方向非抽样小波变换在多传感器图像融合中的应用

本文分析和研究非下采样方向滤波器组及具有平移不变性的非抽样小波变换的优点,提出了基于方向非抽样小波变换的图像融合方法.首先利用非抽样小波变换将待融合源图像分解成不同尺度,不同分辨率的高低频分量,再对高频分量利用非下采样方向滤波器组进行方向分解,然后采取不同的融合方法对分解的高低频分量进行融合处理,最后将融合的各频带进行相应逆变换得到融合图像.实验表明,在不同评价标准下,本文方法优于传统小波变换和拉普拉斯金字塔变换的融合效果,并能有效地消除小波变换所带来的光谱扭曲和假边缘现象.     

基于小波帧变换的多聚焦图像融合算法

提出了一种基于小波帧变换的多聚焦图像融合算法,本算法首先对图像进行小波帧变换,然后利用多聚焦图像的特点,采用区小波能量取大原则对高频系数进行融合,采用区域空间频率取大原则对低频系数进行融合,并进行一致性检验,最后通过重构得到融合图像.实验表明,该算法相比于传统小波变换法,具有更好的融合效果.     

基于小波变换与局部离散度的多聚焦图像融合算法

提出了一种基于小波变换与局部离散度的多聚焦图像融合算法。首先对不同聚焦图像进行小波变换,然后采用局部离散度准则对各个方向上的高频系数进行融合,采用重要度准则对低频系数进行融合,最后对融合后的小波系数进行重构,得到了很好的融合图像。实验结果表明,融合效果优于取绝对值大的小波系数和区域方差准则的融合算法。     

基于Contourlet变换的子带自适应图像去噪

Contourlet变换是继小波变换之后的又一新变换。由于Contourlet变换的多尺度和多方向特性,能有效地捕获到自然图像中的轮廓,并对其进行稀疏表示.本文提出一种基于Contourlet变换子带自适应图像的新颖去噪算法。该算法核心是估计无噪期望信号的概率。即结合无噪子带系数的广义Laplacian模型和加性高斯白噪声的概率估计,分析每个子带信号概率为固定的情况。实验结果显示这种新的子带自适应图像去噪算法优于Bayesian wavelet shrinkage和ContourletHMT算法。     

基于二代曲线波变换的红外弱小目标背景抑制

在分析几种常用背景抑制方法的基础上,利用二代曲线波变换具有的优良特性,提出一种基于二代曲线波变换的红外弱小目标背景抑制方法.首先利用曲线渡变换对图像进行分解提取图像的多尺度细节特征;然后对分解后的低、高频子带分别采用变分和模糊非线性变换进行处理来调整目标特征的强度,重构子带获得预测的背景图像;最终将其与原图相减得到背景抑制后的图像.实验结果表明,与几种经典方法相比,该方法在主现视觉和客观评价指标两方面均表现出良好的效果.     

基于Contourlet域SOT结构的SAR图像相干斑抑制算法

把SOT结构引入到能够最优表示图像的Contourlet变换中,结合Contourlet系数域的结构特点和SAR图像相干斑乘性噪声模型提出了一种新的相干斑抑制算法。对基于小波系数域SOT结构的相干斑抑制算法中固定在一个低频尺度中选择根系数的方法进行了改进,根据SAR图像的匀质性条件自适应地在两个不同低频尺度中选择根系数。把该算法应用到实测SAR图像中取得了很好的目视效果,各项指标得到了有效提高。     

基于主动形状模型实现医学图像中的物体(脊柱)定位

主动形状模型(ASM)通过把物体的形状模型及其相应的局部灰度表象模型有机结合以实现图像中的物体定位。在传统ASM中．对物体形状的灰度变化(局部灰度表象)的建模建立在一维采样与搜索方法的基础之上，故其定位准确性低且速度慢。本提出了一种在物体形状每一特征点周围的矩形邻域中使用二维采样与搜索技术．从而改进物体形状的局部灰度表象模型的方法。针对医学图像中的物体定位问题．本比较了基于这种改进的ASM模型和传统ASM模型对同一医学图像集中的脊柱定位能力。实验表明．基于这种改进的ASM模型能快速有效地对医学图像中的脊柱(物体)进行更准确的定位。     

基于实测的古斯塔夫飓风非平稳特性分析

根据美国路易斯安娜州立大学飓风研究中心对古斯塔夫(Gustavo)飓风的实测资料,首先采用传统方法统计出不同高度处强风的基本参数特性,然后运用轮次法对不同高度、时距和起始点的风速样本进行非平稳特性检验,最后基于希尔伯特-黄变换(HHT)方法对于呈现非平稳特性的风速序列进行经验模式分解(EMD)和时-频-谱联合特征分析.分析发现,飓风的湍流强度和积分尺度较良态风场相差较大,并且其平均风速也极不稳定;通过轮次法对不同高度和时段的风速时程检验发现,非平稳特性与高度和统计时段大小密切相关,相应的10min时距的风速样本也存在非平稳特性;HHT对非平稳风速序列分析结果表明,飓风的非平稳特性主要是由时变的平均风速引起,其能量和频率随着时间的变化明显,并且主要能量集中在0.05~0.2Hz频段内,但EMD分解和Hilbert谱结果表明高频能量同样不能忽略.最终得出的结论为:基于传统的分析方法可以很好地获得基于平稳假定的飓风统计参数,但不能获取其非平稳信息,而轮次法和HHT方法是识别非平稳和分析其时频谱联合特性的良好方法.     

小波变换压缩感知在断口图像重构中的应用研究

基于小波变换压缩感知的独特优势,即小波系数的稀疏性和突破奈奎斯特采样定理的局限性,将小波变换压缩感知应用于到断口图像的处理中,提出了基于小波变换压缩感知的金属断口图像重构方法。该方法利用小波变换对断口图像进行稀疏采样,然后,设计随机测量矩阵对图像进行压缩,最后,通过OMP或ROMP算法对断口图像进行重构。同时,对比分析了OMP和ROMP两种重构算法。研究结果表明,在压缩比达到一定程度时,两种重构算法都能得到较好的重构图像,相对来说,ROMP重构算法优于OMP算法,得到了更高的峰值信噪比(PSNR),并且ROMP算法的重构时间大大缩短,且表现较为稳定。     

基于小波包变换与D-S证据理论的多聚焦图像融合

介绍采用小波包变换实现多聚焦图像融合的原理及一般结构,提出一种基于D—S证据理论的融合规则,并给出实例仿真实验。实验结果表明,该方法具有良好的效果。