计算速度快和要求存储空间小等诸多优势,同时,也能做到不丢失图像信息,保证了边缘的连续性和封闭性,检测效果较好。     

基于四叉树分割的JPEG隐写分析

当前主要的隐写分析方法都是对整幅图像进行特征提取,而忽略了图像的内容差异。该文提出一种基于四叉树分割的JPEG隐写分析方法,该方法根据图像块的纹理复杂度进行图像分割,对具有相同统计特性的子图像分别进行隐写检测特征的提取,并构造相应的分类器,通过加权融合得到最终的检测结果。实验结果表明该方法具有良好的性能,尤其是在训练与测试图像的统计特性具有较大差异时,该算法的检测准确率提高更加明显。     

基于自适应融合规则的多分辨率图像融合算法

针对可见光与红外图像融合,设计了一种基于边缘检测的自适应融合规则.其思路是对小波变换分解后的高频子图像进行边缘检测,对边缘点的融合采用绝对值取大并一致性检验的方法,而对非边缘点的融合采用基于区域方差的融合规则;对低频子图像的融合采用任一原始图像的低频成分.和其他7种融合规则从不同角度进行了对比实验,结果表明该融合规则即保留了可见光图像的边缘信息,又融合了红外图像的高灰度值信息,而且目标和背景的对 比度变得更好.     

基于方向相关性的误差扩散算法

针对传统误差扩散中的"龟纹"和"伪轮廓"现象,在基于标准误差扩散算法的基础上,提出一种基于方向相关性的误差扩散算法。根据图像的梯度值把图像分为背景区域和边缘区域。在背景区域采用标准的误差扩散算法进行半色调处理,在边缘区域采用基于方向相关性的算法进行半色调处理。该算法既保持了标准误差扩散算法的优点,又减少了伪轮廓现象。     

一种基于DexiNed改进的红外图像边缘检测算法

相对于可见光图像边缘检测,目前针对红外图像边缘检测的研究较少,且大多基于传统方法,如边缘检测算子、数学形态学等,其本质上都是只考虑红外图像局部的急剧变化来检测边缘,因而始终受限于低层次特征。本文提出了一种基于深度学习的红外图像边缘检测算法,在DexiNed（Dense Extreme Inception Network for Edge Detection）的基础上,缩减了网络规模,并在损失函数中引入了图像级的差异,精心设置了损失函数的参数,进而优化了网络性能。此外,还通过调整自然图像边缘检测数据集来近似模拟红外图像边缘检测数据集,对改进后的模型进行训练,进一步提高了网络对红外图像中边缘信息的提取能力。定性评价结果表明,本文方法提取的红外图像边缘定位准确、层次清晰、细节丰富、贴合人眼视觉,使用了SSIM（Structural Similarity Index Measure）和FSIM（Feature Similarity Index Measure）指标的定量评价结果进一步体现了本文方法相比于其他方法的优越性。