复Contourlet域有向图与高斯混合模型的声呐图像增强

提出了复Contourlet域(CCT)中有向图与高斯混合模型的声呐图像增强算法。采用复Contourlet分析提取各尺度中声呐图像每一方向的弱特征信息;为建立特征信息间的联系,考虑复Contourlet域相邻尺度间子带系数的状态具有Markov性,子节点系数的状态依赖于父节点系数状态,构建有向概率图模型反映复系数的这种持续性;尺度内,构建高斯混合模型来建立同尺度中特性信息的联系,以两状态高斯混合模型来表征子带系数的非高斯边缘分布;最后,采用期望最大(EM)算法训练模型参数估计增强图像的系数,实现声呐图像增强。实验结果表明,本文算法与小波域隐马尔可夫树(HMT)算法、Contourlet域HMT算法相比,峰值信噪比(PSNR)增大4 dB以上,结构相似(SSIM)指数增加0.3;本文算法不仅能较好地抑制了声呐图像的强噪声,同时保留了图像边缘和轮廓等弱特征信息。      

基于Contourlet域隐马尔可夫树模型的图像融合算法

本文提出一种基于Contourlet域隐马尔可夫树(HMT)模型的图像融合算法。由于Contourlet变换能克服小波变换在处理高维信号时的不足,它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。而HMT模型能有效捕获尺度间、尺度内的contourlet系数特性。因此将Contourlet域HMT模型应用于图像融合领域,能充分挖掘数据之间的相关性,更好的提取图像边缘特征,为融合提取更多的特征信息。实验结果表明本文的算法获得的融合图像视觉效果良好,是一种有效且可行的融合算法。     

基于Contourlet域HMT模型的声纳图像去噪

声纳图像预处理是声纳图像目标识别与跟踪的前提;声纳图像对比度低,特性信息弱,为此,提出Contourlet域HMT模型(CT-HMT)的声纳图像去噪算法。Contourlet域中,不同方向间子带系数的相关性体现于DFB分解中,相邻尺度间父节点对应的4个子节点分布在2个可分离的方向子带上,父、子节点状态"持续性"采用Markov模型建模,尺度内Contourlet系数的"聚集性"采用混合高斯模型建模;最后,用贝叶斯准则估计无噪图像的Contourlet系数,实现声纳图像去噪。实验结果从视觉效果和定量分析两方面验证表明,本文算法能有效地抑制噪声,提取声纳图像的弱特征信息,较好地保全了图像的边缘和轮廓信息。     

合成孔径雷达图像的Contourlet域空间选择滤波降斑算法

合成孔径雷达(SAR)图像的相干斑噪声降低了影像分割和分类的效果,会导致影像判识困难。结合Con-tourlet系数的结构特点和SAR图像相干斑乘性噪声模型,提出了一种新的基于Contourlet变换的降斑算法。该算法利用信号与噪声在Contourlet域尺度间相关性的不同,通过空间选择滤波对系数进行分类,采用混合分布模型,实现了SAR图像的降斑处理。实验结果表明,该算法不仅能有效地抑制相干斑,而且还能有效地保护图像的细节特征。     

含水体的合成孔径雷达图像配准

水体是合成孔径雷达(SAR)图像解译的一类重要内容。针对含水体的SAR图像的成像特点,给出了一种基于轮廓的配准方法。首先,提出了融合观测图像局部统计信息的自适应权马尔科夫随机场(MRF)分割模型,以分割SAR图像水体目标并提取其精确轮廓。然后,提出了轮廓匹配的非均匀高斯混合模型(GMM),该模型能融合轮廓上点的位置信息和以轮廓点为中心的窗口的灰度相似性信息。最后,对含水体目标的SAR图像进行配准实验。结果显示所提出的MRF分割模型能精确地定位目标边缘并保持图像的细节,轮廓匹配的非均匀GMM对噪声、外点及局部变形具有稳健性,能较好地实现含水体目标的SAR图像配准。     

基于Contourlet域隐马尔可夫树模型的图像融合算法

针对多尺度几何变换统计信号处理这一领域的优势,提出一种基于Contourlet域隐马尔可夫树模型的图像融合算法.由于Contourlet变换能克服小波变换在处理高维信号时的不足,它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.而隐马尔可夫树模型能有效捕获尺度间、尺度内的Contourlet系数特性.因此将Contourlet域隐马尔可夫树模型应用于图像融合领域,能充分挖掘数据之间的相关性,更好的提取图像边缘特征,为融合提取更多的特征信息.实验结果表明基于Contourlet域隐马尔可夫树图像融合算法获得的融合图像视觉效果良好,是一种有效且可行的融合算法.     

基于Contourlet变换的自适应SAR图像相干斑噪声抑制算法

为了保持高岛分辨率合成孔径雷达(SAR)图像中的纹理结构,提出了一种基于BivaShrink模型的Contourlet 域SAR图像相干斑噪声抑制算法.联合当前层和父层的Contourlet系数,通过计算局部方差一致性范数和区域能量比,自适应地确定方差估计区域的形状和大小.从而对原始图像方差进行最优估计.实验结果表明,算法在噪声的去除和结构信息等细节的保持上均不同程度的优于小波BivaShrink去噪算法和Contourlet 阈值去噪算法,主观效果和数值指标都有较好改进.     

融合改进直方图PDE和二维Tsallis熵多阈值SAR分割

针对合成孔径雷达(SAR)图像中存在大量的相干斑噪声,对SAR图像进行分割易出现分割不精、边缘模糊等问题,融合改进的直方图PDE和二维Tsallis熵多阈值,提出了一种SAR图像分割算法。根据PDE直方图均衡化方法,将图像去噪与图像增强加权融合,利用各自权值调整去噪项与图像增强项;同时将二维Tsallis熵单阈值分割方法扩展到多阈值分割, 建立基于多阈值的选取方法,并引入萤火虫算法来求解最优阈值对,实现了二维Tsallis熵多阈值对去噪增强SAR图像的有效分割。仿真结果表明:与其他3种分割算法相比,该文算法在处理噪声大、灰度差值小的图像时具有较高的分割精度,PRI至少提升2.53%、VOI降低8.48%、GCE降低11.14%。     

多尺度无监督彩色图像分割

非采样Contourlet变换是一种新的多尺度多分辨率分析工具.本文提出了一种基于非采样Contourlet变换的彩色图像无监督分割算法.首先利用非采样Contourlet变换的平移不变性在其变换域应用梯度向量法提取图像多尺度边缘|然后在Contourlet变换域的低频子带和高频子带中分别提取局部低频能量纹理特征与高频多尺度Zernike矩纹理特征,并将二种纹理特征融合.最后在边缘图像中映射种子像素点,利用纹理和颜色特征欧氏距离,对彩色图像采用区域生长和区域合并的方法进行分割.实验结果证明:该算法将图像空间域的颜色特征与非采样Contourlet变换域的多尺度边缘和纹理特征恰当结合在一起实现彩色图像无监督自动分割,与传统算法相比有更高的准确性和鲁棒性.     

基于纹理分割和Top-Hat变换的合成孔径雷达与可见光图像增强融合

针对目前合成孔径雷达(SAR)与可见光图像融合结果目标信息缺失、对比度不高的缺点,提出了一种基于纹理分割和top-hat变换的图像增强融合算法。将SAR图像灰度共生矩阵的熵纹理特征图进行阈值分割,提取SAR图像的感兴趣区域(ROI);并对SAR和可见光图像进行非下采样Contourlet变换(NSCT)分解,低频系数采用基于区域的融合规则,在感兴趣区域内选择SAR的低频系数。对低频系数进行top-hat变换得到显著化的图像亮、暗细节特征,并加入到低频系数上形成低频合成系数;高频子带系数采用局部方向信息熵显著性因子取大的融合规则;对融合系数进行NSCT逆变换得到最终的融合图像。实验证明了本算法的有效性。     

多尺度无监督彩色图像分割

非采样Contourlet变换是一种新的多尺度多分辨率分析工具,本文提出了一种基于非采样Contourlet变换的彩色图像无监督分割算法.首先利用非采样Contourlet变换的平移不变性在其变换域应用梯度向量法提取图像多尺度边缘;然后在Contourlet变换域的低频子带和高频子带中分别提取局部低频能量纹理特征与高频...     

一种基于区域的NSCT域多光谱与高分辨率图像融合算法

提出了一种基于多阈值分割和无下采样Contourlet变换(Nonsubsampled Contourlet Transform,NSCT)的多光谱与高分辨率图像融合算法.对多光谱图像进行多阈值分割,并利用提出的区域均值比指标将多光谱图像划分为需要进行空间细节增强及需要保持光谱特征的区域;然后利用NSCT对高分辨率图像和多光谱图像的强度分量进行多尺度、多方向分解.分解后的低频部分采用基于窗口邻域的融合规则和算子进行融合,高频部分按区域均值比指标进行区域融合;最后进行重构得到融合后的多光谱图像的强度分量,经IHS逆变换后得到高分辨率的多光谱图像.实验结果表明,该算法可获得较理想的融合图像,融合效果优于IHS变换法、基于像素的à trous小波变换法以及基于像素的NSCT法.     

基于Contourlet变换的图像智能分割方法研究

由于获取图像的设备不同,不同设备所拍摄图像的质量、空间分布特性差异较大。采用当前图像分割方法对图像噪声进行分割时,容易产生过分割和奇异扩散现象。为此,提出一种基于Contourlet变换的图像智能分割方法。该方法先采用方向滤波器组实现图像各个方向纹理分离,利用小波变换替换拉普拉斯变换进行图像多个方向子带分解,计算图像多尺度似然函数,并依据图像最大似然函数估计准则获得图像的初始分割,在此基础上采用自适应上下文结构从图像粗尺度的分割结果融合至最细尺度,获得最终的图像智能分割结果。仿真实验结果表明,所提方法能够有效消除噪声对图像分割的影响,使图像分割精度更高,且运行时间更短,该方法在图像获取设备中具有较高的实践价值。     

一种多方向的合成孔径雷达图像边缘检测方法

经典的边缘检测方法(Canny, Roberts, Prewitt等)受合成孔径雷达(SAR)图像斑点噪声的影响致使其检测效果不佳;基于SAR图像的假设检验方法(Ratio算法等)其检测性能不随图像强度的变化而变化,边缘检测错误率低,但检测到的边缘片段较粗;针对上述问题,结合小波的多分辨分析特性以及Contourlet变换的充分捕获高维奇异信号的能力,提出一种改进的Contourlet变换与改进小波变换的模极大值方法对SAR图像进行边缘检测,在16个方向上对SAR图像进行边缘提取,进而保证了边缘信息的丰富性;试验结果表明,该方法提取的SAR图像边缘位置精确,运算速度较快,利于后续的图像匹配。     

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.     

小波变换和模糊聚类的SAR图像斑点噪声去除

合成孔径雷达SAR图像的相干成像特性,不可避免的形成特有的相干斑点噪声,严重影响图像的地物信息提取和分类,需要进行去噪预处理。针对SAR图像斑点噪声的特点,针对SAR图像斑点噪声的特点,对图像进行小波变换分解,提出模糊聚类和软阈值收缩去噪的方法,利用模糊C均值聚类将小波系数分成包含信号能量和只包含斑点噪声能量两大类,对前一类小波系数进行软阈值降噪处理,而对后一类小波系数直接置零。实验结果的目视效果和评价指标均表明,小波模糊聚类和软阈值收缩有效地去除了SAR图像斑点噪声,图像视觉效果清晰,较好地保持地物目标的边缘等图像细节信息,去噪效果优于小波软阈值收缩。     

结合MRF能量和DCE-MRI时域特征的乳腺癌灶分割算法

针对动态增强磁共振影像中乳腺癌灶对比度低、边界模糊且亮度不均匀等特点,提出了一种结合马尔科夫随机场能量和动态增强磁共振影像时域特征的混合活动轮廓模型。首先,基于模糊C均方聚类算法以图像的时域变化特征和亮度构建特征向量,构建模糊速度函数作为活动轮廓模型的边缘探测函数。其次,计算图像的隐马尔科夫场能量,以增强乳腺癌病灶与其他组织的差异。最后,以图中每个像素及其邻近像素的马尔科夫场能量为特征,利用k最近邻算法构建活动轮廓模型的区域项。轮廓曲线在病灶边界上时,区域项及边缘项最小,活动轮廓曲线停止演变,完成对乳腺癌灶的分割。实验结果表明,马尔科夫随机场能量和时域特征均能增强癌灶与其他组织的对比度,使所提方法的分割结果较其他活动轮廓模型更接近医生手工分割结果,对实现精确分割乳腺癌灶有重要意义。     

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.     

多分辨率水平集算法的乳腺MR图像分割

针对乳腺MR图像信息量大、灰度不均匀、边界模糊、难分割的特点,提出一种多分辨率水平集乳腺MR图像分割算法.算法的核心是首先利用小波多尺度分解对图像进行多尺度空间分析,得到粗尺度图像;然后对粗尺度图像利用改进CV模型进行分割.为了去除乳腺MR图像中灰度偏移场对分割效果的影响,算法中引入局部拟合项,并用核函数进一步改进CV模型,进而对粗尺度分割效果进行优化处理.仿真和临床数据分割结果表明,所提算法分割灰度不均匀图像具有较高的分割精度和鲁棒性,能够有效的实现乳腺MR图像的分割.     

一种基于方向窗特性的Contourlet域的多聚焦图像融合算法

针对同一场景多聚焦图像的融合问题,提出了一种基于方向区域特性的Contourlet域多聚焦图像融合算法.该算法对图像进行Contourlet变换,分解为不同尺度、不同方向的高低频子带|低频和高频子带分别采用方向区域的方差匹配度和能量作为融合规则|最后通过反变换得到融合图像.结果表明,所提出的方向区域方法能够更好地体现二维图像中的曲线或直线状边缘特征,是一种有效可行的图像融合算法.