基于NACT和HMT模型的纹理图像检索

针对轮廓波变换方向子带中的频谱混叠现象及传统KLD方法度量隐马尔科夫模型间距离的局限性,提出结合改进KLD度量的抗混叠轮廓波隐马尔科夫树(HMT)纹理图像检索方法。利用抗混叠轮廓波变换抑制频谱混叠的特点对纹理进行分解,建立HMT模型并将其训练后的参数集视为纹理特征,利用改进KLD方法满足三角不等式的优点度量HMT模型间的距离,提高纹理图像检索精度。理论和实验结果表明,该算法的查准率比CT-HMT+传统KLD方法提高了2.81%。     

抗混叠轮廓波HMT模型的医学图像融合

为了更好地对医学图像进行融合,提出了一种利用抗混叠轮廓波HMT模型的图像融合新算法。该算法首先对原始轮廓波变换的频谱混叠问题展开研究,明确LP分解中的两个低通滤波器不满足Nyquist抽样定律是造成混叠的主要原因。接着,在对低通滤波器考虑带限约束条件下,设计了一种能抑制混叠的利用双通道滤波器组结构的多尺度分解方案,用于代替原始轮廓波变换的LP分解,结合方向滤波器组,实现了一种抗混叠的轮廓波变换。在此基础上,提出一种采用隐马尔可夫树（HMT）来刻划变换系数尺度间相关性的医学图像成像模型,并以期望最大化算法估计模型参数,得到融合图像。CT与MR图像以及MR-T1与MR-T2图像的融合实验表明,该算法的融合结果无论在视觉质量及定量指标上都明显优于基于小波变换和原始轮廓波变换的方法。     

基于NSCT变换的医学图像融合研究

为了提高医学图像的质量,为医学诊断提供可靠的信息依据,将更为先进的多分辨率、多方向分解的NSCT变换引入到CT和MRI医学图像融合中进行研究,并针对医学图像的特点,提出一种改进的中心区域能量加权平均融合规则。进行基于NSCT变换的不同融合规则的医学图像融合仿真实验,并与Contourlet变换进行比较分析。实验结果表明,基于NSCT变换的改进融合规则算法使医学融合图像具有更丰富的信息量和更高的对比度,相关评价指标表明了该算法的有效性。     

循环平移和非下采样在轮廓波去噪中的应用

轮廓波变换是小波变换的新发展,是一种多方向、多尺度的几何分析工具,能更有效地捕捉图像的几何结构。传统的轮廓波变换因包含有下采样操作,使得它不具备平移不变性,从而会在图像去噪过程中引入伪吉布斯（Gibbs）现象。分别采用循环平移及非下采样滤波器组两种方法对其改进,着重从计算复杂度、去噪效果、噪声水平依赖性等方面对两种改进方法的去噪效果进行了对比。     

基于改进型NSCT 变换的灰度可见光与红外图像融合方法

针对灰度可见光与红外图像融合,提出一种基于改进型非下采样轮廓波变换(NSCT)的图像融合方法.不同于经典NSCT模型,改进型NSCT变换摈弃了细节捕捉能力不强的非下采样金字塔分解机制,采用冗余提升不可分离小波变换实现对源图像的多尺度分解;然后,分别采用基于区域平均能量匹配度、邻域系数差和信息熵的融合规则,得到融合图像的低频系数和高频系数;最后,通过改进型NSCT逆变换得到了融合图像.实验结果验证了该方法的有效性.     

结合方向信息测度和NSCT分解的图像融合算法

针对传统图像融合算法容易造成边缘细节信息丢失且抗噪声能力不强的问题,提出一种结合方向信息测度和非下采样轮廓波变换分解的图像融合算法,先利用方向信息测度对图像进行复原操作,再对低频部分采用方向信息测度加权融合规则进行融合,对高频部分采用改进区域能量加权融合规则进行融合.该算法较好地结合了非下采样轮廓波变换良好的信息保持能力和方向信息测度良好的抗噪性能,使得融合图像的效果良好.实验证明,该算法能较好的保持边缘信息且抗噪性强,能广泛地应用于多聚焦图像的融合.     

改进的NeighLevel图像去噪方法

针对复小波变换在图像方向信息表征和NeighLevel算法刻画邻域相关性的局限性,提出了一种改进的图像去噪方法。首先,利用抗混叠轮廓波自由选择方向数的特点,能更好地提取图像边缘细节,克服了复小波方向性信息表达的不足;然后用变换域邻域小波系数之间的互信息量,改进NeighLevel方法对邻域信息的表达能力。理论分析和实验结果表明,与CWT-NeighLevel相比,在噪声方差等于30~60时,峰值信噪比提高了0.6%~7.0%,且在边缘特征方面保持了良好的视觉效果。     

基于非采样提升小波变换的图像融合算法

针对传统提升小波变换的图像融合算法缺乏平移不变性以及区域能量融合准则存在的不足,提出了一种基于改进提升小波变换的图像融合新算法.该算法在提升小波变换原理的基础上,通过取消其奇偶分裂来获得具有平移不变性的非采样提升小波变换.对图像经此变换得到的低频部分设计出一种新的基于区域空间频率的加权和选择相结合的融合方法,高频部分采用一种基于边缘信息的加权融合策略.为验证所提出融合方法的有效性,对多聚焦图像进行了融合实验.实验表明,与传统的图像融合算法相比,该算法能更好地描述灰度的突变信息,获得含有丰富细节特征的融合图像.     

基于空间频率的图像融合方法

论文对多光谱图像和高分辨图像进行了融合。对多光谱图像进行IHS变换,利用变换后得到的强度分量和高分辨图像具有较强的相关性,在小波变换域进行图像融合。根据小波变换有三个方向的高频细节这一特点,提出了一种新的空间频率概念,基于这种空间频率进行图像融合,得到了同时具有较好的空间分辨率和光谱信息的融合图像。实验结果表明该方法得到的融合图像优于传统的IHS变换法和传统小波变换方法。     

基于非下采样Contourlet的图像融合

本文提出了一种基于非下采样Contourlet变换的图像融合方法。与Contourlet变换相比,非下采样Contourlet变换不仅具有多尺度、多方向特性,同时还具备平移不变性。文中针对非下采样Contourlet变换的特点和人眼的视觉特性,在较粗尺度采用对比度融合规则,较细尺度采用局部方差最大化规则,低频采用平均规则。该方法不但继承了Contourlet变换对方向信息融合的优点,同时又有效地去除了Contourlet变换中出现的吉布斯现象。仿真实验表明,本文方法优于Contourlet变换以及现有的小波,非下采样小波等方法。     

基于NCT的特征级图像融合

为得到更好的融合效果,将特征级融合与像素级融合相结合,利用Contourlet变换(CT)对源图像进行分解,对于近似图像,利用Canny算子进行边缘检测以得到边缘特征图像,再以边缘特征图像作为交叉视觉皮质模型的输入,根据各神经元的点火次数进行融合;对于细节图像,根据区域能量系数矩阵进行融合.通过多聚焦闹钟图像和CT、M...     

基于非子采样Contourlet变换的图像融合方法

分析了非子采样Contourlet变换滤波器组的设计与实现方法,提出一种基于非子采样Contourlet变换的图像融合方法.首先将图像作非子采样拉普拉斯金字塔尺度分解,并在各尺度层使用非子采样方向滤波器组对高频子带作方向分解,构成非子采样Contourlet变换;然后,采用基于区域能量的融合规则得到融合图像的非子采样Contourlet系数;最后进行非子采样Contourlet逆变换得到融合图像.实验结果表明,该方法的融合效果优于à trous小波变换方法和Mallat小波变换方法.     

基于非下采样Contourlet变换多聚焦图像融合

针对同一场景多聚焦图像的融合问题,本文提出了一种基于非下采样Contourlet变换(NSCT)多聚焦图像融合算法。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;其后,针对低频子带系数的选择,提出了一种基于方向向量模和加权平均相结合的融合规则;然后,针对带通方向子带系数的选择,提出了一种基于改进的方向对比度和局部区域能量相结合的融合规则;最后,经NSCT逆变换得到融合图像。实验结果表明,该算法能够有效地保留源图像的有用信息,避免噪声、虚影等效应,是一种有效可行的图像融合算法。     

基于非抽样Contourlet变换的医学图像融合算法

分析了非抽样Contourlet变换（Nonsubsampled Contourlet Transform,NSCT）的原理,提出了一种新的基于NSCT的医学图像融合算法,应用NSCT对CT和MRI图像进行多尺度、多方向分解,低频子带采取区域能量加权法融合,带通子带采取模最大融合,最后将融合的系数进行NSCT逆变换得到融合图像。实验表明,与其它融合算法比较,该算法融合图像效果较好。     

基于NSCT的红外与可见光图像融合

针对红外与可见光图像的不同特点,提出一种基于非采样Contourlet变换（NSCT）的红外与可见光图像融合算法。采用NSCT对源图像进行多尺度、多方向分解;分别采用基于局部能量和区域特征的融合规则得到融合图像的低频子带系数和带通方向子带系数;最后经过NSCT逆变换得到融合图像。实验结果表明,该算法能够获得较理想的融合图像,其融合效果优于基于Contourlet变换的图像融合算法。     

基于Contourlet变换的遥感图像融合

利用Contourlet变换的多尺度、局部化、方向性和各向异性等优点,提出了一种基于Contourlet变换的遥感多光谱与全色波段图像融合新算法。算法首先对多光谱图像进行IHS变换,然后将多光谱的I分量和全色图像进行Contourlet分解,进而在不同子带中进行图像融合,低频采用一种新的基于形态学梯度算子的边缘信息融合算法,高频采用区域标准方差融合并使用形态学进行一致性检测,最后将得到的灰度融合图像进行线性拉伸并替代原来的I分量,进行IHS反变换后得到最终的融合图像。实验结果表明,与传统的图像融合算法相比,该算法能够更有效地融合源图像信息,保持源图像特征。     

一种基于Contourlet变换的图像去噪方法

在变换域阚值去噪过程中，阈值的选取和阚值处理方法至关重要。提出一种基于conmurlet变换的图像去噪方法。采用分层阈值，为每一级contourlet系数选取一个阈值。阈值处理中给出一种基于邻域的阈值处理方法，不仅考虑单个系数幅值的大小，而且考虑它的邻域系数幅值的大小。同时为了抑制在去噪图像边缘附近的伪吉布斯效应，引入cycle spinning来抑制这种图像失真。实验结果表明，利用文中去噪方法进行去噪比其他方法得到更好的视觉效果和更高的PSNR值。     

基于NSCT和泰勒级数的图像超分辨率重建

结合非下采样Contourlet变换(NSCT)的多尺度、方向特性、各向异性、平移不变性以及泰勒级数高效逼近的优点,提出一种利用泰勒级数插值代替双线性插值的超分辨率图像重建算法.实验结果显示,该算法可以较好地恢复图像的细节信息和纹理特征,有效抵抗高斯噪声的干扰.     

基于非抽样Contourlet变换的多聚焦图像融合算法

文中研究了非抽样Contourlet变换（NSCT）的原理,以及其多尺度、局部化、方向性和各向异性等优点。提出了一种基于NSCT的多聚焦图像融合新算法。本算法将多聚焦图像进行NSCT分解,不同子带采用不同的融合规则,低频子带采用新的基于灰度形态学梯度算子的融合算法,并做一致性检测,带通子带采用基于区域能量的融合算法。最后将融合得到的系数进行NSCT反变换得到融合图像。实验结果表明,与其他融合算法相比较,该算法可以更有效地保留源图像信息和细节特征。