基于非下采样Contourlet信息熵的纹理图像检索

提出了一种基于非下采样Contourlet信息熵的纹理图像检索新方法.首先对原始图像进行三层非下采样Contourlet分解;然后计算各个子带的能量,并对其进行排序、合并,得到纹理直方图;最后以纹理直方图为概率密度函数,并用改进的信息熵方法求得函数的熵,以此作为纹理特征进行检索.实验结果表明,该方法与当前基于多分辨率的纹理图像检索方法相比具有更高的查全率和查准率.     

融合显著区域和非下采样Contourlet变换的图像检索方法

为了提高图像的检索性能,基于显著区域直方图和非下采样Contourlet变换技术,提出了一种图像检索新方法。首先,以兴趣点为基础实现图像显著区域和背景区域的划分,并提取这两个区域的直方图作为颜色特征;其次,对图像进行非下采样Contourlet分解,获得高频子带的均值和方差作为图像的纹理信息;最后,将得到的颜色特征和纹理信息有机结合对图像进行检索。实验结果表明,该方法性能稳定,具有较高的检索效率。     

基于非下采样contourlet变换的纹理图像检索算法

提出一种应用非下采样contourlet变换(nonsubsampled contourlet transform,NSCT)进行图像检索的算法,以获取一种兼顾纹理图像概貌和细节信息的特征,从而提高图像检索的性能.该算法利用NSCT对图像进行多尺度、多方向分解,获得子带系数矩阵;对低频子带系数提取能量和方差作为全局纹理特征,并对高频子带系数分别提取尺度间和尺度内纹理信息;通过非高斯双变量模型拟合子带系数,利用信息熵描述尺度间特征;尺度内特征通过对同一层子带图像按主方向排序,获得直方图图像,计算其加权信息熵作为特征向量.对Brodatz标准纹理库的检索实验结果表明,与同类算法相比,该文方法具有更高的检索性能.     

基于概率模型的非下采样Contourlet变换图像去噪

目的 提出一种基于概率的自适应阈值选择方法,并将其应用到非下采样Contourlet变换域中实现阈值去噪.方法 根据NSCT系数大小,估计每个系数所包含的有用信号成分的概率,以此概率执行闽值处理.结果 假设信号在NSCT域中服从广义Laplacian分布且原始信号被高斯白噪声污染的条件下,这种阈值方法是普适有效的.结论 提出的方法应用于图像去噪,实验证明该方法与目前流行的去噪方法不相上下甚至有所超越.     

基于非下采样Contourlet变换的 SVM多聚焦图像融合

提出基于非下采样Contourlet变换的支持向量机(SVM)多聚焦图像融合算法. 采用非下采样Contourlet变换分解图像得到不同频域子带系数. 针对直接取系数绝对值最大融合规则不能反映图像区域的缺点,提出SVM分类系数融合规则. 根据各子带系数物理意义将区域方差、区域能量作为SVM核函数参考量来选择清晰像素点系数,根据融合系数重构得到融合图像. 结果证明该算法能有效并准确地融合图像中的信息.     

基于非下采样Contourlet变换的自适应阈值图像去噪方法

Contourlet变换是一种真正的图像二维表示方法,具有方向性和各向异性,能稀疏地表示图像。但Contourlet变换不具备平移不变性,图像去噪时会存在伪Gibbs现象。为了克服这种不足,在Contourlet变换基础上,构建了非下采样Contourlet变换,首先将图像进行非下采样Contourlet变换,接着运用自适应阈值进行去噪处理,然后进行非下采样Contourlet逆变换,得到去噪后图像。实验结果表明,采用非下采样Contourlet变换方法能有效去除图像噪声,并能保持图像纹理细节,提高图像信噪比,视觉效果好,其去噪效果优于传统小波及Contourlet去噪效果。     

基于非下采样Contourlet变换和PCNN的表面缺陷自动识别方法

基于多尺度几何分析的表面缺陷特征提取方法中,常用的可分离二维Wavelet基是各向同性的,无法有效表示图像的纹理和边缘,且通常对多尺度分解系数所提取的特征不全面.提出基于非下采样Contourlet变换(NSCT)和脉冲耦合神经网络(PCNN)的特征提取方法,并应用于冷轧带钢表面缺陷自动识别.首先用NSCT对缺陷图像进行多尺度多方向分解;然后将子带图像输入PCNN迭代点火,计算点火图的熵序列作为子图的特征,合并各子图特征得到原图的特征向量;最后用支持向量机进行分类识别.该方法能够全面准确提取缺陷图像信息,尤其是纹理边缘等方向信息,且方法可并行实现,PCNN不需要训练.利用从生产线现场采集的缺陷图像对文中方法进行了试验,识别率达95.44%.     

一种基于非下采样Contourlet变换的自适应水印方法

图像的多尺度方向分解和自适应水印方法是两个有趣的话题.利用非下采样Contourlet变换的多方向性和高冗余性,通过计算方向子带的掩盖系数,设计了一种自适应的图像水印方法.实验结果表明,该方法对绝大多数的图像失真都具有一定的鲁棒性.     

基于双密度小波变换的纹理图像检索

为了进一步提高纹理图像的检索性能，提出了一种基于双密度小波变换算法．该算法根据双密度小波分解变换的特点，从系数角度出发首先对子带进行组合，然后提取一阶和二阶统计矩并将结果作为纹理的特征用于图像检索．由于组合双密度小波变换采用了过采样，具有时移不变性，所以据此生成的算法具有特征数少、检索精度高等特点．对比实验结果表明，该算法的检索精度比单小波和双密度小波变换分别提高了10％和7％，性能最好的是一阶和二阶统计矩组合的方法．     

基于非下采样Contourlet变换的显微图像清晰度评价算法

针对显微图像噪声多、光照不均匀的特点,文章提出了一种基于NSCT的显微图像清晰度评价算法。算法首先通过NSCT对图像进行分解,然后基于改进的拉普拉斯能量获取子带系数的能量,最终由低、高频子带系数能量的比值得到评价结果。实验结果表明,与拉普拉斯、方差及小波变换评价算法相比,该算法在保持高灵敏度的同时具有较好的抗噪性能,评价结果更为准确、稳定、可靠。     

基于Contourlet变换的医学图像检索

针对医学图像特点,提出了一种基于纹理的医学图像检索算法.Contourlet变换结合了不可分离的方向滤波器组,具备多尺度和多方向特性,能有效地捕获到图像中的轮廓,并对其进行稀疏表示.本算法充分利用图像Contourlet变换系数的统计特征,形成描述纹理特征的特征向量,并将其作为检索的特征向量.采用上述算法对CT图像数据库进行了检索实验,并与基于小波变换纹理分析方法进行了比较.结果表明,在Contourlet变换域上检索查准率高于在小波域上的查准率,从而验证了该算法具有良好的检索性能.     

基于NSCT和矩阵F-范数的图像检索方法

介绍一种基于非下采样轮廓波Nonsubsampled Contourlet(NSCT)和矩阵F-范数的图像检索(CBIR)技术。首先对图像进行NSCT变换,然后将变换结果用矩阵F-范数构建特征向量,设计了两个特征向量相似度度量,最后给出加权相似度实现了图像检索。实验结果表明,该技术具有很好的检索率。     

三特征Contourlet纹理图像检索算法

Contourlet纹理检索算法中,特征向量的构造大多采用子带系数的能量和标准偏差级联得到,这在一定程度上阻碍了细节纹理的准确表达.为了克服这个问题,构造了相对标准偏差这个特征作为纹理特性的描述算子,并将该特征与子带系数幅度均值和峰度级联来构造特征向量.采用这种新型的特征向量,在Contourlet与Contourlet-2.3两种轮廓波纹理算法框架下,以Brodatz纹理图像数据库作为测试对象,相对于目前普遍采用的特征向量,平均检索率提高了5%~7%,从而验证了该算法的有效性.     

基于Contourlet变换的图像匹配算法

Contourlet变换结合了不可分离的方向滤波器组,具备多尺度和多方向特性,能有效地捕获到图像中的轮廓.提出了一种图像匹配算法,该算法充分利用了图像Contourlet变换系数的特征,形成描述纹理特征的特征向量,并将其作为匹配的特征向量,然后将该方法与基于小波变换纹理分析的方法进行了比较,试验结果表明:在Contourlet变换域上的匹配高于在小波域上的匹配,从而验证了该方法的可行性.     

基于归一化和非下采样Contourlet变换的数字水印方案

在研究非采样Contourlet变换和归一化理论的基础上,提出了一种新的数字图像水印算法。先将原始图像经过非下采样Contourlet变换处理,提取出图像的低频区域,然后依据人眼的视觉特性以及嵌入水印前、后系数的相关性,将水印信息嵌入对低频区域进行归一化重要区域中。无须借助于原始图像,就能进行水印提取,实现真正的盲检测。实验结果表明,本文算法对平移变换的抵抗力最强,对旋转和缩放也有很好的抵抗力,而且经过JPEG压缩之后,数字水印也不会失真。      

基于第二代小波变换的医学图像检索

纹理特征提取是基于内容的图像检索的一个重要环节.针对该问题,提出了一种简单而有效的纹理特征提取算法.采用原始图像的亮度以及图像经过第二代小波变换后子带的方差信息来描述纹理.与传统的采用第一代小波变换进行图像检索的算法相比,提取的特征维数少,计算复杂度小.通过对医学图像库的检索实验结果表明,该算法具有高效的检索效率.同时,还具有对图像的平移、旋转、尺度以及镜面变换的近似不变性.     

以能量和峰度为特征的轮廓波纹理检索算法

轮廓波纹理图像检索系统检索率较低的一个重要原因在于纹理特征的提取.针对该问题,从数学角度分析了纹理图像在轮廓波变换域上的统计特性,证明了采用子带系数的能量和峰度作为特征能够更好地刻画纹理结构.在此理论基础上,构造了一种纹理图像检索算法.该算法采用子带系数的能量和峰度级联来构造特征向量,并采用Canberra距离作为相似度度量函数.实验结果表明:在特征向量长度、检索时间、所需存储空间相同的情况下,该检索算法比基于同样架构的已有轮廓波检索算法有更高的检索率.     

基于小波变换的医学图像插值研究

提出了一种基于小波变换的高频预测方法,能有效地结合多小波实现任意整数倍的图像超分辨率.实验结果表明新的基于小波分析的图像插值方法能够有效地保持图像的边缘特征,达到更好的视觉效果.