基于数学形态学的Contourlet变换域图像降噪方法

提出了一种基于数学形态学的Contourlet变换域图像降噪方法.首先对输入的带噪图像进行多尺度、多方向的Contourlet稀疏变换,然后利用数学形态学算子在Contourlet域对高频系数进行处理,去除图像中具有较小支撑域的噪音,有效保留具有连续支撑域的图像边缘信息.最后通过Contourlet反变换得到预降噪图像.仿真结果表明,该方法较一般的Contourlet域收缩阈值降噪方法的降噪效果好,提高了PSNR值并降低了MSE值,获得更好的图像恢复质量.     

基于数学形态学和匹配滤波的视网膜血管图像增强方法

针对视网膜图像成像过程的特点,提出了一种新的视网膜图像血管信息增强方法。由于存在光照不均匀的情况,采用同态滤波的方法设计了一种滤波器,对光照不均匀的情况进行了有效的校正;使用数学形态学中的Top Hat变换,对背景信息进行抑制,使得血管信息得到增强;最后进一步采用匹配滤波的方法,探测血管信息,使得血管信息的亮度得到提高,增强了与背景的对比度,血管信息具有明显的可视性。实验结果表明了提出的方法的有效性,对临床疾病的诊断及治疗具有较大的参考价值。     

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Contourlet变换的红外图像非线性增强算法

针对红外图像对比度低、噪声大等特点,提出一种基于Contourlet变换的红外图像非线性增强算法.Contourlet变换是一种有效的方向多尺度变换分析方法,能在任意尺度上实现任意方向的分解.首先采用Contourlet变换对图像进行多尺度、多方向分解,得到低频子带系数和各带通方向子带系数.引入非完全贝塔函数对低频子带系数进行处理,提升图像整体对比度;采用非线性增益函数对各带通方向子带系数进行处理,通过估计噪声水平设定阈值,抑制绝对值小于阈值的系数,增强大于阈值的系数.最后经Contourlet逆变换得到增强图像.实际实验结果表明,该方法可以有效地增强低对比度红外图像,无论是在视觉效果上还是在图像对比度评估值定量指标上均明显优于直方图均衡化、小波变换增强等方法,且能保持更多的图像轮廓特征,克服了这些方法对噪声增强过度和图像细节增强不足等缺点.     

基于Krawtchouk矩和Contourlet变换的多目的水印

提出了一种基于Krawtchouk矩和Contourlet变换的多目的水印算法.首先对图像进行两级Contourlet分解,通过计算其低频分量的Krawtchouk低阶矩不变量来构建鲁棒水印,然后在剩下的带通分量中选择一个作为水印嵌入域并在其中嵌入半脆弱水印,给出了实验结果,并从水印的不可见性、抗攻击能力及篡改的定位能力三个方面进行了定量评测.实验结果表明,该算法具有很强的鲁棒性和较好的脆弱性,能同时有效地保护版权和认证图像.     

结合小波域变换和空间域变换的图像增强方法

提出了一种结合了小波域和空间域处理方法的图像增强算法. 该算法首先对小波域中的高频系数进行修正,使图像具有更好的局部对比度和更丰富的细节,由于双树复小波变换（Dual-tree Complex Wavelet Transform,DT CWT）具有更好的方向选择性,在小波变换的过程中选用了这一方法;然后,通过空间域中的非线性变换,调整图像的整体对比度. 该算法可根据图像本身的特性实现参数的自动选择. 经过本文方法的处理所得的图像,无论在视觉效果上还是在统计上,都优于前人工作的结果.     

基于数学形态学和遗传优化的图像去噪

针对图像滤波时损失图像细节这一问题,提出了一种自适应多尺度形态滤波方法,在普通多尺度形态开、闭滤波基础上增加了多尺度top hat变换和bottom hat变换,用于提取并平滑小尺度的图像信息。top hat变换和bottom hat变换的系数对整个滤波器性能起着重要的作用,采用遗传优化的方法对其进行优化。实验结果表明,该方法噪声去除效果好,图像细节保持完整,提高了输出图像的信噪比,增强了滤波器的自适应性和智能性,处理效果明显优于传统滤波方法。     

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。     

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.     

基于小波变换和数学形态学的孔径测量研究

针对视觉测量中硬盘圆孔孔径容易受到圆孔周围局部强反射、外部噪声的影响和测量精度不高的问题,提出一种基于小波变换、数学形态学和机器视觉相结合的圆形零件孔径测量方法。对摄像头采集圆孔图片,通过小波变换分解出高低频图像,利用小波变换对高频部分进行边缘提取,数学形态学对低频部分进行边缘提取,然后进行小波边缘融合,获取有效的圆孔边缘。利用最小二乘法对边缘进行孔径尺寸计算,经实验验证,该算法与其他算法相比,在有效地保留圆孔周围边缘信息的情况下,对周围噪声进行了有效的抑制,检测精度为0.01 mm以内,实验结果表明此方法简单易行,且具有较高的精度。     

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.     

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.     

基于数学形态学的金字塔图像去噪

提出了一种自适应提升拉普拉斯金字塔变换与数学形态算子相结合的图像去噪方法.首先对图像进行分解,采用自适应提升拉普拉斯金字塔,然后利用自适应提升拉普拉斯金字塔变换后系数能量的分布特性以及尺度内和尺度间的依赖性,结合数学形态算子的特点,利用数学形态算子对变换系数进行处理,使得重要变换系数与非重要变换系数分离,分别对两个不同的子集采用不同的阈值进行处理后,再将两个子集合起来,进行逆变换重建.实验结果表明,该算法具有良好的去噪效果,同时保留了图像的细节信息,获得了较高的图像信噪比.     

一种新的非线性变换法实现图像增强的方法

本文提出了一种新的非线性变换法进行图像增强处理的方法．将整个灰度范围划分为几个子区问，在这些子区间内红，绿，蓝三色交替由最小值线性变换为最大值，但在整个灰度范围内灰度映射是非线性的．采用该方法处理后的数字图像人眼分辨率明显优于原始数字图像，可获得更多的视觉细节信息．     

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。     

一种新颖的Contourlet域中子辐射图像降噪方法

由于受CCD相机、中子散射及控制电路等因素的影响,数字中子照相系统所获图像常被噪音污染,抑制噪音对于提高数字中子照相系统图像质量具有重要意义.利用多尺度几何分析能捕获图像几何结构的特性,提出一种新颖的基于contourlet变换的图像去噪方法通过计算方差一致性测度（VHM）,确定局部自适应窗口,从而最优估计contourlet系数的阈值萎缩因子,对contourlet系数进行萎缩,实现降噪功能.该方法将阈值去噪法与基于子带相关的图像去噪法相结合,充分利用在同一方向子带中沿边缘或轮廓contourlet系数的相关性,它能实现"去噪"和"保留信号"之间的平衡.实验结果表明,该方法在峰值信噪比指标上优于传统的contourlet系数硬阈值处理方法及维纳滤波方法,能有效地抑制图像噪音,同时适合于中子辐射图像的处理.     

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.     

Image enhancement through contrast enlargement using the image regions extracted by multiscale top-hat by reconstruction

An image enhancement algorithm based on multiscale top-hat by reconstruction is proposed in this paper. Firstly, multiscale top-hat by reconstruction using multiscale structuring elements is discussed. Then, multiscale bright and black image regions are extracted. Thirdly, useful image regions for image enhancement are obtained from the extracted multiscale bright and black image regions. Finally, after a base image is calculated from the results of the opening and closing by reconstruction operations, the original image is enhanced through combing the useful image regions into the base image. Experimental results on different types of images show that the proposed algorithm is efficient.