基于方向滤波器组的Contourlet变换频谱混叠特性研究

通过对方向滤波器组（DFB）及Laplace塔形变换（LP变换）的分析研究,阐明Contourlet变换的频谱混叠是源于LP变换中两个低通滤波器不满足Nyquist抽样定律,致使阻带截至频率大于π／2所引起。基此,研究并提出了一种抗混叠的Contourlet变换,即N-Contourlet变换,通过设计满足Nyquist抽样定律的低通滤波器,以避免LP变换中因下抽样所造成的混叠。N-Contourlet变换满足完全重构特性,且能有效地抑制原Contourlet变换中的频谱混叠,频域局域性较好。硬阈值去噪实验研究结果表明,对于标准的Lena图像,在噪声方差σ=40时,N-Contourlet变换的去噪效果不仅PSNR高出Contourlet变换2．51dB,而且还能有效地抑制了Contourlet变换去噪后的“划痕”现象,图像的视觉效果更佳。     

抗混叠轮廓波变换及其在图像融合中的应用

研究了原始轮廓波变换的频谱混叠问题,设计出能抑制混叠的多尺度分解方案,结合方向滤波器组,实现了一种抗混叠的轮廓波变换.在此基础上,提出了新颖的基于抗混叠轮廓波变换的图像融合算法.该算法通过邻域一致性测度的计算,实现了变换系数的局部自适应融合.实验结果表明,所提出的方法在视觉质量及定量指标上都优于基于小波变换和轮廓波变换的传统方法.     

基于去频谱混叠Contourlet变换的层内局部相关性图像降噪

提出了一种基于去频谱混叠Contourlet变换的层内局部相关性图像降噪新方法.含噪图像经抗混Contourlet多尺度变换,得到一个低频逼近子图和一系列不同尺度、不同方向的高频细节子图,充分利用变换域同层同方向子带内信号系数相关性强、噪声系数无相关性的特点,采用强局部化零均值高斯分布模型对高频细节子图进行降噪处理.实验结果表明,该方法计算效率高,能克服Contourlet变换中的频谱混叠,避免了重构图像出现"划痕"现象.无论是PSNR指标,还是在视觉效果上,该方法的去噪性能均好于Contourlet去噪、Contourlet域HMT去噪和基于抗混叠Contourlet变换的硬阈值去噪,在有效去噪的同时,具有很好的图像边缘和细节保护能力.     

基于抗混叠轮廓波的乳腺图像降噪与增强方法

乳腺X射线成像是乳腺疾病早期检测的有效手段.然而典型的乳腺X射线图像往往对比度低,噪声污染严重,本文提出一种新颖的基于抗混叠轮廓波变换的乳腺图像降噪及增强方案.首先分析了原始轮廓波变换的频谱混叠问题,设计出一种能稀疏表示图像边界及纹理信息,同时能抑制混叠影响的抗混叠轮廓波变换;在此基础上,分别采用高斯分布与广义拉普拉斯分布来刻划噪声相关及信号相关的变换系数,实现阈值萎缩降噪;接着对处理后的系数进行非线性增强,达到增强乳腺图像中细节信息的效果.实验结果表明,本文方法能有效提高乳腺图像的质量,在计算机辅助乳腺诊断方面有较高应用价值.     

非下抽样抗混叠Contourlet变换及其自适应阈值去噪

针对Contourlet变换在频谱混叠及平移不变性方面存在的局限性,提出了一种非下抽样抗混叠Contourlet变换(NS-NACT),其由非下抽样抗混叠塔式滤波器组(NS-NPFB)和非下抽样方向滤波器组(UDFB)构成。基于此,研究了一种基于自适应阈值调节的去噪算法。实验研究结果表明,当噪声方差σ=30时,通过本文算法去噪后的图像,不仅峰值信噪比(PSNR)较非抽样小波和Contourlet分别高出0.65dB和3.47dB,而且有效抑制了Contourlet变换去噪后的Gibbs现象,同时还可以更好地保留图像的边缘和细节,去噪效果更佳。     

一种抗混叠滤波器的设计

针对信号采集时,频率混叠现象的发生,为了能够有效地提取有用信号,本文介绍了滤波器的设计原理。通过分析混叠现象产生的原因,探讨了几种常见滤波器的特点并进行了比较;最后设计了一种基于二阶巴特沃斯带通抗混叠滤波器。通过仿真结果可以得出,该滤波器具有通带衰减特性平坦,能够有效避免混叠现象发生,为工程实践提供了可靠的理论指导。     

便携式数据采集系统中自适应抗混叠滤波器的设计

针对设备监测与故障诊断系统中便携式数据采集系统的设计要求，采用单片8阶椭圆低通滤波器MAX293设计了向AD端集成的内置抗混叠滤波器。提出了独特的自适应抗混叠滤波方案，阐述了其在数据采集过程中的实现原理，设计了相应的硬件实现电路，并给出了滤波过程中非线性相移误差的软件校正方法。     

PCM语音编解码系统中抗混叠滤波器的设计

PCM（脉冲编码调制）是一种编码方式,它可以将语音信号转换成数字信号。我们知道在音频系统中经常会出现信号混叠,基于这个原因,本文介绍了一种在PCM语音编解码系统所使用的抗混叠滤波。它是一个有源的、低通三阶巴特沃兹滤波器。     

PCM语音编解码系统中抗混叠滤波器的设计

PCM(脉冲编码调制)是一种编码方式,它可以将语音信号转换成数字信号。我们知道在音频系统中经常会出现信号混叠,基于这个原因,本文介绍了一种在PCM语音编解码系统所使用的抗混叠滤波。它是一个有源的、低通三阶巴特沃兹滤波器。     

基于阻抗拟合法设计ADS6444前端抗混叠滤波器

本文介绍了4通道,14位模数转换器ADS6444的模拟输入特性,提出了一种借助拟合输入阻抗设计仿真ADS6444前端的抗混叠滤波器的方法。并通过对比此法和常用抗混叠滤波器设计方法的设计效果证明了此法具有一定的优越性。     

一种基于小波-Contourlet变换的图像去噪算法

提出了一种基于小波-Contourlet变换的图像去噪算法.实验证明,该算法相对于小波变换和Contourlet变换能更稀疏的表达图像,并利用此优越性进行图像去噪,可以达到更好的效果和更高的PSNR值.     

基于非下采样轮廓小波变换的图像去噪

针对采用下采样滤波器结构的轮廓波、轮廓小波在图像去噪过程中会引入伪吉布斯现象,利用小波变换(WT)和非下采样方向滤波器组(NDFB)构造了一种新的多尺度、多分辨率图像的非下采样轮廓小波变换(NWCT)。WT去除了拉普拉斯金字塔滤波器(LPF)的计算冗余,NDFB保证了该变换具有平移不变性。为了验证该变换的有效性,对其进行了图像去噪实验。实验结果表明,所提出方法能获得比WT、轮廓波变换(CT)、轮廓小波变换(WCT)更高的峰值信噪比(PSNR),并且能够很好地抑制伪吉布斯现象。     

基于非下采样Contourlet变换的多传感器图像融合

根据非下采样Contourlet变换同时具有多尺度多分辨分析和平移不变性质的特点,提出一种基于非下采样Contourlet变换的多传感器图像融合方法,将其应用于多传感器图像融合的两个重要领域——多聚焦图像融合和高分辨、多光谱图像融合,从视觉效果和信息量指标方面对融合图像进行主观评判和数值评价.实验中将本文方法与Contourlet变换、小波变换、主成分分析等方法进行了比较,结果表明本文方法得到的融合结果具有更优的视觉质量和量化指标,能很好地将源图像的细节信息融合在一起,拓广了NSCT的应用范围.     

基于非抽样复轮廓波变换的图像去噪算法研究

将二维双树复小波变换(DT-CWT)与非抽样方向滤波器组(NSDFB)相结合,构造一种新的非抽样复轮廓波变换(NSCCT),并对其平移不变性作了相应证明。同时利用对称的正态逆高斯(NIG)分布先验概率模型和贝叶斯最小均方算法,提出一种基于NSCCT的图像去噪算法。实验结果表明,本文构造的NSCCT能够有效地抑制伪Gibbs现象,并且具有更丰富的方向分量,因而在图像的细节和纹理表现方面有一定的优势。     

基于无下采样小波-Contourlet变换的图像融合算法

针对目前最新发展的无下采样Contourlet变换,同时具有方向性、各向异性和平移不变性的特点,并结合多孔小波变换的优点,提出了一种新的基于无下采样小波-Contourlet变换图像融合算法.通过对航空图像进行无下采样小波-Contourlet变换的多分辨分解得到高频和低频系数,并根据不同分解面的系数特性,采用不同的加权融合规则进行融合.实验结果表明,此方法相对于传统的变换法,取得了更佳的融合结果.     

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.     

全变差数字滤波器与Ridgelet变换相结合的图像去噪方法

针对Gurvelet变换采用的金字塔分解对图像细节表现的不足,我们提出利用全变差数字滤波器提取图像细节,然后对其采用基于分数阶傅立叶变换和投影－切片定理的Ridgelet变换,在变换域中由极小化极大误差准则进行阈值估计并对变换域系数进行阈值处理,以实现图像去噪.与金字塔分解相比,全变差数字滤波器能够简化图像分解并得到包含几乎所有细节的单幅图像,从而更有利于在Ridgelet域中进行降噪处理.实验结果表明,相对于Ridgelet和Curvelet变换的去噪方法,本文方法在抑制噪声的同时具有更有效的边缘保护能力,同时消除了边缘处的振荡,并且相对于Curvelet变换节省了计算.