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Contourlet变换的区域特征自适应图像融合算法

Contourlet变换克服了小波变换在处理高维信号时的不足,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.因此将Contourlet变换应用于图像融合领域,能更好的提取图像边缘特征,为融合提取更多的特征信息.基于Contourlet变换的区域特征自适应图像融合算法是将图像进行Contourlet变换分解后,针对不同的频率域特点选择不同的融合规则,针对高频系数特性选用了区域特征自适应的融合规则,最后通过重构得到融合图像.将基于小波变换的融合算法和本文所提算法进行了主观和客观的对比,结果表明,基于Contourlet变换区域特征自适应的图像融合算法是一种有效可行的图像融合算法.     

基于小波变换的分水岭图像分割方法

图像分割技术在数字图像处理中占有重要地位.提出了一种基于小波变换的图像分割方法,有效地将小波分析、小波包分解与数学形态学中的分水岭方法相结合.首先,通过小波包对图像有效降噪,在一定程度上减少了分水岭方法的过分割现象.然后利用小波变换得到的梯度向量进行分水岭变换,有效保持边缘信息.实验结果证明该算法是可行的,与基于形态梯度的分割结果相比,得到了较好的分割效果.     

基于区域分维和非采样Contourlet变换的图像融合算法

针对源图像有用信息的提取,提出了基于区域分维和非下采样Contourlet变换相结合的红外与可见光图像融合算法.将图像的区域属性、区域大小、边缘强度以及纹理显著程度等特点用图像不同尺度上的区域分维进行描述,对于非下采样Contourlet变换低频系数,根据源图像不同尺度上的区域分维进行基于系数选择的融合.针对带通子带系数设计了系数局部匹配度算子,依据匹配度不同采用加权和系数选取相结合的融合规则.与其他常规融合方法进行比较,该算法可有效实现红外与可见光图像的融合.     

基于非采样Contourlet变换的遥感图像融合算法

为了使融合后的多光谱图像在尽可能保持原始多光谱图像光谱特性的同时,显著提高空间分辨力,提出了一种基于非采样Contourlet变换(NSCT)的遥感图像融合算法。算法首先对全色波段图像进行非采样Contourlet变换,得到全色波段图像的低频子带系数和各带通方向子带系数;然后针对多光谱图像的每一个波段,将其进行双线性插值后作为融合后多光谱图像的低频子带系数,对全色波段图像的各带通方向子带系数采用基于成像系统物理特性的注入模型(调整系数)进行局部调整后,作为融合后多光谱图像的各带通方向子带系数,从而得到融合后多光谱图像的非采样Contourlet变换系数;最后再经非采样Contourlet逆变换得到该波段具有高空间分辨力的多光谱图像。采用IKONOS卫星遥感图像进行了仿真实验,实验结果表明,该算法在光谱保留和空间质量提高方面优于其它传统的遥感图像融合算法。     

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.     

基于区域分维和非采样Contourlet变换的图像融合算法

针对源图像有用信息的提取,提出了基于区域分维和非下采样Contourlet变换相结合的红外与可见光图像融合算法.将图像的区域属性、区域大小、边缘强度以及纹理显著程度等特点用图像不同尺度上的区域分维进行描述,对于非下采样Contourlet变换低频系数,根据源图像不同尺度上的区域分维进行基于系数选择的融合.针对带通子带系数设计了系数局部匹配度算子,依据匹配度不同采用加权和系数选取相结合的融合规则.与其他常规融合方法进行比较,该算法可有效实现红外与可见光图像的融合.     

基于Contourlet变换的无参考立体图像质量评价

立体图像的景物生动逼真,给人一种身临其境的全新视觉享受,但在制作、存储和传输过程中往往会产生失真。为了评价立体图像的质量优劣,提出了一种基于轮廓波(Contourlet)变换的无参考立体图像质量评价算法。通过对失真的左、右图像分别进行主成分分析(PCA)融合来生成新的融合图像,并使用基于SSIM(Structural Similarity)立体匹配算法生成视差图和匹配差值图,然后对上述三张图片进行Contourlet变换,再然后使用自定义的高频能量指标并结合边缘强度和信息熵,最后将得到的特征输入支持向量回归(Support Vector Regression,SVR)模型中学习,得出质量评价分数。该方法在德克萨斯大学公布的立体图像库中进行了验证,线性相关系数和斯皮尔曼相关系数在Phase I库中可高达0.957和0.947,在Phase II库中也可高达0.944和0.934,与主观评价吻合度很高,优于最新的一些评价方法。     

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.     

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.     

基于区域分割和Counterlet变换的图像融合算法

提出了一种基于区域分割和Contourlet变换的图像融合算法。首先,对各源图像做区域分割,并利用区域能量比和区域清晰比的概念来度量和提取区域信息;然后,对各源图像进行多尺度非子采样Contourlet分解,分解后的高频部分采用绝对值取大算子进行融合,低频部分则采用基于区域的融合规则和算子进行融合;最后进行重构得到融合图像。对红外与可见光图像进行了融合实验,并与基于像素的àtrous小波变换和Contourlet变换的融合效果进行了比较。结果表明,采用本文算法的融合图像既保留了可见光图像的光谱信息,又继承了红外图像的目标信息,其熵值高于基于像素的融合方法约10%,交叉熵仅为基于像素的融合方法的1%左右。     

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.     

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。