一种基于Contourlet变换的人脸识别方法

Contourlet变换是一种新的多尺度几何分析方法,它不仅具有小波变换的多分辨率特性和时频局域特性,还具有很强的方向性和各向异性.该文分析了Contourlet变换的基本原理与变换的特点,提出了基于Contourlet变换的人脸识别方法,分别提取Contourlet变换的低频系数特征与高频方向子带统计特征进行实验.实验结果证明,Contoudet变换的低频系数特征具有优异的识别特性,而其高频方向子带统计特征则刻画了人脸轮廓与局部器官形状等信息,也具有一定的识别性能.     

基于Contourlet变换的图像去噪算法

提出了基于平移不变的Contourlet去噪方法,与平移不变小波去噪相比较,结果表明该算法能有效地消除人为的视觉效果,使去噪后的图像获得更好的视觉效果,同时PSNR也得到了很大的提高.     

一种高效的小波Contourlet变换阈值去噪算法

针对现有图像去噪算法去噪效率与信号保真度不高的现象,通过研究小波变换与Contourlet变换,将其有机的结合在一起从而实现优势互补,并提出一种高效的阈值去噪算法,通过建立最大值列表,引入适当的阈值将其系数进行分类,并使用优化后的软阈值去噪算法与边缘优化算法对其分类处理,实验表明,该算法能够有效的对含噪图像进行去噪的同时保留其边缘信息,具有高效性、保真度高的图像去噪特性,在图像去噪领域有较好的发展前景。     

一种结合Contourlet和小波变换的图像编码算法

该文提出了一种Contourlet变换和小波变换相结合,使用新的空间方向树的类似SPIHT编码算法。该算法先对图像进行Contourlet变换,再对变换后的低频子带进行多级小波变换,然后根据变换后系数的结构特性,借鉴小波SPIHT编码思想,构造了一种新的空间方向树,实现了对变换后系数的类似SPIHT编码。仿真实验结果表明,该算法与小波变换,Contourlet变换和基于小波的Contourlet变换的SPIHT算法相比,重构图像保留了更多的纹理和细节信息,并且在低比特率下具有较高的峰值信噪比。     

基于分块和Contourlet变换相结合的多聚焦图像融合算法

分块融合易产生块效应,而Contourlet变换融合方法不具备平移不变性.结合以上方法的各自优势,提出1种新的基于Contourlet变换与块分割相结合的多聚焦图像融合方法.首先对图像进行分块并评价子块清晰度,然后通过建立标记矩阵,确定图像清晰区域、模糊区域及两者的交界区域.对非交界区域,直接选取清晰子块的像素值作为融合后的像素值;对介于清晰与模糊之间的交界区域,采用1种新的基于Contourlet变换的融合算法完成融合.实验结果表明,该方法有效抑制了图像块效应,且具备平移不变性,融合效果明显优于分块和Contourlet变换融合方法.     

一种新的纹理分割方法

本文提出一种新的纹理图象分割方法,其原理是将原始纹理图象化分成许多相互复盖的窗口,在每一个窗口上分別计算其纹理特征。并用该纹理特征代替窗口所对应象素的灰度值,从而把一灰度纹理图象映射成特征超平面。然后采用边缘检测方法在特征超平面上检测其特征突变点,所有这些突变点构成了不同纹理的交界线。所以检测到特征突变点就等价于完成纹理分割。在这种分割方法中,有效的纹理特征是分割准确度的关键。     

一种基于非下采样Contourlet变换的去噪算法

文章提出了一种新的去噪算法,算法是基于非下采样Contourlet变换(NSCT)的自适应阈值。首先需要对含噪图像进行非下采样Contourlet变换,然后得到各个尺度各个方向子带的系数。为了克服软、硬阈值函数的缺点,提出了一种自适应的新阈值函数。仿真实验表明,文章方法在峰值信噪比(PSNR)、信噪比(SNR)、均方误差(MSE)与视觉效果上均优于其他去噪算法。     

基于非子采样Contourlet变换的图像融合算法

提出了一种基于非子采样Contourlet变换的图像融合算法.首先,对图像作Contourlet变换,得到一个低频子带和一系列高频方向子带.其次,对低频子带系数采用基于边缘的规则来融合,而对于高频方向子带系数,采用基于一种基于Contonrlet局部系数相关性的规则来进行融合.最后,对融合系数进行非子采样Contourlet逆变换,得到最终的融合图像.实验结果表明,该方法对可见光、红外图像融合十分有效,能较好地提取原始图像中的边缘方向信息和几何特征.     

基于Contourlet变换的彩色图像融合算法

以红外和彩色可见光图像为研究对象,提出一种基于Contourlet变换的彩色图像融合算法.算法首先通过IHS(Intensity-Hue-Saturation)变换将彩色可见光图像从RGB颜色空间变换到IHS空间,进而利用Contourlet变换和加权融合规则将 I 分量图像与红外图像进行融合,然后将得到的灰度融合图像进行线性拉伸以获得与 I 分量相同的均值和方差,最后用拉伸后的灰度融合图像替换原来的 I 分量,并通过IHS逆变换得到最终的RGB彩色融合图像.算法一方面将Contourlet变换这一新的数学工具引入到图像融合中,另一方面提供了一种新的红外和可见光图像的彩色融合方法.实验结果表明,同样采用本文的彩色融合方法,Contourlet变换的融合结果优于小波变换,而且本文彩色融合方法的融合性能明显超过传统IHS变换融合法.     

基于Contourlet变换和IPCNN的融合算法及其在可见光与红外线图像融合中的应用

针对多传感器图像融合这一图像处理领域中的研究热点问题,提出了一种基于Contourlet变换和IPCNN的融合方法.该融合方法首先利用Contourlet对输入图像进行多尺度、多方向稀疏分解,准确地捕获图像中的二维或高维奇异信息,然后在Contourlet域充分利用IPCNN的同步激发特性,进行基于IPCNN的融合策略设计,提高了融合效果.仿真结果表明,该算法具有很好的融合效果.     

基于Contourlet变换的红外图像序列小目标检测技术

Contourlet变换具有多尺度,多方向性的特征,是小波的一种扩展.本文提出了一种基于Contourlet变换的红外小目标检测算法.首先对图像进行Contourlet分解;然后利用能量法提取其局部纹理特征,并计算各点的特征向量与中心向量问的距离,得到一个相关的多尺度距离像;最后根据该距离像进行直方图统计,从而实现目标的检测.文中给出了实验结果,并与基于小波变换的红外小目标检测算法进行了比较,结果表明,本方法能较精确地检测出红外小目标,优于基于小波变换的方法.     

基于超光谱图像的舌体分割算法

舌体分割是实现中医舌诊现代化的一个前提工作,分割质量直接影响舌象诊断的性能.然而由于舌的生理特征比较复杂,舌的形态以及舌与嘴唇的连接各不相同,使得舌体分割比较困难.本文采用超光谱成像系统代替数码相机采集舌图像,并借鉴光谱角度匹配算法,发展了基于超光谱图像的舌体分割算法.这一算法通过光谱角度匹配算法将超光谱舌图像立方体转换成光谱角度立方体,然后采用一维脉冲波形的边沿信息检测出边缘信息,最后实现了舌体的分割.试验表明,这种基于超光谱图像的舌体分割算法可以较为准确地将舌体分割出来.     

基于分形和神经网络理论的多尺度图象分割方法

特征空间聚类分割方法存在的关键问题是有效的特征参数提取和聚类方法的构造。针对这两个问题,本文采用小波变换的多尺度分析方法提取图象的多尺度分形维数作为分割特征参数,用Kohonen自组织特征映射实现特征空间聚类,获得了良好的分割效果。     

一种基于非采样Contourlet变换红外图像与可见光图像融合算法

针对同一场景红外图像与可见光图像的融合问题,提出了一种基于非采样Contourlet变换(Nonsubsampled Contourlet Transform,NSCT)图像融合算法.算法首先采用NSCT对源图像进行多尺度、多方向分解,得到低频子带系数和各带通方向子带系数.然后,针对低频子带系数的选择,提出了一种基于红外图像与可见光图像物理特征的"加权平均"系数选择方案;针对各带通方向子带系数的选择,结合人眼视觉特性,提出了一种基于区域能量匹配的系数选择方案,得到融合图像的NSCT系数.最后经过NSCT逆变换得到融合图像.实验结果表明该算法可获得较理想的融合图像,其融合效果优于传统的基于离散小波变换以及离散小波框架变换的图像融合算法.     

光学多通道纹理分割技术

提出一种以人类视觉系统初级阶段多通道滤波理论为基础的光电混合纹理分割技术，每一通道用盖伯函数描述．在光学系统中采用不同取向的针孔对阵列作为盖伯滤波器，用２×２Ｄａｍａｎｎ光栅作为分束器，建立了具有４个通道的纹理图像分割处理系统．光学系统结果由计算机进行聚类或神经网络决策，得到最后的分割标定图像．若增加针孔对的数目，并改变针孔大小，用更高分束比的Ｄａｍａｎｎ光栅作为分束器件，可以实现通道的纹理图像分割，达到应用水平     

基于局部模糊方差的过渡区提取及图像分割

为取得良好的图像分割效果,利用局部模糊方差区分过渡区与背景区的差异,提出了一种基于局部模糊方差的图像过渡区提取方法并用于图像的分割.首先将利用模糊集构造模糊方差的方法拓展到二维图像的情形,进而利用局部模糊方差构造过渡区.在此基础上通过多阈值的选择方法在过渡区上确定阈值,最后将其用于图像分割.实验结果表明所提方法具有较强的鲁棒性,并能取得良好的分割效果.     

使用小波变换的图象边缘检测算法

将小波变换理论应用于图象边缘提取,提出了一种新的图象边缘检测算法。一种相对于(c0,c3)=(0.05,0.05)的对称尺度函数被用于二进小波变换,得到原图象的一个多分辨率表达式,再提取图象的边缘特征。实验结果表明,本方法是解决图象边缘提取的一个十分有效的模型。     

基于遗传算法的图像阈值分割

该文将遗传算法用于Otsu法和KSW熵法两种图像阈值分割方法中,进行了针对图像分割的遗传程序所需的参数设计,并采用遗传算法实现单阈值和多阈值图像分割。实验结果表明分割速度快于传统阈值分割法,缩短了运算时间。     

基于局部复杂度的图像过渡区提取与分割

传统的图像过渡区提取算法基于梯度算子，算法对噪声敏感且受剪切值Llow与Lbigh的限制．通过对过渡区像素属性的深入分析，提出基于局部复杂度的过渡区直接提取算法．局部复杂度的滤波作用提高了算法的抗噪性，直接提取则使算法摆脱了对Llow与Lbigh的依赖．实验结果表明，局部复杂度方法优于传统的基于梯度算子的过渡区间接提取方法．