采用剪切波变换的红外弱小目标图像预处理

提出一种采用剪切波变换的红外弱小目标图像预处理新方法.该方法首先采用剪切波变换对图像进行分解,针对高低频子带的不同特点,对低频子带系数采用基于贝叶斯统计的方法进行处理,推导出剪切波系数为拉普拉斯先验分布的最大后验估计表达式和低频子带阈值;而高频子带则对其系数构成分析后,利用图像不同组成元素能量值的不同设定阈值;对处理后的子带系数进行重构以获得预测的背景图像,将其与原图相减,可得到突出目标且背景被抑制的图像;采用经典的自适应阚值分割法对预处理后的图像进行分割,很好地实现了目标检测.实验结果表明,该方法处理的图像信噪比值高,在客观评价指标与主观视觉两方面均表现出良好的效果.     

基于图像质量评价参数的FDST域图像融合

为了提升多源图像融合精度,提出了一种基于图像 质量评价参数的有限离散剪切波变换(FDST)域图像自适应融合方法。利用FDST对源图像进行 多尺度、多方向分解,低频子带图像采用结构相似度与空间频率两种图像评价参数作为系数 权值,高频子带图像应用区域空间频率取大的融合策略。应用有限离散剪切波逆变换(FDSIT )重 构图像。采用多组多源图像进行融合实验,并对融合结果进行了客观评价。实验结果表明, 本文提出的融合方法在主观和客观评价上均优于其他多尺度融合方法,具有更好的融合效果 。     

利用边缘相似度的光场图像质量评价

近年来,随着虚拟现实（Virtual Reality,VR）和增强现实（Augment Reality,AR）技术发展和普及,光场图像引起了学术界和工业界的广泛关注。然而,在光场采集和图像压缩、存储、传输和渲染的过程中,不可避免会引入各类失真从而导致光场图像质量出现劣化。因此,如何根据人眼视觉特性来准确高效地评价光场图像质量成为急需解决的问题。考虑到光场图像复杂的结构特性,本文意在利用边缘相似度来构建适用于光场图像质量客观评估的数学模型。首先, 利用梯度和Gabor滤波器分别提取光场图像的空域和频域相似度,进而进行融合得到边缘相似度图,接着对边缘相似度图采用基于频域边缘强度的池化策略进行权重计算得到最终的客观评估分数。实验结果显示,与现有的图像质量评价方法相比,本文所提算法能够更好地反映出人类视觉系统对光场图像的主观感知特性。      

基于剪切波变换和邻域差分的小目标检测算法

提出了一种基于剪切波变换的背景预测算法用于红外小目标的检测.对原始图像进行剪切波变换,获得原始图像的多尺度和方向的细节特征.然后,对低频子带进行中值滤波,去除残留目标.对高频子带,根据其均方误差来调整权重系数,抑制目标和噪声.将反变换后得到的背景预测图像和原始图像进行差分,采用一种基于双窗口的邻域差分方法进行分割,最终实现目标检测.与小波变换法和双边滤波法比较,基于剪切波变换的方法对小目标的检测有较好的效果.     

一种基于混合特征的图像质量评价方法

基于空域的图像质量评价方法虽然计算效率较高,但忽视了图像本身的特征信息,适应范围也较窄。针对这一问题,文中利用小波分析与人类视觉系统的相似性,提出了一种基于梯度和结构特征的小波域图像质量评价方法。该方法将图像的低频成分与高频成分作为两个区域,将图像的低频成分的梯度特征作为质量评价函数的第一个特征;然后是将图像的高频成分中的边缘、纹理结构作为质量评价函数的第二个特征。最后融合这两个特征,计算参考图像和失真图像之间对应的质量评价测度。实验结果表明,该方法的评价结果更加有效、范围广,优于基于空域的图像质量评价方法。     

多尺度分辨分析关联的剪切波变换乳腺超声图像去噪

本文提出了一种基于多尺度分辨分析关联的各向异性剪切波乳腺超声图像噪声滤除算法,提出的方法可以有效滤除乳腺超声图像中的散斑噪声,较好地保留了图像的细节信息,极大的提高了乳腺超声图像的质量。     

No-reference image quality assessment using statistical characterization in the shearlet domain

Image and video quality measurements are crucial for many applications, such as acquisition, compression, transmission, enhancement, and reproduction. Nowadays, no-reference (NR) image quality assessment (IQA) methods have drawn extensive attention because it does not rely on any information of original images. However, most of the conventional NR-IQA methods are designed only for one or a set of predefined specific image distortion types, which are unlikely to generalize for evaluating image/video distorted with other types of distortions. In order to estimate a wide range of image distortions, in this paper, we present an efficient general-purpose NR-IQA algorithm which is based on a new multiscale directional transform (shearlet transform) with a strong ability to localize distributed discontinuities. This is mainly based on distorted natural image that leads to significant variation in the spread discontinuities in all directions. Thus, the statistical property of the distorted image is significantly different from that of natural images in fine scale shearlet coefficients, which are referred to as ‘distorted parts’. However, some ‘natural parts’ are reserved in coarse scale shearlet coefficients. The algorithm relies on utilizing the natural parts to predict the natural behavior of distorted parts. The predicted parts act as ‘reference’ and the difference between the reference and distorted parts is used as an indicator to predict the image quality. In order to achieve this goal, we modify the general sparse autoencoder to serve as a predictor to get the predicted parts from natural parts. By translating the NR-IQA problem into classification problem, the predicted parts and distorted parts are utilized to form features and the differences between them are identified by softmax classifier. The resulting algorithm, which we name SHeArlet based No-reference Image quality Assessment (SHANIA), is tested on several database (LIVE, Multiply Distorted LIVE and TID2008) and shown to be suitable for many common distortions, consistent with subjective assessment and comparable to full-reference IQA methods and state-of-the-art general purpose NR-IQA algorithms.     

shearlet变换和区域特性相结合的图像融合

为了提高多模医学图像或多聚焦图像的融合性能,结合shearlet变换能够捕捉图像细节信息的性质,提出了一种基于shearlet变换的图像融合算法。首先,用shearlet变换将已精确配准的两幅原始图像分解,得到低频子带系数和不同尺度不同方向的高频子带系数。低频子带系数使用改进的加权融合算法,用平均梯度来计算加权参量,以此来改善融合图像轮廓模糊度高的问题,高频子带系数采用区域方差和区域能量相结合的融合规则,以得到丰富的细节信息。最后,进行shearlet逆变换得到融合图像。结果表明,此算法在主观视觉效果和客观评价指标上优于其它融合算法。     

基于非下采样剪切波变换和QR分解的鲁棒零水印算法

针对数字图像的版权保护问题,提出了一种基于非下采样剪切波变换(NSST,non-subsam-pled shearlet transform)和QR分解的零水印算法。首先,采用NSST对宿主图像进行分解;然后利用Logistic混沌系统从分解后的低频逼近分量中随机抽取出一幅子图,并将其分割成互不重叠的子块;最后对每一个子块进行QR分解,通过判断各个子块R矩阵中第1行元素向量的l1范数和所有子块R矩阵第1行元素向量l1范数的均值之间的大小关系构造零水印。实验结果表明,本文算法对添加噪声、滤波、JPEG压缩和剪切具有很强的鲁棒性,同时还能抵抗一定程度的旋转、缩放和平移(RST)几何攻击。     

改进快速NSST的热烟羽红外与可见光图像融合

针对非下采样剪切波变换逐步划分子带过程中迭代滤波运算效率不高的问题,提出一种非下采样剪切波变换的快速分解重构方法。改进的分解方法根据分解的尺度卷积非下采样金字塔滤波器组中相应的滤波器,用卷积结果对源图像进行滤波,直接生成子带图像,在提高图像分解速度的同时,也相应减少分解迭代滤波的运算量。本文采用一种基于标准差的区域特性量测方法用于低频系数融合,突出低频系数中的轮廓信息;最高频系数融合采用能量取大的融合规则,其余高频系数通过结合改进的拉普拉斯能量和与梯度特性进行融合,使目标烟羽的边缘信息更加清晰。实验结果表明,融合后热烟羽图像目标细节清晰突出;综合客观评价指标来看,本文方法优于一些常用的红外与可见光图像融合方法。     

基于NSST域结合SCM与引导滤波的图像融合

为了保留红外与可见光图像更多的边缘及纹理信息,在常用的非下采样剪切波 变换(nonsubsampled shearlet transform,NSST)结合脉冲发放皮层(spiking corticalmodel,SCM)的图像融合算法基础上,引入引导滤波来处理高频系数,并将其作为SCM的外部 激励,融合高频部分。结合区域均值和区域能量,作为SCM的外部激励,融合低频部分。仿 真实验证明,所提算法的融合效果显然优于传统算法。在主观视觉上红外目标突出,背 景信息丰富,保留了良好的边缘及纹理信息,在客观评价上边缘保留因子、信息熵,以及对 比度等指标有明显的提高。     

图像处理中的质量评价简析

在图像处理中,图像质量的评价是一个重要的环节。比较全面系统的介绍和分析了当前常用的关于图像质量评价的几种方法,以及它们的原理、功效、优缺点和应用范围。     

Perceptual quality assessment for multimodal medical image fusion

Recent years have witnessed that the multimodal medical image fusion (MMIF) plays critical roles in clinical diagnostics and treatment. Many MMIF algorithms have been proposed to improve the MMIF images quality. The quality of multimodal medical fused images will significantly affect the results of the clinical diagnosis. However, little work has been designed to evaluate the effectiveness of MMIF algorithms and the quality of MMIF images. To this end, this paper presents a perceptual quality assessment method for MMIF. A MMIF image database (MMIFID) is first built to employ the classical MMIF algorithms, and the subjective experiment is conducted to assess the quality of each fused image. Then, a no-reference objective method is proposed for the perceptual quality evaluation of MMIF images,which uses Pulse Coupled Neural Network (PCNN) in Non-subsampled Contourlet Transform (NSCT). A fused image is decomposed by NSCT into low frequency sub-band (LFS) and high frequency sub-band (HFS). It is used to motivate the PCNN processing, and large firing times are employed to measure LFS and HFS. Finally, two components evaluation results are combined to obtain the overall objective quality score. Experimental results based on the MMIFID indicate that our presented method outperforms the existing image fusion quality evaluation metrics, and it provides a satisfactory correlation with subjective scores, which shows effectiveness in the quality assessment of medical fused images.     

基于非下采样剪切波变换的红外与可见光图像融合

由于传统稀疏表示(SR)冗余字典单一,脉冲耦合 神经网络(PCNN)模型参数设置复杂,为了解决上述问题,提 出了基于非下采样剪切波变换(NSST)的红外与可见光图像融合算法。该算法首先通过NSST将 源图像分解成低频子 带和高频子带。然后,使用自适应稀疏表示(ASR)模型进行NSST域低频部分稀疏系数的融合 ;同时,采用参数自适 应脉冲耦合神经网络(PA-PCNN)模型融合相应的高频部分。最后,对融合后的低频和高频波 段进行NSST反变换,重 建得到融合结果图。实验结果表明:该算法解决了传统SR模型的“块效应”问题,克服了PC NN模型中自由参数的设置难点,在主观视觉和客观评价上均优于现有算法。     

基于PCNN图像分割的医学图像融合算法北大核心CSCD

为充分提取源图像间的互补信息,改进传统的图像融合算法在亮度维持、能量保留、边缘信息保持等方面的不足,本文提出了基于脉冲耦合神经网络(pulse coupled neural network, PCNN)图像分割的医学图像融合算法。该算法综合了非下采样剪切波变换(non-subsampled shearlet transform, NSST)与PCNN。首先,选取标准差较大的源图像作为被分割图像,标准差较小的源图像作为参照图像,将源图像进行NSST分解,获取源图像低频子带系数和高频子带系数;在低频融合中,利用参数自适应的PCNN对被分割图像的低频子带进行分割,根据分割结果获取融合低频子带系数;在高频融合中,采用以区域能量和与拉普拉斯能量和两者的乘积作为判断函数,获取融合高频子带系数;利用NSST逆变换获取融合图像。最后,应用本文提出的算法,对脑萎缩、急性中风和高血压性脑病等3组电脑断层扫描/磁共振成像(computerized tomography/magnetic resonance imaging, CT/MRI)图像进行了融合仿真,并将仿真结果与2018年后国际刊上提出的5种算法的融合图像进行比较。结果表明,应用本文提出的融合算法得到的图像,有效地增强了不同模态间的信息互补,保持了融合图像与源图像具有相同明亮程度,又保留了源图像低亮度部分的边缘信息,更加符合人眼视觉特性,具有更高的客观评价指标。