基于拉普拉斯塔型变换的Contourlet变换频谱混叠特性分析

针对Contourlet变换存在频谱混叠的问题,立足于拉普拉斯(Laplace)塔型变换的分析研究,指出了Contourlet变换频谱混叠的根本原因在于Laplace塔型变换中两个低通滤波器不满足Nyquist抽样定律,致使阻带截全频率大于π/2,导致Contourlet变换的频谱混叠.基此.设计了满足Nyquist抽样定律的低通滤波器,提出了一种新型的Contourlet变换,即抗混叠Contourlet变换.抗混叠Contourlet变换有效地抑制了频谱混叠,基函数的空频局域件均明显优于Contourlet.通过对Barbara图像的硬阈值去噪实验研究结果表明,抗混叠Contourlet变换去噪在峰值信噪比(PSNR)上高出Contou[et变换2.3 dB(噪声均方差为30),去噪效果好,同时还有效抑制了Contoulet变换去噪后的"划痕"现象,图像的视觉效果更佳.     

基于Contourlet变换和形态学的图像增强方法

传统的图像增强算法在增强图像时,增大噪音,同时丢失细节.针对该问题,结合Contourlet变换中相关系数理论,提出了基于Contourlet变换和数学形态学的图像增强新算法.首先,对图像进行Contourlet变换分解,采用数学形态学算子对高频细节部分区分为细节信息和噪音产生的系数,然后,对变换系数采用非线性映射函数进行增强.最后,利用修改后的变换系数进行Contourlet逆变换得到增强后的图像.实验表明,该方法无论是增强效果还是抗噪性能都明显优于传统的图像增强算法.     

基于数学形态学的Contourlet变换域图像降噪方法

提出了一种基于数学形态学的Contourlet变换域图像降噪方法.首先对输入的带噪图像进行多尺度、多方向的Contourlet稀疏变换,然后利用数学形态学算子在Contourlet域对高频系数进行处理,去除图像中具有较小支撑域的噪音,有效保留具有连续支撑域的图像边缘信息.最后通过Contourlet反变换得到预降噪图像.仿真结果表明,该方法较一般的Contourlet域收缩阈值降噪方法的降噪效果好,提高了PSNR值并降低了MSE值,获得更好的图像恢复质量.     

基于Contourlet系数相关特性的自适应图像去噪算法

研究发现, 图像经过Contourlet变换之后, 其变换系数在尺度内和尺度间都表现出很强的相关特性.基于此, 首先根据Contourlet系数在同一尺度内的邻域相关特性, 构造得到一个自适应阈值, 然后在采用阈值法进行自适应阈值去噪的同时, 利用Contourlet系数在相邻尺度间的相关性对系数进行进一步的取舍, 从而提出一种新的基于Contourlet变换系数特性的自适应阈值图像去噪算法.该算法不仅可以有效去除噪声, 而且可以很好地保留图像边缘信息.实验结果表明, 在相同条件下该算法的主客观去噪效果均优于现有同类方法.     

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。     

基于Contourlet变换的区域特征自适应图像融合算法

Contourlet变换克服了小波变换在处理高维信号时的不足,比小波变换具有更好的方向性、较高的逼近精度和更好的稀疏表达性能.因此将Contourlet变换应用于图像融合领域,能更好的提取图像边缘特征,为融合提取更多的特征信息.基于Contourlet变换的区域特征自适应图像融合算法是将图像进行Contourlet变换分解后,针对不同的频率域特点选择不同的融合规则,针对高频系数特性选用了区域特征自适应的融合规则,最后通过重构得到融合图像.将基于小波变换的融合算法和本文所提算法进行了主观和客观的对比,结果表明,基于Contourlet变换区域特征自适应的图像融合算法是一种有效可行的图像融合算法.     

一种新的基于非下采样Contourlet变换的自适应图像去噪算法

提出了一种新的结合非下采样Contourlet变换(NSCT)和斯坦无偏风险估计(SURE)的自适应图像去噪方法.通过NSCT对含噪图像进行分解,根据斯坦无偏风险估计准则对分解后的噪声图像进行均方误差E估计,并依据得剑的E<,MS>构造线性自适应阚值方程,对含噪图像的每一个分解子带进行阈值去噪.对自适应阈值去噪后的图像分解子带进行重构.得到去噪图像.实验结果表明,该方法可以有效地消除标准图像和自然图像中的噪声,在去噪图像峰值信噪比(PSNR)和边缘保持性能上都优于已有算法.     

基于Cycle Spinning Contourlet变换和总变分最小化的遥感图像去噪算法(英文)

针对大部分已有的遥感图像去噪算法在去噪的同时不能有效的保留细节和增强边缘,提出了一种基于Cycle Spinning Contourlet变换和总变分最小化的图像去噪新算法.该算法依据了Cycle Spinning Contourlet变换能够很好的保留原始图像的细节和纹理信息,而总变分最小化方法具有在去噪的同时增强图像边缘的特性,因此使用所提出的融合规则对两种算法去噪后的图像进行融合能够取得更好的增强效果.通过对比,实验结果表明该算法不仅能在很大程度上削弱分别由平移不变Contourlet变换和总变分最小化的图像去噪方法产生的伪吉布斯现象和阶梯效应,而且视觉效果和PSNR值均优于其它方法,同时该算法能够保留更多的光谱信息,因此该算法是一种有效的遥感图像去噪算法.     

基于Cycle Spinning Contourlet变换和总变分最小化的遥感图像去噪算法

针对很多已有的遥感图像去噪算法去噪的同时存在不能有效的保留细节和增强边缘的问题,提出了一种基于Cycle Spinning Contourlet变换和总变分最小化的图像去噪新算法。该算法依据了Cycle Spinning Contourlet变换能够很好的保留原始图像的细节和纹理信息,而总变分最小化方法具有在去噪的同时增强图像边缘的特性,因此使用所提出的融合规则对两种算法去噪后的图像进行融合能够取得更好的增强效果。通过对比,实验结果表明该算法不仅能在很大程度上削弱分别由平移不变Contourlet变换和总变分最小化的图像去噪方法产生的伪吉布斯现象和阶梯效应,而且视觉效果和PSNR值均优于其它方法,同时该算法能够保留更多的光谱信息,因此该算法是一种有效的遥感图像去噪算法。     

基于小波-Contourlet变换的Cycle spinning硬阈值图像去噪方法

综合考虑小波变换的特点以及Contourlet变换对二维光滑图像有很好的近似特性和对曲线有更好的"稀疏"表示的特点,提出了一种基于小波-Contorlet变换的图像硬阈值去噪方法,并用Cycle spinning去除图像中小波-Con- tourlet变换平移变异性而产生的伪吉布斯现象。实验结果表明:该方法与采用Cycle spinning的小波和Contourlet去嗓算法相比,PSNR分别提高了0.4～1.6和0.2～1.0。与其它去噪算法相比,这种方法能有效地去除图像中的噪声,具有更高的PSNR值,能更好地保留图像的纹理和细节。     

具有紧支撑正交非张量积小波的图像融合

提出了基于一种新的小波——具有紧支撑、正交性、伸缩矩阵为[^2 0 ^0 2]的非张量积小波的图像融合方法。首先根据非张量积小波理论,利用Daubechies构造的单变量滤波器构造出基于四通道的不可分的小波滤波器组,用此滤波器组对参加融合的图像进行分解,然后对低频部分采用取均值、高频部分采用系数绝对值取大的融合算法对分解子图进行融合,最后重构。并采用熵、交叉熵、互信息、均方根误差和峰值信噪比等指标对该方法进行了客观评价。对可见光图像与红外图像、远红外图像与近红外图像、遥感图像、多聚焦图像和其它多类图像的融合实验结果证明本方法有较好的融合效果,其融合性能与采用同样融合算法的张量积db2小波的融合方法的融合性能相当。     

基于ZedBoard的超分辨率视频复原系统

为了实现超分辨率视频图像的实时复原,设计了以ZedBoard可编程片上系统为基础的超分辨率视频复原系统。系统包括基于V4L2(Video for Linux 2)的USB摄像头视频采集、基于小波变换的超分辨率复原算法处理和基于Qt的图形用户界面制作以及视频输出。采用双线性、双立方和小波变换算法分别对Lena图像进行复原处理,峰值信噪比PSNR值分别为29.516、29.843、31.368。实验结果表明,提出的基于小波的超分辨率复原算法优于传统的插值算法,基于ZedBoard的超分辨视频复原系统复原效果良好。     

小波分析在气泡幕散射光信号处理中的应用

选取Daubechies小波对尾流气泡幕散射光信号做一维离散小波变换,小波阶数为3,尺度数Level为5,得到了原始信号的小波分析和重构误差结果.经db3小波分解,散射光信号的低频及高频部分区别不大,可能是信号采集频率过低(×10－1 s)导致的结果.对原始信号进行小波分析容易得到均值、中值、模式、标准差等统计量.通过对散射光信号进行一维平稳小波去噪、小波变换密度估计、小波系数选取等方面的分析,揭示了不同压强下散射光信号具有不同的性质.     

基于小波变换和非负支撑域递归逆滤波算法的盲目图像复原

提出了一种将自适应正则化方法与非负支撑域递归逆滤波(NAS-RIF)算法相结合用于小波域的盲图像复原算法.该算法先对降质图像进行小波分解,得到了图像在不同子频段的信息.在各个子频段采用NAS-RIF算法进行复原.针对各个子频段内图像的频率和方向特性,分别引入了不同的正则化约束项.在各个子频段估计出噪声方差,提出了根据噪声方差和图像局部方差来选取正则化参数.分别对两幅模糊图像进行了仿真实验,复原结果取得的信噪比分别为19.66 dB和23.86 dB.实验结果表明,复原效果相对于空间自适应正则化方法有一定的提高.     

小波分析在层析图像重构中的应用研究

小波分析作为一种非平稳信号分析方法,具有良好的时（ 空）、频局部化特性和多分辨率特性。介绍了小波分析的基本原理和应用,引入小波分析进行图像重构,利用小波分解后得到的多分辨率的稀疏矩阵表示,设计了一迭代重构算法。通过计算机仿真试验,验证了小波分析在计算层析（ＣＴ） 成像光谱技术中能够应用于图像重构,并证实了小波分析的迭代重构算法是稳定、多分辨率和快速收敛的。     

小波能量积累器在信号处理中的应用

 根据小波变换的多尺度分解特性,提出了多尺度小波能量积累器的概念,并给出了相应的多尺度小波能量积累算法,将信号在不同分解尺度上的小波能量进行积累。在此基础上设计出一种适用于各种雷达,尤其是微波雷达弱信号处理的小波能量检测算法,对低信噪比信号检测进行了仿真实验。结果表明,该检测算法对强白噪声及强色噪声背景下的低信噪比信号的检测非常有效。     

尾流散射光性质的一维小波变换分析

船舶尾流具有特殊的声学、电学、磁学和光学特性。选用一维小波变换含离散小波变换、连续小波变换、小波包变换、复小波变换对测量的尾流光学性质进行了分析，其结果表明：不同条件下尾流散射光信号具有不同的自动阈值，经小波变换后保留的能量比例、小波系数置零比率不同，变换的小波系数染色模式、系数曲线、最大系数线区别明显。一维连续小波变换显示出细节信号具有一定周期性，说明在测量过程存在周期性的干扰因素。通过小波分解的各层细节信号，为在测量结果中消除或降低这些因素的影响指明了方向。一维连续小波变换结果显示，在不同压强下小波系数大小及分布、极大值分布都有明显区别。一维小波包变换的压缩信号保留了原始信号绝大部分的能量，选择的系数可作为不同压强下尾流气泡幕的特征系数，而一维复小波变换变换的模、模角以及系数随时间轴的分布，其相对大小都不相同。经小波分析，可以提取出散射光信号的共性，也可以直观地展示不同散射光信号的区别。     

基于提升小波的红外图像去噪算法与实现

介绍了提升小波原理,以及把提升小波应用于红外图像去噪的算法.研究了提升小波的硬件实现方法,根据FPGA器件具有快速逻辑处理能力的特点,采用流水线的加法及桶状移位操作指令,设计了一种适合FPGA实现的提升小波图像去噪的硬件结构.实验结果表明,以FPGA来实现基于小波变换的图像去噪方法与传统方法相比,在速度方面得到了很大的提高.     

基于小波变换与卷积神经网络的图像去噪算法

图像在生成或传感过程中往往会受到噪声干扰，噪声干扰会给后续图像处理工作增加难度，甚至会给某些生产活动带来巨大的经济损失。结合平稳小波变换与卷积神经网络的优势，提出了一种有效的图像去噪算法。训练阶段，采用提出的算法对图像进行尺度为1的平稳小波分解后，分别把高、低频分量输入4个设计好的残差网络进行训练；在测试阶段使用小波逆变换来获得最终的预测图像。实验结果表明:在高斯白噪声水平达到σ=50时，去噪后图像的峰值信噪比（peak signal to noise ratio, PSNR）均值和结构相似性（structural similarity index method, SSIM）均值可以达到28.37 dB和0.808 0，提出的算法可以有效去除可见光图像中的高斯白噪声、自然噪声，以及遥感图像在传感过程中产生的噪声，并且在去除图像噪声的同时能较好地保留图像的边缘与纹理细节。     

一种新的基于小波变换的图像去噪方法

根据图像小波分解的特点和小波分解后高频小波系数的统计特性,构造了一种新阈值函数的去噪算法。与传统的硬阈值、软阈值函数相比,新阈值函数考虑了图像能量分布的特点,对于每一小波系数乘以一个与自身大小相关的降噪因子,并且新阈值函数简单易于计算,具有较强的自适应性。实验结果表明,采用新阈值函数的去噪结果能够有效地抑制图像的马赛克效应,无论在视觉效果上,还是在信噪比增益上均优于传统的软、硬阈值方法。