结合NSDTCT和稀疏表示的遥感图像融合

为了提高全色图像与多光谱图像的融合质量,提出一种基于非下采样双树复轮廓波变换和稀疏表示的图像融合算法.对多光谱图像进行亮度-色度-饱和度变换,再对亮度分量和全色图像进行直方图匹配及亮度平滑滤波处理.利用非下采样双树复轮廓波变换处理亮度分量和全色图像,得到对应的高低频系数.对于低频系数,利用稀疏表示进行融合,采用空间频率和l1范数双指标取大的融合规则得到稀疏表示系数;对于高频系数,将改进的拉普拉斯能量和作为脉冲耦合神经网络的外部输入项,提出了改进的脉冲耦合神经网络的融合策略.最后进行非下采样双树复轮廓波逆变换和亮度-色度-饱和度逆变换得到融合结果.实验结果表明,该算法最大限度地保留光谱信息的同时可以提高空间分辨率,视觉效果及客观指标均优于经典的融合算法.     

基于双边滤波和双树复小波的图像去噪算法

提出了基于空域双边滤波和双树复小波变换的图像去噪算法.该算法使用双树复小波变换对含噪图像进行多尺度和多方向的分解,对各个高频方向子带使用带有方向窗的局部维纳滤波算法进行去噪.在重构过程中,对每一个尺度上重构得到的低通图像使用空域的双边滤波算法进一步的去除噪声.实验结果表明本文提出的图像去噪算法获得了明显的去噪性能改善.     

基于双边滤波和双树复小波的图像去噪算法

提出了基于空域双边滤波和双树复小波变换的图像去噪算法.该算法使用双树复小波变换对含噪图像进行多尺度和多方向的分解,对各个高频方向子带使用带有方向窗的局部维纳滤波算法进行去噪.在重构过程中,对每一个尺度上重构得到的低通图像使用空域的双边滤波算法进一步的去除噪声.实验结果表明本文提出的图像去噪算法获得了明显的去噪性能改善.     

非下采样Contourlet变换域混合统计模型图像去噪

提出了一种基于非下采样Contourlet变换(NSCT)域图像去噪算法.首先根据尺度间与尺度内的NSCT系数之间的相关性,用非高斯分布模型对NSCT系数与其邻域系数及父系数进行建模,给出分类准则,把系数分为重要系数和非重要系数,再采用广义高斯分布来模拟重要系数的概率分布,根据贝叶斯理论得到自适应阈值,并求出最佳参量范围.为了克服软、硬阈值函数的缺点,提出一种自适应的新阈值函数,利用新阈值函数估计出不含噪音的变换系数,并通过非下采样Contourlet逆变换得到去噪后的图像.仿真实验表明,本文方法在峰值信噪比、结构相似性与视觉效果上均优于目前许多优秀的去噪算法.     

贴片电阻表面缺陷自动识别方法

提出了一种基于非下采样Contourlet变换(NSCT)域图像去噪算法.首先根据尺度间与尺度内的NSCT系数之间的相关性,用非高斯分布模型对NSCT系数与其邻域系数及父系数进行建模,给出分类准则,把系数分为重要系数和非重要系数,再采用广义高斯分布来模拟重要系数的概率分布,根据贝叶斯理论得到自适应阈值,并求出最佳参量范围.为了克服软、硬阈值函数的缺点,提出一种自适应的新阈值函数,利用新阈值函数估计出不含噪音的变换系数,并通过非下采样Contourlet逆变换得到去噪后的图像.仿真实验表明,本文方法在峰值信噪比、结构相似性与视觉效果上均优于目前许多优秀的去噪算法.     

双密度复小波与系数相关性的红外图像去噪北大核心CSCD

为了去除红外图像中高斯噪声的同时,更好地保持和恢复图像的纹理边缘和细节特征,提出了基于双密度复小波与系数相关性的红外图像去噪方法。该方法充分利用双密度双树复小波在图像处理上的优势:图像信息的平移不变性、图像纹理细节的多方向选择性等,基于对图像小波系数分布的假设,根据当前小波系数与其父、子小波系数的相关性,对无噪的小波系数作贝叶斯估计,以恢复无噪的红外图像,最后对去噪图像进行引导滤波,去除图像的波纹效果。实验数据显示,该方法在EPI和FSIM以及图像的视觉效果上优于部分现有算法,证明该方法在噪声去除、纹理边缘的保持和恢复上具有更好的性能。     

基于复小波与最大后验估计的红外图像滤波

针对现有的红外图像去噪算法在边缘恢复和保持上的缺陷,提出了基于双树复小波与最大后验估计的红外图像去噪方法。充分利用双树复小波变换的多分辨率分析、平移不变性和多方向选择性等优秀特性,对含噪的红外图像作双树复小波变换;基于对高斯噪声和无噪图像的概率密度分布的假设,在小波域中对无噪图像的小波系数作最大后验估计,实现红外图像的去噪和恢复。红外图像去噪实验证明了方法的有效性,算法在有效去除噪声的同时,对边缘细节的保持和恢复较理想,去噪的图像质量指标PSNR和SSIM比现有的方法分别提高1dB和2%以上。     

基于双树复小波与波原子的图像扩散滤波

图像的非线性扩散滤波来源于热方程的思想,其关键在于计算适当的扩散系数和控制扩散方向. 在已有的扩散模型中,由于扩散系数仅依赖于图像的梯度,因而这类模型容易受噪声的干扰;同时,图像的细节信息(如纹理)容易被误认为是噪声而被去除. 为克服这些不足,首先给出了一种采用双树复小波变换计算扩散系数的方法;然后设计了一种用于图像滤波的非线性扩散模型,最后提出了基于双树复小波变换和波原子阈值相结合的图像滤波算法. 仿真结果表明,所提出的算法在对含噪图像滤波的同时,能够较好地保持图像的边缘和纹理等细节信息. 关键词： 图像扩散滤波 非线性扩散 波原子 双树复小波变换     

基于非下采样双树复轮廓波与自适应分块的红外与可见光图像融合

为提高融合效率,解决基于多尺度变换的融合方法中融合系数选择错误的问题,提出一种红外与可见光图像融合方法.首先用非下采样双树复轮廓波变换将源图像分解为低频与高频部分;然后对低频系数采用自适应尺寸分块法进行融合,图像块的尺寸由改进的果蝇算法优化求解,精细化处理低频融合结果,得到一幅能精确到每个系数来源的标签图;再利用高频分量的邻域系数差结合该标签图对高频系数进行融合;最后重构得到融合图像.实验结果表明,该算法能够提高融合速度,解决了空域分块融合容易产生块效应的问题.     

基于DTCWT和稀疏表示的红外偏振与光强图像融合

针对红外偏振与光强图像彼此包含共同信息和特有信息的特点,提出了一种基于双树复小波变换和稀疏表示的图像融合方法.首先,利用双树复小波变换获取源图像的高频和低频成分,并用绝对值最大值法获得融合的高频成分;然后,用低频成分组成联合矩阵,并使用K-奇异值分解法训练该矩阵的冗余字典,根据该字典求出各个低频成分的稀疏系数,通过稀疏系数中非零值的位置信息判断共有信息和特有信息,并分别使用相应的规则进行融合;最后,将融合的高低频系数经过双树复小波反变换得到融合图像.实验结果表明,本文提出的融合算法不仅能较好地凸显源图像的共有信息,而且能很好地保留它们的特有信息,同时,融合图像具有较高的对比度和细节信息.     

一种基于小波变换的红外小目标去噪算法

 研究了复杂背景下红外小目标图像的去噪问题，鉴于小波阈值法去噪的缺点，结合小波变换的去相关性和能量紧支性，提出一种新的去噪方法。考虑到实际中的复杂背景和大量干扰，弱小目标通常占有很少像素，首先对红外小目标图像进行二级小波变换，然后根据新的算法对变换所得小波细节系数进行邻域运算，最后通过小波逆变换得到处理后的图像。 实验中采用Db3小波基函数，分别对两帧低信噪比原始图像进行仿真。仿真结果表明，该算法能很好地保存小目标的形状特征，抑制背景，达到较好的去噪效果。     

基于多尺度总体最小二乘的图像去噪

提出了一种基于多尺度总体最小二乘的图像去噪算法.采用平稳小波变换对噪音图像进行分解,分别对各个分解层的高频子带,通过总体最小二乘算法估计信号小波系数;并且考虑到不同尺度小波系数之间的相关性,将尺度相关性约束到总体最小二乘算法中,进而准确估计各高频子带信号小波系数,再由估计的信号小波系数通过小波逆变换得到去噪图像.实验结果表明,考虑尺度间相关性的总体最小二乘平稳小波变换图像去噪算法能有效去除图像噪音,在信噪比和视觉质量上有了较大改善.     

基于多尺度总体最小二乘的图像去噪

提出了一种基于多尺度总体最小二乘的图像去噪算法.采用平稳小波变换对噪音图像进行分解,分别对各个分解层的高频子带,通过总体最小二乘算法估计信号小波系数|并且考虑到不同尺度小波系数之间的相关性,将尺度相关性约束到总体最小二乘算法中,进而准确估计各高频子带信号小波系数,再由估计的信号小波系数通过小波逆变换得到去噪图像.实验结果表明,考虑尺度间相关性的总体最小二乘平稳小波变换图像去噪算法能有效去除图像噪音,在信噪比和视觉质量上有了较大改善.     

非下采样小波变换红外光谱数据去噪

为了降低噪声对实测红外光谱信号的影响,引入了一种非下采样小波变换的红外光谱数据去噪方法。采用非下采样小波变换对原始光谱信号进行多尺度分解,提取信号的多尺度细节特征;根据光谱信号和噪声在不同尺度上的差异,通过应用变分偏微分方程方法调整分解后的各子带系数;重构各子带就可以将原始光谱信号中真实信号和噪声分离,从而达到剔除噪声的目的。通过两组实验对比传统小波和该方法针对红外光谱数据的消噪效果,实验结果表明:非下采样小波变换在红外光谱数据去噪方面具有明显的优势,不仅能够有效地去除噪声,很好地保持信号的形状,并且均方误差较小;在实际的红外光谱数据处理中能够获得较好的去噪效果。     

结合小波域变换和空间域变换的图像增强方法

提出了一种结合了小波域和空间域处理方法的图像增强算法. 该算法首先对小波域中的高频系数进行修正,使图像具有更好的局部对比度和更丰富的细节,由于双树复小波变换（Dual-tree Complex Wavelet Transform,DT CWT）具有更好的方向选择性,在小波变换的过程中选用了这一方法;然后,通过空间域中的非线性变换,调整图像的整体对比度. 该算法可根据图像本身的特性实现参数的自动选择. 经过本文方法的处理所得的图像,无论在视觉效果上还是在统计上,都优于前人工作的结果.     

一种基于正态反高斯模型的贝叶斯图像去噪方法

提出一种新的贝叶斯图像去噪方法,该方法以正态反高斯(NIG)模型为先验模型,对图像小波系数的稀疏分布统计建模,并用最大后验概率(MAP)估计法对小波系数进行估计。为了改善贝叶斯图像去噪的效果,还根据尺度间相关性的大小对小波系数分类进行处理。此外,还引入了递归循环平移(CycleSpinning)算法对小波变换缺乏平移不变性产生的吉布斯现象进行抑制。实验结果表明该去噪算法能有效地去除图像中的高斯白噪声,更好地保留图像细节,提高图像的峰值信噪比值。     

一种基于非下采样Contourlet变换多聚焦图像融合算法

针对现有小波类图像融合算法的不足,提出了一种基于非下采样Contourlet变换多聚焦图像融合算法,并在Contourlet域中引入了局部区域可见度以及局部方向能量的概念.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局部区域可见度以及基于局部方向能量的系数选择方案.通过对多聚焦图像融合的仿真实验,表明该算法相对于传统的基于离散小波变换和离散小波框架变换融合算法能够有效减少有用信息的丢失以及虚假信息的引入,同时能够从源图像中提取更多的有用信息并注入到融合图像中, 得到更好视觉效果和更优量化指标的融合图像.     

基于张量的平稳小波变换红外图像去噪

提出了一种基于张量的平稳小波变换红外图像去噪方法.采用平稳小波对噪声红外图像进行分解,保持低频近似图像不变,将所有尺度上的水平、垂直和对角方向的高频细节图像组合为一个立方体,形成三阶张量,通过多线性代数方法估计信号小波系数,这种处理方式没有破坏小波系数之间的固有空间关系,同时考虑到了尺度问和尺度内小波系数的相关性,优于传统的基于线性最小均方误差的信号小波系数估计算法,最后由低频近似图像与估计的高频细节图像通过平稳小波逆变换得到去噪图像.实验结果表明,该方法在性能指标和视觉质量上优于传统的平稳小波域最小均方误差去噪算法,为小波系数的较准确估计提供了一种全新思路.     

基于NSSCT的红外与可见光图像融合

为了克服传统图像融合结果存在对比度不足和细节缺失的缺点,提出基于非下采样剪切波-对比度变换(NSSCT)的图像融合算法。分析了图像经非下采样剪切波变换(NSST)后高频系数间的关联性与差异性,构造了高频系数方向性基本一致的NSSCT变换,保留了融合图像的高频系数细节,并提升了对比度。基于图像的低频特点,采用显著性增强方法对低频系数进行融合,通过NSSCT逆变换得到对比度提升和细节增强的融合图像。实验结果表明,在图像对比度提升与细节保留方面,本文算法比基于小波、NSST和显著性等算法具有明显优势。     

基于稀疏特征的红外与可见光图像融合

针对传统的红外与可见光图像融合算法提取目标信息不突出的问题,提出一种基于非下采样剪切波变换和稀疏结构特征的融合方法.首先用非下采样剪切波变换分解源图像;然后通过主成分分析提取低频子带系数中边缘和轮廓等显著特征,引导低频成分融合规则的设计,同时基于结构信息的稀疏性指导融合高频子带系数;最后经过非下采样剪切波变换逆变换得到融合后的图像.实验结果表明,该方法在保留可见光图像背景信息的基础上,突显了红外图像的结构信息,有效提高了融合效果.