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.     

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.     

基于非下采样双树复小波域的双变量模型去噪算法

提出一种基于非下采样双树复小波域的图像去噪算法.首先分析非下采样双树复小波变换同一方向实部与虚部小波系数之间的相关性,通过实例及统计规律得到其联合概率分布近似服从于椭圆边界的单峰各向异性二维非高斯分布.然后把双变量统计模型引入到非下采样双树复小波变换实部和虚部小波系数中,将实部与虚部小波系数的联合概率分布作为双变量先验模型,得到了非下采样双树复小波变换自适应各向异性双变量去噪模型.该模型可以很好地体现实部与虚部小波系数之间的相关性.运用最大后验概率来估计从含噪图像的小波系数恢复原图像的系数,达到去噪目的.最后根据该模型得到了一种具有闭式解的去噪算法.实验表明:该算法比经典算法提高了一定的峰值信噪比,且有良好的视觉效果,较好地保持了图像中的纹理特征.     

非下采样变换的红外与可见光图像融合

基于非下采样Contourlet变换(NSCT),提出了一种红外和可见光图像融合算法。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图像物理特征的系数加权选择方式与基于区域能量匹配的系数选择方式,即低频基于区域梯度信息、高频基于区域特征因子的加权与选择结合的图像融合算法。实验结果表明:非下采样Contourlet变换具有较快的运算速度,且经非下采样变换后能量更加集中,可提供更多的图像信息。相对于基于像素的图像融合算法,本文的图像融合算法具有更高的融合性能,是一种更适合图像融合的多尺度几何分析(MGA)工具。     

曲波域统计量自适应阈值探地雷达数据去噪技术

非线性、非平稳探地雷达数据常掺杂各种复杂噪声源,其对精确提取弱反射波信号、识别绕射波双曲线同相轴特征具有严重影响,忽略噪声影响给探地雷达探测数据全波形偏移成像及后续解译造成较大误差.采用传统阈值函数的曲波变换去噪需要根据数据噪声水平人为确定合理阈值控制系数.对此,本文开展自适应阈值函数的曲波变换去噪算法研究.引入块状复数域阈值函数算法,分析传统阈值函数曲波变换去噪的效果随阈值控制系数变化的规律;利用高阶统计量理论,对曲波变换系数在尺度、方向上进行相关性叠加,通过相关性统计量自适应确定有效信号在曲波变换系数分布尺度、旋转方向,由此确定清除噪声成分阈值范围,构建统计量自适应阈值函数曲波变换去噪算法.针对包含随机噪声、相关噪声合成探地雷达数据及实测探地雷达数据,采用传统阈值函数曲波变换去噪与本文提出去噪算法处理结果对比分析,检验了本文算法的有效性及可行性.研究成果对复杂探地雷达数据精确推断解译具有指导意义.     

非下采样变换的红外与可见光图像融合

基于非下采样Contourlet变换（NSCT）,提出了一种红外和可见光图像融合算法。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图像物理特征的系数加权选择方式与基于区域能量匹配的系数选择方式,即低频基于区域梯度信息、高频基于区域特征因子的加权与选择结合的图像融合算法。实验结果表明：非下采样Contourlet变换具有较快的运算速度,且经非下采样变换后能量更加集中,可提供更多的图像信息。相对于基于像素的图像融合算法,本文的图像融合算法具有更高的融合性能,是一种更适合图像融合的多尺度几何分析（MGA）工具。     

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。     

基于区域分维和非采样Contourlet变换的图像融合算法

针对源图像有用信息的提取,提出了基于区域分维和非下采样Contourlet变换相结合的红外与可见光图像融合算法.将图像的区域属性、区域大小、边缘强度以及纹理显著程度等特点用图像不同尺度上的区域分维进行描述,对于非下采样Contourlet变换低频系数,根据源图像不同尺度上的区域分维进行基于系数选择的融合.针对带通子带系数设计了系数局部匹配度算子,依据匹配度不同采用加权和系数选取相结合的融合规则.与其他常规融合方法进行比较,该算法可有效实现红外与可见光图像的融合.     

基于区域分维和非采样Contourlet变换的图像融合算法

针对源图像有用信息的提取,提出了基于区域分维和非下采样Contourlet变换相结合的红外与可见光图像融合算法.将图像的区域属性、区域大小、边缘强度以及纹理显著程度等特点用图像不同尺度上的区域分维进行描述,对于非下采样Contourlet变换低频系数,根据源图像不同尺度上的区域分维进行基于系数选择的融合.针对带通子带系数设计了系数局部匹配度算子,依据匹配度不同采用加权和系数选取相结合的融合规则.与其他常规融合方法进行比较,该算法可有效实现红外与可见光图像的融合.     

Image denoising using trivariate prior model in nonsubsampled dual-tree complex contourlet transform domain and non-local means filter in spatial domain

Image denoising is always the basic problem of image processing, and the main challenge is how to effectively remove the noise and preserve the detailed information. This paper presents a new image denoising algorithm based on the combination of trivariate prior model in nonsubsampled dual-tree complex contourlet transformlet transform (NSDTCT) domain and non-local means filter (NLMF) in spatial domain. Firstly, NSDTCT is constructed by combining the dual-tree complex wavelet transform (DTCWT) and nonsubsampled directional filter banks (NSDFB). The noisy image is decomposed by using NSDTCT. Secondly, based on the correlation between the interscale and intrascale dependencies of NSDTCT coefficients, the distribution of the high frequency coefficients is modeled with the trivariate non-Gaussian distribution model. A nonlinear trivariate shrinkage function is derived in the framework of Bayesian theory, and then the denoised coefficients are obtained and inverse NSDTCT is performed to get the initial denoised image. Finally, NLMF is used to smooth the initial denoised image. Simulation experiment shows that our algorithm can obtain better performances than those outstanding denoising algorithms in terms of peak signal-to-noise ratio (PSNR), mean structural similarity (MSSIM) as well as visual quality.     

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。     

Synthetic Aperture Radar image nonlinear enhancement algorithm based on NSCT transform

Due to the imaging mechanism, Synthetic Aperture Radar (SAR) images are susceptible to speckle noise, which affects radar image interpretation. So image denoising and enhancement are important topics of improving SAR image performance. A nonlinear image enhancement algorithm based on nonsubsampled contourlet transform (NSCT) is proposed in this paper. The image is decomposed into coefficients of different scales and directions through nonsubsampled contourlet transform. It is denoised by the threshold method of the multi-scale product of NSCT coefficients. Then thresholds of the nonlinear enhancement function are determined according to the coefficients of each scale. The two parameters of the function, among which one is used to control the range of enhancement and the other can determine the strength of enhancement, are obtained by solving nonlinear equations. The coefficients processed by the enhancement function are used to reconstruct the image. The simulation results on the Matlab platform show that the algorithm has a good effect of enhancing details of images and suppressing noise signals meanwhile.     

复轮廓波包的构造及其图像去噪应用

一般的轮廓波变换只对信号的低频部分进行分解,却忽略了信号的高频部分,因而丢失了丰富的细节和纹理信息,为了克服这种缺陷,本文利用解析的双树复小波包变换和非抽样方向滤波器组,构造了复轮廓波包变换,并提出一种基于相邻系数阈值分类的复轮廓波包图像去噪算法.新的变换除了具有多分辨率、局部性、多方向性和各向异性的特点外,还具有平移不变性和更丰富的方向分量.仿真试验结果表明,构造的复轮廓波包变换能够有效地抑制伪Gibbs现象,并且保护更多的边缘和纹理等细节,其PSNR值和视觉质量均优于一般的去噪方法.     

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.     

改进的非下采样Contourlet变形红外弱小目标检测方法

针对存在复杂背景干扰和噪声的红外图像弱小目标检测问题,提出了一种非下采样Contourlet变换（NSCT）的改进的红外弱小目标检测方法。首先对含弱小目标的红外图像进行预处理,然后利用NSCT进行变换,并利用改进的非线性映射函数和能量交叉融合相结合的方法实现了背景杂波的抑制,最后引入Otsu算法进行阈值分割分离出红外弱小目标。通过与同类弱小目标检测算法的对比实验,验证了该方法的有效性。     

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的遥感图像放大与增强

提出一种遥感图像放大和增强的新方法.应用拉普拉斯塔形变换（LP）构建原图像的细节图像,采取双三次插值的方法分别放大原图像和细节图像,并将两个放大后的图像相加后线性处理.经过二级Contourlet分解变换,构造非线性增强函数增强Contourlet系数.最后用原图像取代Contourlet分解变换后的低频子带后重构图像,完成图像的放大和增强.结果表明,此方法能丰富放大后图像的细节,增强效果良好,有效提高放大后遥感图像的空间分辨率.     

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。