多尺度无监督彩色图像分割

非采样Contourlet变换是一种新的多尺度多分辨率分析工具.本文提出了一种基于非采样Contourlet变换的彩色图像无监督分割算法.首先利用非采样Contourlet变换的平移不变性在其变换域应用梯度向量法提取图像多尺度边缘|然后在Contourlet变换域的低频子带和高频子带中分别提取局部低频能量纹理特征与高频多尺度Zernike矩纹理特征,并将二种纹理特征融合.最后在边缘图像中映射种子像素点,利用纹理和颜色特征欧氏距离,对彩色图像采用区域生长和区域合并的方法进行分割.实验结果证明:该算法将图像空间域的颜色特征与非采样Contourlet变换域的多尺度边缘和纹理特征恰当结合在一起实现彩色图像无监督自动分割,与传统算法相比有更高的准确性和鲁棒性.     

一种新颖的非冗余图像多尺度几何分析

将小波和方向滤波器组（DFB）结合，实现了一种非冗余的图像多尺度几何分析WDFB．首先利用小波变换将图像分解为高频子带和低频子带，然后高频子带通过方向滤波进一步分解成方向子带．这一过程对低频子带迭代进行，从而提供了一种多尺度多方向的分解，它能更稀疏地表示图像．在进行方向滤波时，通过应用等效易位及错切操作，避免了复杂的树结构扩展．实验结果表明，WDFB在非线性逼近指标上优于Contourlet变换，尤其对于舍有丰富纹理的图像．例如对于512×512的Barbara图，在保持8192个重要系数时，重建图像的峰值信噪比较采用Contourlet变换时提高0．68dB．     

一种基于方向窗特性的Contourlet域的多聚焦图像融合算法

针对同一场景多聚焦图像的融合问题,提出了一种基于方向区域特性的Contourlet域多聚焦图像融合算法.该算法对图像进行Contourlet变换,分解为不同尺度、不同方向的高低频子带|低频和高频子带分别采用方向区域的方差匹配度和能量作为融合规则|最后通过反变换得到融合图像.结果表明,所提出的方向区域方法能够更好地体现二维图像中的曲线或直线状边缘特征,是一种有效可行的图像融合算法.     

一种基于方向窗特性的Contourlet域的多聚焦图像融合算法

针对同一场景多聚焦图像的融合问题,提出了一种基于方向区域特性的Contourlet域多聚焦图像融合算法.该算法对图像进行Contourlet变换,分解为不同尺度、不同方向的高低频子带;低频和高频子带分别采用方向区域的方差匹配度和能量作为融合规则;最后通过反变换得到融合图像.结果表明,所提出的方向区域方法能够更好地体现二维图像中的曲线或直线状边缘特征,是一种有效可行的图像融合算法.     

非下采样变换的红外与可见光图像融合

基于非下采样Contourlet变换(NSCT),提出了一种红外和可见光图像融合算法。针对低频子带系数和各带通方向子带系数分别提出了基于图像物理特征的系数加权选择方式与基于区域能量匹配的系数选择方式,即低频基于区域梯度信息、高频基于区域特征因子的加权与选择结合的图像融合算法。实验结果表明:非下采样Contourlet变换具有较快的运算速度,且经非下采样变换后能量更加集中,可提供更多的图像信息。相对于基于像素的图像融合算法,本文的图像融合算法具有更高的融合性能,是一种更适合图像融合的多尺度几何分析(MGA)工具。     

非下采样变换的红外与可见光图像融合

基于非下采样Contourlet变换（NSCT）,提出了一种红外和可见光图像融合算法。针对低频子带系数和各带通方向子带系数分别提出了基于图像物理特征的系数加权选择方式与基于区域能量匹配的系数选择方式,即低频基于区域梯度信息、高频基于区域特征因子的加权与选择结合的图像融合算法。实验结果表明：非下采样Contourlet变换具有较快的运算速度,且经非下采样变换后能量更加集中,可提供更多的图像信息。相对于基于像素的图像融合算法,本文的图像融合算法具有更高的融合性能,是一种更适合图像融合的多尺度几何分析（MGA）工具。     

基于非采样Contourlet变换的遥感图像融合算法

为了使融合后的多光谱图像在尽可能保持原始多光谱图像光谱特性的同时,显著提高空间分辨力,提出了一种基于非采样Contourlet变换(NSCT)的遥感图像融合算法。算法首先对全色波段图像进行非采样Contourlet变换,得到全色波段图像的低频子带系数和各带通方向子带系数;然后针对多光谱图像的每一个波段,将其进行双线性插值后作为融合后多光谱图像的低频子带系数,对全色波段图像的各带通方向子带系数采用基于成像系统物理特性的注入模型(调整系数)进行局部调整后,作为融合后多光谱图像的各带通方向子带系数,从而得到融合后多光谱图像的非采样Contourlet变换系数;最后再经非采样Contourlet逆变换得到该波段具有高空间分辨力的多光谱图像。采用IKONOS卫星遥感图像进行了仿真实验,实验结果表明,该算法在光谱保留和空间质量提高方面优于其它传统的遥感图像融合算法。     

一种基于非下采样Contourlet变换的运动点目标背景抑制算法

为了解决机载红外预警探测系统检测地面运动点目标时的结构化背景抑制,提出了一种基于非下采样Contourlet变换的新算法.算法采用非下采样Contourlet变换对原始图像进行多层分解,然后对低频子带和高频子带采用不同的方法处理,最后对各子带进行重构即可得到背景抑制后图像.与数学形态学Top-hat算法比较,实验结果表明本文所提算法能有效地抑制图像背景,从而较好地提高图像的信噪比和对比度.     

基于非亚采样Contourlet变换的PET/CT图像融合

提出了一种新的基于非亚采样Contourlet变换的PET/CT图像融合方法。通过非亚采样金字塔(NSP)和非亚采样方向滤波器组(NSDFB)实现对图像的多尺度多方向分解。在融合处理中,对分解图像所得的高频及低频系数,根据不同分解面的特性,采用不同的加权规则进行融合。该方法既保留了Contourlet变换方法的多分辨率特性,又具有平移不变性。实验结果表明,相对于传统的拉普拉斯金字塔变换法、小波变换法和Contourlet变换法等,取得了更佳的融合效果。     

基于Contourlet变换与FLD的人脸表情识别方法

提出了一种基于Contourlet变换与FLD的人脸表情特征提取方法。Contourlet变换是一种新的多尺度几何分析方法,它在具备小波变换的多分辨率特性和时频局部特性的同时,还具有很强的多方向选择性和各向异性。图像经过Contourlet变换后的低频分量可体现表情的概貌,高频方向子带可体现表情的轮廓和纹理等细节。将低频分量与部分高频方向子带结合起来作为整体特征,可压缩图像的数据量,并能够体现表情的本质特征。首先用Fisher线性判别法(FLD)进行特征提取,然后采用K-近邻法进行分类。实验证明,该方法比经典的FLD方法有着更快的特征提取速度和更高的表情识别率。     

基于非抽样Contourlet变换的彩色图像数字水印算法

研究了小波变换和Contourlet变换的不足,利用非抽样Contourlet变换的多尺度性、多方向性以及平移不变性特征进行彩色图像数字水印.先对图像进行非抽样Contourlet变换得到不同尺度不同方向上的系数.然后为了满足水印的不町见性和稳健性,在低频系数和高频系数中采用不同的嵌入强度.并依据人类视觉的彩色感知特性,在蓝色分量中嵌入较多水印,在其他颜色分量选取变换系数能量最大的区域嵌入水印.与同样嵌入规则的Contourlet变换算法和平稳小波变换算法相比.该算法具有更好的稳健性,利用该算法得到的水印相似度更高,最高町提高约0.5.     

基于非采样Contourlet变换高分辨率遥感图像配准

为了提高高分辨率遥感图像配准的精确度,将非采样Contourlet变换应用于高分辨率遥感图像配准算法中.首先对高分辨率遥感图像进行非采样Contourlet变换.利用非采样Contourlet变换的平移不变性在变换域提取图像的边缘并选择合适的阈值准确地得到图像的边缘特征点.然后利用归一化互相关匹配法和概率支撑法对特征点进行匹配.最后通过三角形局部变换映射甬数实现图像配准.实验结果表明,该方法更能准确地提取高分辨率遥感图像的特征点,大大提高了正确匹配的概率,与基于小波方法的图像配准效果相比有更高的准确性和稳健性.     

基于多尺度特征提取与多元回归分析的人脸识别

为提高人脸识别的正确率,提出了一种改进的特征提取及分类算法。首先采用Contour-let变换对人脸图像进行多尺度分解,然后由低频子带和各尺度各方向的高频子带得到人脸的特征值,并将它们组合成多尺度特征向量,再应用多元回归分析方法进行人脸识别。由于多尺度特征向量不仅反映了整幅图像的全局特征,还反映了图像各种尺度下的边缘、纹理等奇异特征,因此具有更多的鉴别信息;多元回归分析则充分考虑了同一总体的各样本间的强线性关系。在ORL人脸库上的实验显示人脸识别率达97．78％,优于其他的方法。     

Synthetic Aperture Radar image nonlinear enhancement algorithm based on NSCT transform

Due to the imaging mechanism, Synthetic Aperture Radar (SAR) images are susceptible to speckle noise, which affects radar image interpretation. So image denoising and enhancement are important topics of improving SAR image performance. A nonlinear image enhancement algorithm based on nonsubsampled contourlet transform (NSCT) is proposed in this paper. The image is decomposed into coefficients of different scales and directions through nonsubsampled contourlet transform. It is denoised by the threshold method of the multi-scale product of NSCT coefficients. Then thresholds of the nonlinear enhancement function are determined according to the coefficients of each scale. The two parameters of the function, among which one is used to control the range of enhancement and the other can determine the strength of enhancement, are obtained by solving nonlinear equations. The coefficients processed by the enhancement function are used to reconstruct the image. The simulation results on the Matlab platform show that the algorithm has a good effect of enhancing details of images and suppressing noise signals meanwhile.     

An improved fusion algorithm for infrared and visible images based on multi-scale transform

In this paper, an improved fusion algorithm for infrared and visible images based on multi-scale transform is proposed. First of all, Morphology-Hat transform is used for an infrared image and a visible image separately. Then two images were decomposed into high-frequency and low-frequency images by contourlet transform (CT). The fusion strategy of high-frequency images is based on mean gradient and the fusion strategy of low-frequency images is based on Principal Component Analysis (PCA). Finally, the final fused image is obtained by using the inverse contourlet transform (ICT). The experiments and results demonstrate that the proposed method can significantly improve image fusion performance, accomplish notable target information and high contrast and preserve rich details information at the same time.     

基于区域分割和Counterlet变换的图像融合算法

提出了一种基于区域分割和Contourlet变换的图像融合算法。首先,对各源图像做区域分割,并利用区域能量比和区域清晰比的概念来度量和提取区域信息;然后,对各源图像进行多尺度非子采样Contourlet分解,分解后的高频部分采用绝对值取大算子进行融合,低频部分则采用基于区域的融合规则和算子进行融合;最后进行重构得到融合图像。对红外与可见光图像进行了融合实验,并与基于像素的àtrous小波变换和Contourlet变换的融合效果进行了比较。结果表明,采用本文算法的融合图像既保留了可见光图像的光谱信息,又继承了红外图像的目标信息,其熵值高于基于像素的融合方法约10%,交叉熵仅为基于像素的融合方法的1%左右。     

An adaptive fusion approach for infrared and visible images based on NSCT and compressed sensing

A novel nonsubsampled contourlet transform (NSCT) based image fusion approach, implementing an adaptive-Gaussian (AG) fuzzy membership method, compressed sensing (CS) technique, total variation (TV) based gradient descent reconstruction algorithm, is proposed for the fusion computation of infrared and visible images.Compared with wavelet, contourlet, or any other multi-resolution analysis method, NSCT has many evident advantages, such as multi-scale, multi-direction, and translation invariance. As is known, a fuzzy set is characterized by its membership function (MF), while the commonly known Gaussian fuzzy membership degree can be introduced to establish an adaptive control of the fusion processing. The compressed sensing technique can sparsely sample the image information in a certain sampling rate, and the sparse signal can be recovered by solving a convex problem employing gradient descent based iterative algorithm(s).In the proposed fusion process, the pre-enhanced infrared image and the visible image are decomposed into low-frequency subbands and high-frequency subbands, respectively, via the NSCT method as a first step. The low-frequency coefficients are fused using the adaptive regional average energy rule; the highest-frequency coefficients are fused using the maximum absolute selection rule; the other high-frequency coefficients are sparsely sampled, fused using the adaptive-Gaussian regional standard deviation rule, and then recovered by employing the total variation based gradient descent recovery algorithm.Experimental results and human visual perception illustrate the effectiveness and advantages of the proposed fusion approach. The efficiency and robustness are also analyzed and discussed through different evaluation methods, such as the standard deviation, Shannon entropy, root-mean-square error, mutual information and edge-based similarity index.     

架构于双树轮廓波方向及相位特征的纹理图像分割

考虑到纹理的方向及相位特性,提出一种基于双树轮廓波变换的纹理图像分割新方法.双树轮廓波由塔型双树方向滤波器组构建,它不仅保持了轮廓波灵活的方向选择性,克服了传统轮廓波不具有移不变性的缺点,而且提供了复子带系数.本文以各方向子带的能量作为方向特征,复系数的平均相角作为相位特征,生成特征向量,利用模糊C均值聚类算法进行纹理图像分割.实验结果表明,相位特征是方向特征的有效补充,与传统方法相比,该方法在分割错误率、边缘准确性以及区域一致性等方面均有明显的改善.