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.     

基于Contourlet变换域的自适应量化索引调制数字图像水印算法

提出了一种新的基于Contourlet变换域的自适应量化索引调制数字图像水印算法.原始二值水印经过扩展置乱、降维和伪随机序列加密,嵌入到宿主图像经Contourlet变换后的低通子带系数中.根据低通子带能量分布特性,对分块低通子带的最大奇异值采用自适应量化索引调制,实现水印嵌入.实验结果表明,该水印算法不仅对嵌入的水印具有良好地视觉保真度,而且对JPEG压缩、低通滤波、加性噪声、重采样、剪切等多种攻击具有很强的稳健性.同时采用量化嵌入策略,水印提取时不需要宿主图像,即可实现水印网像盲提取.     

基于三维荧光光谱的Krawtchouk图像矩算法在多环芳烃定量分析中的应用

以多环芳烃中的芴和苊为研究对象,提出一种将三维荧光光谱技术与Krawtchouk图像矩、广义回归神经网络相结合的定量分析的方法。利用FS920荧光光谱仪获取样品的三维荧光光谱数据,得到对应的三维光谱灰度图。直接计算三维光谱灰度图的Krawtchouk矩,将得到的Krawtchouk矩经平均影响值筛选后作为广义回归神经网络的输入,建立多环芳烃(PAHs)的定量模型。预测8组混合溶液的测试样本,芴和苊的平均相对误差分别为0.98%和2.15%。研究结果表明,Krawtchouk矩经过筛选后预测结果更为准确,该方法能够有效提取光谱的特征信息,简单、准确的预测PAHs的浓度。     

一种基于噪声修整Contourlet变换的低码率图像压缩算法

为了克服冗余性的Contourlet变换不利于图像压缩的缺陷,提出了噪声修整的Contourlet变换结构,或称为NS-Contourlet.该结构通过迭代的方式减少了量化后的非零系数数量,并且提高了非零系数的逼近能力.设计了一种可采用提升小波实现的拉普拉斯金字塔变换,有效地提高了Contourlet中拉普拉斯金字塔变换部分的速度.提出的NS-Contourlet结构结合EBCOT编码器实现了一种图像压缩算法,并且通过实验验证了该算法的有效性.尤其当低码率压缩(小于0.2 bpp)或者待压缩图像呈现直线纹理特征时,提出算法在主观视觉质量和PSNR指标上均优于JPEG2000,平均PSNR值提高了0.1～0.5 dB.     

基于Contourlet变换的遥感图像去噪新算法

提出了一个新的有效的基于Contourlet变换的遥感图像去噪方法。对有噪图像进行Contourlet分解;对Contourlet变换系数引入一个几何先验模型,结合噪声和有用信号的条件分布进行贝叶斯估计,得到每一系数作为有用信号的后验概率,以之作为修正因子修正小波萎缩因子;对重构图像进行递归循环运算处理。仿真实验结果表明,去噪后图像去除了常见的伪吉布斯现象,峰值信噪比提高了1~2 dB。     

一种基于噪声修整Contourlet变换的低码率图像压缩算法*

为了克服冗余性的Contourlet变换不利于图像压缩的缺陷,提出了噪声修整的Contourlet变换结构,或称为NS-Contourlet.该结构通过迭代的方式减少了量化后的非零系数数量,并且提高了非零系数的逼近能力.设计了一种可采用提升小波实现的拉普拉斯金字塔变换,有效地提高了Contourlet中拉普拉斯金字塔变换部分的速度.提出的NS-Contourlet结构结合EBCOT编码器实现了一种图像压缩算法,并且通过实验验证了该算法的有效性.尤其当低码率压缩(小于0.2 bpp)或者待压缩图像呈现直线纹理特征时,提出算法在主观视觉质量和PSNR指标上均优于JPEG2000,平均PSNR值提高了0.1～0.5 dB.     

基于Contourlet变换与FLD的人脸表情识别方法

提出了一种基于Contourlet变换与FLD的人脸表情特征提取方法。Contourlet变换是一种新的多尺度几何分析方法,它在具备小波变换的多分辨率特性和时频局部特性的同时,还具有很强的多方向选择性和各向异性。图像经过Contourlet变换后的低频分量可体现表情的概貌,高频方向子带可体现表情的轮廓和纹理等细节。将低频分量与部分高频方向子带结合起来作为整体特征,可压缩图像的数据量,并能够体现表情的本质特征。首先用Fisher线性判别法(FLD)进行特征提取,然后采用K-近邻法进行分类。实验证明,该方法比经典的FLD方法有着更快的特征提取速度和更高的表情识别率。     

基于非抽样Contourlet变换的彩色图像数字水印算法

研究了小波变换和Contourlet变换的不足,利用非抽样Contourlet变换的多尺度性、多方向性以及平移不变性特征进行彩色图像数字水印.先对图像进行非抽样Contourlet变换得到不同尺度不同方向上的系数.然后为了满足水印的不町见性和稳健性,在低频系数和高频系数中采用不同的嵌入强度.并依据人类视觉的彩色感知特性,在蓝色分量中嵌入较多水印,在其他颜色分量选取变换系数能量最大的区域嵌入水印.与同样嵌入规则的Contourlet变换算法和平稳小波变换算法相比.该算法具有更好的稳健性,利用该算法得到的水印相似度更高,最高町提高约0.5.     

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。     

基于非亚采样Contourlet变换的PET/CT图像融合

提出了一种新的基于非亚采样Contourlet变换的PET/CT图像融合方法。通过非亚采样金字塔(NSP)和非亚采样方向滤波器组(NSDFB)实现对图像的多尺度多方向分解。在融合处理中,对分解图像所得的高频及低频系数,根据不同分解面的特性,采用不同的加权规则进行融合。该方法既保留了Contourlet变换方法的多分辨率特性,又具有平移不变性。实验结果表明,相对于传统的拉普拉斯金字塔变换法、小波变换法和Contourlet变换法等,取得了更佳的融合效果。     

基于相息图和小波变换的数字水印

提出一种基于相息图和小波变换的数字水印方案。利用迭代相位恢复算法将水印图像编码为相息图, 然后将经权重因子调制后的相息图嵌入到宿主图像的三层小波低频系数中, 完成整个水印嵌入过程。在水印提取阶段, 对宿主图像和含水印图像进行三层小波分解, 将得到的低频系数对应相减提取出水印相息图, 然后对此相息图进行傅里叶变换操作, 取其振幅即可提取原始嵌入的水印图像。针对不同权重因子的水印系统, 详细分析和讨论了所提出水印方案的隐蔽性和稳健性。计算机仿真结果验证了该数字水印方案的可行性。     

基于Contourlet变换的迭代图像复原算法

考虑到contourlet变换的多尺度多方向性以及对二维图像具有比小波变换更好的稀疏表示特性,提出了一种基于contourlet变换的图像复原算法.算法采用边界优化的方法,通过类期望最大化算法在contourlet域进行迭代计算,并最终获得惩罚似然函数的最优解.实验结果表明.与传统的基于小波变换的同类图像复原算法相比,基于contourlet变换的复原算法在保持了较低的运算代价的同时,更好地保护了图像的边缘和细节信息,峰值信噪比有0.6 dB～0.8 dB左右的提高.     

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.     

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Cycle Spinning Contourlet变换和总变分最小化的遥感图像去噪算法

针对很多已有的遥感图像去噪算法去噪的同时存在不能有效的保留细节和增强边缘的问题,提出了一种基于Cycle Spinning Contourlet变换和总变分最小化的图像去噪新算法。该算法依据了Cycle Spinning Contourlet变换能够很好的保留原始图像的细节和纹理信息,而总变分最小化方法具有在去噪的同时增强图像边缘的特性,因此使用所提出的融合规则对两种算法去噪后的图像进行融合能够取得更好的增强效果。通过对比,实验结果表明该算法不仅能在很大程度上削弱分别由平移不变Contourlet变换和总变分最小化的图像去噪方法产生的伪吉布斯现象和阶梯效应,而且视觉效果和PSNR值均优于其它方法,同时该算法能够保留更多的光谱信息,因此该算法是一种有效的遥感图像去噪算法。