基于多尺度Radon变换的图像检索

根据Radon变换的统计特性构造了不变量,提出一种新的基于多尺度Radon变换的图像形状检索方法.对检索图像作小波变换,根据小波模极大原理得到边缘图像,对边缘图像构造Radon变换中心矩,在中心矩的基础上根据Radon的统计原理构造出尺度不变矩.由于矩阵的奇异值具有旋转不变性,因此针对不变矩向量矩阵求奇异值,该奇异值特征向量具有平移、尺度和旋转不变性.将该Radon变换的不变量作为形状特征,并进行高斯归一化,按照欧氏距离计算不同图像间的形状相似度.试验结果表明,该方法对高斯噪音具有较强的鲁棒性,与其它方法相比具有较好的检索效果.     

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.     

基于平稳小波变换和Retinex的红外图像增强方法

针对基于小波变换的红外图像增强方法视觉效果不够理想的缺点,提出了一种基于平稳小波变换和Retinex的红外图像增强方法,利用Retinex增强算法增强图像的视觉效果,并改善其亮度均匀性。首先,对红外图像经平稳小波变换后的最大尺度低频子带图像进行多尺度Retinex增强;然后,利用贝叶斯萎缩阈值法对高频子带图像进行阈值去噪,并根据低频子带图像的局部对比度和模糊规则计算高频子带的增益系数,从而得到增强后的高频子带图像;最后,由低频子带图像和高频子带图像重构得到增强后的图像。针对大量图像进行了实验和增强效果的定性与定量评价,并与双向直方图均衡法、二代小波变换法、Curvelet变换法和多尺度Retinex法作了比较。结果表明,所提出的方法增强了图像细节,抑制了噪声,并明显改善了图像的整体视觉效果。     

基于特征点的整数小波目标跟踪方法的研究

基于提升方法的整数小波变换的诸多优点,以Harr整数小波变换为例,提出了动态目标跟踪算法。对标准图像进行整数Harr小波变换,并将提升项取整,对提升项的参数用一定数量训练图像进行学习。选取在训练参数平方和为最小意义上的、使整数小波变换后的图像高频部分具有较大值的点作为特征点。对包含有目标的参考图像进行整数小波变换,选择高频分量具有较大值的点,利用训练过的提升项参数使目标和基准图像配准。由于算法采用整数小波变换,使提取具有较好的鲁棒性,从而实现目标发生旋转、平移及尺度变化等的跟踪过程。仿真实验表明,该方法能对动态运动目标进行跟踪。     

基于平移不变剪切波变换域图像融合算法

针对传统基于多尺度变换的图像融合方法存在的缺点,提出了一种基于平移不变剪切波变换域的自适应图像融合新方法.首先,使用平移不变剪切波变换对源图像进行分解,得到低频子带及方向带通子带系数.然后,对于低频子带系数采用梯度域奇异值分解方法估计图像的局部结构信息,提出了基于提取的特征与S函数的可变加权融合策略;对于各方向带通子带系数,提出了一种基于改进的拉普拉斯能量和匹配的“加权平均”和选择相结合的系数选择策略.最后,对得到的融合系数进行逆变换得到融合图像.通过实验可以发现相比于传统的图像融合方法,本文方法得到了更高的客观指标,融合图像视觉效果更好.     

基于双树复数小波变换的图像去噪方法

在双树复数小波的基础上引入平移不变的重要思想,使其具有真正意义上的平移不变性.提出了一种基于平移不变双树复数小波变换的图像去噪方法.实验结果表明该方法能有效提高图像去噪效果及图像边缘检测能力.     

基于光学相关的多目标检测

运用傅里叶变换相关识别技术实现了无畸变、有平移多目标的检测。在此基础上讨论了图像边缘信息和非边缘信息对相关性能的影响。运用分数傅里叶变换相关识别技术实现了目标图像存在尺度、旋转畸变而无平移变化时的目标检测。结果表明,分数傅里叶变换的级次选择对目标图像的旋转和尺度畸变有一定的补偿作用。在分数傅里叶变换相关中,通过简单的级次调节可实现一定范围内的旋转、尺度畸变不变识别。     

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.     

基于小波变换的加密全息三维模型盲水印

提出了一种基于小波变换的三维模型加密全息盲水印算法。该算法选取三维模型球面坐标与重心的距离作为离散二维信号,首先进行小波变换得到水平分量,水平分量经过小波变换后得到低频部分,将水印图像经光全息加密嵌入到低频部分,再经过逆小波变换生成含水印的三维模型,水印的提取是水印嵌入的逆过程。实验结果表明,该方法对噪声攻击、旋转、平移、比例变换、重排序攻击等具有很好的鲁棒性,且加密全息水印图像具有很好的水印安全性。     

基于矩和小波变换的目标图象识别

在图象目标的识别中,目标图象的不变矩对于具有旋转、尺度变换特性的目标具有良好特征匹配性能,但其识别准确度直接受到不变矩计算区域内的目标个数的影响.本文首先采用一维小波变换降噪并获取图象边缘,结合轮廓跟踪法(“爬虫法”)与投影法对图象进行区域分割获取各目标存在区域,再利用目标图象的不变矩进行目标识别,最后通过利用目标的主轴特性及质心变化计算目标的旋转角度及尺度变换倍率.通过仿真实验,证明方案可行且具有良好的识别性能.     

A 3D non-linear orientation prediction wavelet transform for interference hyperspectral images compression

According to the characteristic of large aperture static interference imaging spectrometer (LASIS), a non-linear orientation prediction three-dimensional (3D) wavelet transform method is proposed in this paper on the basis of the 3D orientation prediction wavelet transform method proposed by Li, Ma and Wu in 2008 [1]. The method proposed in this paper still combines directional prediction into 3D lifting wavelet transformation, but compared with the 3D orientation prediction wavelet transform method, it made a breakthrough in the limitation that the orientation predicted must be a straight linear direction. The experimental results showed that this method improved the performance of wavelet obviously, especially on the LASIS image with quite severe and unstable directional characteristic as seen in the study of Ma and Ma (2009) [2]. Meanwhile, the characteristic of spectrum image recovered by the proposed method also possessed better performance.     

基于方向-频率分解的旋转不变性纹理分类

提出了一种用于纹理分类的旋转不变性特征提取的新算法.该算法是将一定大小的图像进行二维傅里叶变换;其次在变换后的图像中央选择一个圆盘区域,并在方向[0°,180°]内进行等间隔角度频率抽样,实现方向分解,使用一组复Morlet小波对每个方向上的映射切片进行小波变换,从而实现多通道频率分解;在各个频率通道中计算均值和方差作为特征,并利用线性回归模型计算频率通道之间的关系特征;将特征沿方向进行一维傅里叶变换并取其幅值,从而得到旋转不变性特征.实验结果表明所提取的特征具有较好的旋转不变性,与其它算法相比具有更好的分类性能,并且对无旋转纹理分类也能产生较好的分类结果.     

干涉多光谱卫星图像序列编码

星载干涉多光谱图像序列通过图像匹配实行定位形成光谱序列,相邻图像之间具有很强的相关性,与一般图像序列不同的是,相邻图像之间具有明显的平移特点。为了充分利用这一特点实现有效的图像压缩,同时减少编码系统复杂度,提出了一种新的图像序列编码方法,通过小波域系数匹配算法检测出相邻图像之间的相对位移量,然后对差值图像进行类似于单幅图像的编码,从而提高了总体编码效率。本算法具有与相同单幅图像编码算法相当的低复杂度特点,只需要对单幅图像与模板的差值进行基于小波变换的编码,从而避免了基于三维小波变换的编码算法对系统存储量要求大以及编码延时大的缺陷。仿真结果表明,本算法比基于三维小波变换的编码算法效果更好。     

基于非采样提升小波-Contourlet变换的图像融合算法

为克服非采样Contourlet变换中金字塔分解的不足,首先在提升小波变换的基础上,通过取消其奇偶分裂环节得到具有平移不变性的非采样提升小波变换,然后用此变换来取代非采样Contourlet变换中的金字塔分解,得到新的非采样提升小波-Contourlet变换。将此变换与一定的融合规则相结合,提出了一种基于非采样提升小波-Contourlet变换的图像融合算法。实验表明,该算法相对于非采样Contourlet变换能从源图像中提取更多有用信息注入到融合图像中,可得到更高性能的融合图像。     

基于第二代小波的超谱遥感图像融合算法研究

超谱遥感图像包含了大量的波段．波段之间的相关性较高．采用信息融合技术可以降低超谱图像的分析难度。提出了一种结构新颖的第二代小波加权融合算法。首先将图像分解为两个序列．用2阶Neville滤波器构造预测和更新算子．对两个序列以矩形栅格和梅花形栅格的格式进行交替预测和更新;再以各个波段的方差作为融合的特征．进行特征级第二代小波加权融合．最后对图像进行第二代小波重构。为了验证新方法的有效性．采用机载可见光-红外成像光谱仪超谱遥感图像进行仿真．并与典型融合方法主成分分析和离散小波变换的融合效果相比较。实验结果表明提出的第二代小波加权融合算法能够很好地保持图像的空间特性和光谱特性．其熵值高于主成分分析融合结果0．1949,高于离散小波变换融合结果0．7998。     

融合多种特征的烟雾图像检测算法

提出了一种融合烟雾模糊、扩散、主方向角等多种特征的烟雾检测算法。首先对图像进行运动区域提取,在对图像进行二维离散小波变换和四元数小波变换的基础上,获得了运动区域的背景模糊模型和光流场;然后再根据光流场的相位信息,计算出光流相位分布向量和主方向角;最后依据联合判别准则对背景模糊模型、光流相位分布向量和主方向角进行判别,从而判断出运动区域是否为烟雾。实验结果表明,与利用单一特征检测烟雾的算法相比,所提出的算法有效地提高了烟雾的识别率。     

基于可见光的多波段偏振图像融合新算法

采用了一种新的基于小波变换的偏振图像融合算法.首先,将两个波段中的每一波段三幅偏振图像利用小波变换分解成低频和高频部分,低频的小波系数平均值作为融合后的低频系数,高频细节系数根据不同区域特征选择方法以及对应输入图像小波系数的窗口区域方差来确定融合后高频小波系数,得到一个波段一幅图像.接着,将得到的图像再进行小波分解,采用低频图像的小波系数最小值作为融合后的低频系数,高频图像根据纹理一致性测度的纹理检测确定融合规则,用来调整高频小波系数,将来自不同图像的特征与细节融合在一起,并对融合图像质量进行了对比评价.实验结果表明,融合后的偏振图像不仅反映了场景的偏振信息,而且还包含了丰富的光谱信息,目标与背景的衬比度也得到了增强,为进一步的目标检测和识别提供了便利.