无下采样Contourlet变换及其在图像处理中的应用研究

摘要

Contourlet变换是一种新的“真正”的二维图像表示方法，具有多分辨率、多方向、时频局部和各向异性等特点，在图像处理领域有着广泛的应用前景。但Contourlet变换不具有平移不变特性，在某些图像处理领域的应用效果并不是十分理想。无下采样Contourlet变换(Nonsubsampled Contourlet Transform，NSCT)有效地克服了Contourlet变换不具有平移不变特性的缺陷，在某些图像处理领域，如图像去噪、数字水印等领域，NSCT是较Contourlet变换更优越的图像表示方法。NSCT是2005年才提出的理论，其理论正趋于完善，应用基本上还处于起步阶段，本文将致力于研究NSCT理论及其在SAR图像去噪和数字水印上的应用，主要研究内容和研究成果如下： 1．介绍Contourlet变换与NSCT的基本理论和实现算法，并对两种变换进行比较。 2．提出一种基于NSCT的合成孔径雷达(SAR)图像去噪方法。在理论上证实了SAR图像取对数后NSCT系数服从广义高斯分布，从而提出采用贝叶斯阈值方法估计不含噪声的NSCT系数，达到去除噪声的目的。仿真和实际实验结果表明，该方法在噪声平滑、边缘和纹理保护等方面优于其他方法且能够有效减少去噪时所引入的人工伪影。 3．提出一种基于NSCT和人类视觉系统(HVS)的自适应数字水印方案，该方案在NSCT域中对HVS的特性进行建模，利用人眼的视觉掩盖机制自适应嵌入水印序列。实验结果表明，该数字水印方案在保证人眼视觉不可见性的前提下，对包括噪声、JPEG压缩、图像剪切、滤波、图像扭曲等攻击均具有很强的鲁棒性，并且检测水印时无需原始图像，是一种很有前途的水印方案。

目录

文摘

英文文摘

声明

第一章绪论

1.1课题研究的目的和意义

1.2国内外研究现状

1.3课题研究内容及论文的组织结构

第二章图像表示方法研究

2.1从傅立叶变换到小波变换

2.1.1傅立叶变换

2.1.2小波变换

2.2图像的多尺度几何分析技术

2.2.1小波变换的不足

2.2.2多尺度几何分析

2.3本章小结

第三章Contourlet变换和无下采样Contourlet变换

3.1 Contourlet变换

3.1.1拉普拉斯金字塔分解

3.1.2方向滤波器组

3.2无下采样Contourlet变换

3.2.1无下采样拉普拉斯金字塔分解

3.2.2无下采样方向滤波器组

3.2.3无下采样Contourlet变换

3.3本章小结

第四章基于NSCT的SAR图像去噪

4.1引言

4.2 SAR图像相干斑噪声特征

4.2.1相干斑噪声的形成机理

4.2.2相干斑噪声的数学模型

4.2.3乘性模型下相干斑噪声统计特性

4.3 SAR图像相干斑噪声的抑制方法

4.4基于NSCT的SAR图像去噪

4.4.1系数模型分析

4.4.2基于NSCI的SAR图像去噪算法

4.4.3实验结果

4.5本章小结

第五章基于NSCT的自适应数字水印

5.1引言

5.2数字水印技术研究

5.2.1数字水印的分类及主要应用领域

5.2.3数字水印的典型算法

5.3人类视觉系统特性

5.4小波域中的视觉特性建模

5.4.1自适应水印嵌入方案

5.4.1水印检测算法

5.5基于NSCT的自适应数字水印算法

5.5.1自适应水印嵌入方案

5.5.2水印检测算法

5.6实验结果及讨论

5.6.1水印不可见性测试

5.6.2水印鲁棒性测试

5.7本章小结

第六章总结与展望

参考文献

攻读学位期间科研工作及发表论文

致谢