基于Curvelet和小波变换的纹理图像识别

提出了一种基于Curvelet变换与小波变换相结合的纹理图像分类算法.小波变换在分析点奇异信号时具有良好的性能,而Curvelet变换更适合分析图像中的曲线或直线状边缘特征.算法通过提取两者分解子波段的统计学和灰度共生矩阵特征,采用支持向量机对纹理图像进行分类.实验结果表明,和单一的多分辨率变换特征提取相比,该算法具有更高的分类准确率.     

一种基于二代Curvelet变换的图像融合新算法

基于Curvelet变换,提出了一种新的融合算法.首先将图像进行Curvelet变换,然后对低频系数和高频系数采用不同的融合规则将Curvelet系数融合,最后进行重构得到融合结果.对该方法得到的融合图像进行了主客观评价和对比.实验结果表明,该方法得到的融合图像在图像边缘等细节上比其他方法得到的图像具有更好的视觉效果,在均方误差、峰值信噪比、相似度等客观指标上都优于其它方法.     

基于Curvelet变换的自适应阈值图像去噪方法

与小波变换相比,Curvelet变换能更好地表达图像的边缘和细节,因此更适合做图像处理.提出了一种基于第二代Curvelet变换的自适应阈值图像去噪方法,采用不同的阈值自适应地对不同尺度和方向的Curvelet系数进行阈值处理.实验结果表明,提出的方法在去除噪声的同时,能更好地保留图像的细节.去噪后的图像有更高的峰值信噪比和更好的视觉效果.     

Curvelet感兴趣区域相关图的纹理图像检索

提出了一种基于感兴趣区域纹理图像的检索方法.对纹理图像进行Curvelet多尺度分解,根据各层子带的能量分布提取感兴趣区域,并量化感兴趣区域Curvelet系数,计算颜色自相关图而构造图像的特征向量.在Brodatz纹理库中的实验结果表明,与原有基于Curvelet的纹理图像检索方法相比,所提出的方法对纹理图像检索的效果更佳.     

基于第二代Curvelet变换的多聚焦图像融合方法研究

本文针对光学成像系统聚焦范围有限,很难使得同一场景中所有物体都清晰这一特点,将一种多尺度几何分析方法——第二代Curvelet变换引入到多聚焦图像融合之中。本文通过对多幅多聚焦图像Curvelet变换后的系数进行调整,再进行Curvelet反变换得到结果图像。实验结果表明,基于Curvelet变换的多聚焦图像融合结果好,空间质量得到显著提高。     

基于子波变换的纹理图像的多级分割

目的基于子波变换研究纹理图像的多分辨率分割．方法提出了子波域主能量通道的纹理图像多级分割方法．以最大能量为线索,建立起由细到粗的子波分解金字塔,分割按照其逆过程,即由粗到细,将低分辨率上的分割结果传递到高分辨率上．结果在每个分辨率上优化选择分割特征,用模糊Ｃ聚类法确定分割方案,有利于纹理图像的分割,分割结果逐级精细．结论员分辨率上基本无纹理栅格,分割效果符合人眼视觉特性．     

基于小波变换的纹理图像分割

Ｍａｌｌａｔ非正交小波变换通常用于光滑图像的边缘提取,本文将其改进后,推广到图像纹理特征的提取和纹理图像的分割,取得了良好的效果。基于小波变换的纹理图像分割的算法中,小波变换尺度数的选取和纹理聚类数的确定是其难点。对此,本文作了详细的讨论,提出了一些独特、有效的解决方法。     

基于底层纹理特征的图像检索

讨论了统计法中的灰度共现矩阵法和频谱法中的小波变换法来提取图像底层纹理特征,并对此进行了比较和分析,实验表明,基于小波变换的纹理特征提取方法可以有效描述图像底层纹理并取得较好检索结果。     

基于局部均值和标准差的Curvelet变换遥感图像融合算法

为充分利用各种遥感图像的有用信息,在Curvelet变换的基础上,提出一种基于局部均值和标准差限定的遥感图像融合算法.通过Curvelet变换将同一场景下的高空间分辨率全色图像和低分辨率多光谱图像分解到不同尺度、不同方向的频带范围内,然后对低、高频系数分别采用最大值法和局部均值及标准差限定法的融合规则进行融合,最后进行Curvelet反变换得到融合图像.实验表明,基于该融合规则的Curvelet算法优于传统的遥感图像融合算法.     

基于双密度小波变换的纹理图像检索

为了进一步提高纹理图像的检索性能，提出了一种基于双密度小波变换算法．该算法根据双密度小波分解变换的特点，从系数角度出发首先对子带进行组合，然后提取一阶和二阶统计矩并将结果作为纹理的特征用于图像检索．由于组合双密度小波变换采用了过采样，具有时移不变性，所以据此生成的算法具有特征数少、检索精度高等特点．对比实验结果表明，该算法的检索精度比单小波和双密度小波变换分别提高了10％和7％，性能最好的是一阶和二阶统计矩组合的方法．     

基于Curvelet变换水下声纳图像去噪研究

为了更好地消除水下声纳图像噪声及保持图像边缘效果，提出将Curvelet变换方法应用在水下图像去噪技术中．该处理方法克服了Ridgelet去噪只对直线边缘敏感的缺点，并对图像中存在的曲线特征起到了很好的边缘保持效果，并在实验输出数据比较中获得较好效果．     

基于Curvelet变换的煤矿监控图像降噪算法

为提高煤矿井下监控图像质量,更好地实现井下生产的实时监控,探讨基于小波变换和脊波变换的图像降噪的特点,提出将一种基于Wrapping快速离散的第二代曲波变换(Curvelet)图像降噪算法,用于煤矿井下监控图像的降噪处理。研究Curvelet变换的函数支撑区间满足各向异性的尺度关系,以及在表示图像的边缘特征时更具有稀疏性等性质。结果表明:该降噪算法在煤矿井下特殊环境中的图像降噪效果优于传统的小波变换图像降噪和脊波变换,对于煤矿安全监控的有效实施,具有重要的指导意义。     

基于Contourlet变换的纹理图像检索

提出了一种基于Contourlet变换的纹理图像检索算法。首先对纹理图像进行Contourlet变换,通过调整子带能量参数的次序,改进其旋转不变性,再提取不同尺度、不同方向上变换系数矩阵的均值和标准方差作为特征向量,最后采用Canberra距离进行相似性度量。实验结果表明,此算法在对纹理图像检索时具有良好的检索性能,并具有旋转不变性。     

基于改进边缘方向判定方法的图像插值算法

为了解决图像超分辨率重建过程中传统边缘插值方法边缘方向定位不准确,以及边缘区域只沿着边缘点一侧进行插值,而没有考虑边缘内外侧的问题,提出一种基于边缘二值化图像的边缘方向判定算法。该算法通过边缘像素点之间的相互关系来确定边缘方向,得到的结果更加可靠;并且加入方差来判定插值侧边,有选择性地对边缘一侧进行插值,考虑了边缘判定的特征。实验结果表明,与传统的边缘插值方法相比,两种改进获得了更好的图像重建效果。     

基于自适应小波变换的红外图像去噪算法

针对红外图像存在的加性、乘性及混合噪声,提出了一种自适应小波变换的图像去噪算法.该方法首先用小波变换对含噪图像信号进行小波分解,这样可以保证对图像中的不相关噪声的有效抑制,保持图像的细节信息.然后将经小波变换所分离出来的噪声成分作为自适应滤波器的输入,通过选用自适应滤波算法从而实现信噪分离的最佳滤波.仿真结果表明,本文提出的去噪算法优于已有的各种算法,提高了图像的对比度,突出了图像细节.     

基于Brushlet变换的SAR图像地物目标分类

Brushlet是一种新的图像方向信息分析工具,已被应用于纹理分割、分类以及去噪等领域.该文利用Brushlet变换为复函数这一特性,提取其能量及相位信息作为分类特征.通过对SAR图像中选出三类具有不同地貌特征的样本：道路平地、山脉和建筑物群的分类实验,仿真结果证明较之单一能量特征的分类方法,Brushlet能量及相位特征能有效地区分不同特征的地物目标.     

自适应图像插值在超分辨率图像重建中的应用

超分辨率技术的目的在于恢复高频信息,以使图像获得更多的细节信息,同时还要能消除各种噪声的影响,图像插值方法是一个基本的消除采样误差和虚假响应的手段,它是超分辨率重建的一个重要步骤。该文使用一种自适应的插值方法来进行超分辨率图像重建,并与传统插值方法的超分辨率图像重建结果相比较,重建结果要优于传统插值方法。     

基于小波分形配比的医学图像插值算法研究

医学图像一般要求边缘细节清晰,而传统的插值方法会导致图像细节信息的丢失.为了满足医学插值放大图像质量和速度的要求,利用小波变换和几何分形的思想,提出了一种改进的几何分形算法和小波变换相结合的图像插值新方法.实验仿真表明,该算法能极大消除细节伪影,同时还保持很好的纹理细节,峰值信噪也得到提高.     

基于Curvelet变换的图像去噪

小波变换在分析二维图像中曲线或者直线边缘特征方面存在明显不足,而由小波变换而来的Curvelet变换具有很强的方向性,能更好地逼近和稀疏表达平滑区域和边缘部分。本文首先介绍了一代和二代Curvelet变换的概念及二代Curvelet变换快速离散算法的实现,然后分别采用小波变换和二代Curvelet变换的快速离散算法进行图像去噪实验。实验采用Wrap（Wrapping—based transform）算法实现有关Curvelet变换,即在USFFT方法上增加一个Wrap步骤,将任意区域通过周期化技术一一映射到原点的仿射区域。对比试验结果表明,在图像消噪中二代Curvelet变换的离散算法较小波变换有更好的视觉效果,而且PSNR也有一定的提高。