Contourlet变换

摘要： 同时震源数据包含了多炮之间的串扰噪声,不能直接用于常规数据处理流程.因此,需要对混叠的波场进行分离得到常规采集的单炮记录.本文基于稀疏迭代反演分离,提出了一种具有尺度与空间自适应的Wiener阈值选取方法.该阈值选取方法能够根据不同迭代环境计算不同尺度下串扰噪声的方差和不同空间位置有效信号的方差,从而自适应调整阈值大小,最终通过对变换域系数进行收缩来达到去除串扰噪声的目的.理论模型数据和实际数据测试结果表明,本文方法能够快速有效地压制串扰噪声和保护弱有效信号,取得了比Contourlet域子带一致Wiener阈值方法和Curvelet域指数衰减阈值方法更好的分离效果.

摘要： 针对彩色水印图像的盲提取算法抗几何攻击鲁棒性不强的问题,提出一种Baker映射与时空混沌相结合的轮廓波变换(Contourlet transform,CT)和QR分解双彩色强鲁棒盲水印算法.首先将彩色水印分离成RGB分量,对三个分量分别进行Baker映射与时空混沌相结合的预处理操作,然后对载体图像的RGB分量分别进行Contourlet变换,分块QR分解得到酉矩阵,最后根据嵌入规则将加密后的水印分通道的嵌入到酉矩阵中.水印提取时利用Radon变换对图像进行几何校正可提高其几何攻击的鲁棒性.仿真结果表明,该算法不仅使嵌入水印后的图像具有良好的不可见性,而且能有效抵抗加噪、滤波、JPEG压缩、剪切、平移、旋转、马赛克、篡改等攻击,NC值均在0.9以上,对组合攻击也有较强的鲁棒性.

摘要： 针对多聚焦图像融合问题,提出一种非子采样 Contourlet 变换(non-sub sampled contourlet transform,NSCT)和四邻域香农熵的多尺度图像融合算法.算法特点是具有高边缘辨别特性的NSCT能够捕获来自不同父图像的所有显著目标边缘.对于配准的灰度图像,首先使用非线性各向异性扩散算法生成无噪声灰度图像,使用Contourlet变换获取所有无噪声图像的边缘,然后以四邻域熵算法生成熵图像,再采用winner-take-all方法生成最终的融合图像.实验结果表明:所提算法图像融合结果PSNR性能优于现有其他算法.

摘要： 针对传统基于压缩感知的单字典超分辨方法难以充分描述复杂的遥感图像纹理的问题,提出了一种多尺度残余字典超分辨重建方法.首先对插值图像的高频子带执行Contourlet变换获得多个子频带;然后在各子频带上建立对应子残余字典,并进行字典学习和超分辨重建;最后对高频和低频部分进行融合得到完整的超分辨图像.实验结果表明:与其他相关方法相比,本文方法的超分辨效果无论主观视觉还是客观评价指标都有很大提高.其中客观评价指标,本文方法的峰值信噪比(peak signal-to-noise ratio,PSNR)和结构相似度(structural similarity,SSIM)平均值分别提高6 dB和0.05.对于纹理复杂的遥感图像的超分辨重建场合,更好地满足重建效果和时效的要求,具有重要的理论和应用意义.

摘要： 阐述了一种基于多尺度分析理论和神经网络的目标识别方法,对图像数据进行几何重构,包括图像预处理和飞行姿态的重构.采用Contourlet变换提取图像的低频及高频特征向量作为基础输入训练集和修正输入训练集.在此基础上进行BP神经网络的设计,利用高频细节数据修正低频轮廓数据,并确定输入输出层、中间层个数和算法.训练好的网络显示对不同光照条件、姿态的机动目标具有较高的识别能力,说明该方法具有工程可适用性.

摘要： HIS变换融合获得的影像光谱畸变比较严重,而Contourlet变换可以有效地捕获二位空间实体信息.特别在影像的表示中,较容易的描述影像中的轮廓和纹理信息.在此基础上,提出了一种基于Contourlet和HIS变换相结合的融合法.与传统方法分析比较,该方法能有效地提高融合质量,获得更好的视觉融合效果.

摘要： 针对多聚焦图像融合问题,提出一种非子采样Contourlet变换(non-sub sampled contourlet transform,NSCT)和四邻域香农熵的多尺度图像融合算法。算法特点是具有高边缘辨别特性的NSCT能够捕获来自不同父图像的所有显著目标边缘。对于配准的灰度图像,首先使用非线性各向异性扩散算法生成无噪声灰度图像,使用Contourlet变换获取所有无噪声图像的边缘,然后以四邻域熵算法生成熵图像,再采用winner-take-all方法生成最终的融合图像。实验结果表明:所提算法图像融合结果PSNR性能优于现有其他算法。

摘要： 利用Contourlet变换分解图像获得系数矩阵,对系数矩阵进行不同程度的各向异性扩散,经Contourlet逆变换实现图像重构,最后采用残差分析对图像进行处理.实验表明,该方法能够有效地抑制图像噪声,同时保留了图像的结构信息.

摘要： 沥青施工过程中,采集的红外图像容易受到周围环境噪声的影响,使图像变得模糊、信噪比低,从而导致后续图像处理分析的准确度降低.针对该噪声特性,提出了一种Contourlet变换和遗传算法相结合的红外图像增强方法.首先对原始红外图像进行Contourlet变换,得到带有多尺度、多方向信息的带通子带,然后对其进行模糊增强,并通过自适应遗传算法优化模糊增强参数,最后对增强后的带通子带进行Contourlet逆变换,得到效果增强的红外图像.实验结果表明,与其它几种常用的红外图像增强方法相比,此方法能更有效地抑制噪声,提高清晰度,取得了较好的增强效果.

摘要： 地震数据的随机噪声去除是地震数据处理中的一项重要步骤,双稀疏字典提供了两层稀疏模型,比单层稀疏模型可以更好地去除噪声.该方法首先利用contourlet变换对地震数据进行稀疏表示,然后在contourlet域中使用快速迭代收缩阈值算法(fast iterative shrinkage thresholding algorithm,FISTA)对初始字典系数进行更新,接着采用数据驱动紧标架(data-driven tight frame,DDTF)在contourlet域中得到DDTF字典并通过FISTA得到更新后的字典系数,最后通过DDTF字典和更新后的字典系数获得新的contourlet系数,并对新的contourlet系数进行硬阈值和contourlet反变换得到去噪后的数据.通过模拟数据和实际数据的实验证明:与固定基变换去噪方法相比,该方法可以自适应地对地震数据进行稀疏表示,在地震数据较为复杂时得到更高的信噪比;与字典学习去噪方法相比,该方法不仅拥有较快的去噪速度,而且克服了字典学习因为缺少先验约束造成瑕疵的缺点.

摘要： 针对稀疏投影CT图像重建算法中梯度算子在图像稀疏表达方面的不足,本文将Contourlet变换引入稀疏CT图像重构,利用Contourlet变换包含图像中的方向信息,从而更有效表达图像这一优势,提出一种将Contourlet变换与最小化图像总变差(TV)方法相结合,进而借助分裂Bregman方法进行最优化求解的CT重建算法.实验结果表明,在投影数较少,迭代次数较小的条件下,本文算法重构结果在RMSE与UQI方面均优于ART与TV方法,重构图像的边缘细节亦保持良好,且抗噪性能较强,说明本文算法更适合稀疏投影情况下的重建。

摘要： 针对稀疏投影CT图像重建算法中梯度算子在图像稀疏表达方面的不足,本文将Contourlet变换引入稀疏CT图像重构,利用Contourlet变换包含图像中的方向信息,从而更有效表达图像这一优势,提出一种将Contourlet变换与最小化图像总变差(TV)方法相结合,进而借助分裂Bregman方法进行最优化求解的CT重建算法.实验结果表明,在投影数较少,迭代次数较小的条件下,本文算法重构结果在RMSE与UQI方面均优于ART与TV方法,重构图像的边缘细节亦保持良好,且抗噪性能较强,说明本文算法更适合稀疏投影情况下的重建。

摘要： 针对稀疏投影CT图像重建算法中梯度算子在图像稀疏表达方面的不足,本文将Contourlet变换引入稀疏CT图像重构,利用Contourlet变换包含图像中的方向信息,从而更有效表达图像这一优势,提出一种将Contourlet变换与最小化图像总变差(TV)方法相结合,进而借助分裂Bregman方法进行最优化求解的CT重建算法.实验结果表明,在投影数较少,迭代次数较小的条件下,本文算法重构结果在RMSE与UQI方面均优于ART与TV方法,重构图像的边缘细节亦保持良好,且抗噪性能较强,说明本文算法更适合稀疏投影情况下的重建。

摘要： 针对稀疏投影CT图像重建算法中梯度算子在图像稀疏表达方面的不足,本文将Contourlet变换引入稀疏CT图像重构,利用Contourlet变换包含图像中的方向信息,从而更有效表达图像这一优势,提出一种将Contourlet变换与最小化图像总变差(TV)方法相结合,进而借助分裂Bregman方法进行最优化求解的CT重建算法.实验结果表明,在投影数较少,迭代次数较小的条件下,本文算法重构结果在RMSE与UQI方面均优于ART与TV方法,重构图像的边缘细节亦保持良好,且抗噪性能较强,说明本文算法更适合稀疏投影情况下的重建。

摘要： 根据超声图像乘性斑点噪声模型以及非下采样Contourlet子带系数的统计特性,提出了一种改进的基于非下采样Contourlet变换(NSCT)的斑点噪声抑制算法.该算法通过把对数变换后的超声图像的NSCT子带系数模型化为广义高斯分布(GGD),给出一个改进的自适应BayesShrink阈值,用软阈值函数处理来实现超声图像的去噪处理.实验结果表明,相比于已有的基于小波和基于NSCT的BayesShrink阈值去噪法,在去噪性能和视觉效果上,本文算法都有明显的提高和改善,并且有效地保持了原始图像的边缘和细节信息.

摘要： 根据超声图像乘性斑点噪声模型以及非下采样Contourlet子带系数的统计特性,提出了一种改进的基于非下采样Contourlet变换(NSCT)的斑点噪声抑制算法.该算法通过把对数变换后的超声图像的NSCT子带系数模型化为广义高斯分布(GGD),给出一个改进的自适应BayesShrink阈值,用软阈值函数处理来实现超声图像的去噪处理.实验结果表明,相比于已有的基于小波和基于NSCT的BayesShrink阈值去噪法,在去噪性能和视觉效果上,本文算法都有明显的提高和改善,并且有效地保持了原始图像的边缘和细节信息.

摘要： 根据超声图像乘性斑点噪声模型以及非下采样Contourlet子带系数的统计特性,提出了一种改进的基于非下采样Contourlet变换(NSCT)的斑点噪声抑制算法.该算法通过把对数变换后的超声图像的NSCT子带系数模型化为广义高斯分布(GGD),给出一个改进的自适应BayesShrink阈值,用软阈值函数处理来实现超声图像的去噪处理.实验结果表明,相比于已有的基于小波和基于NSCT的BayesShrink阈值去噪法,在去噪性能和视觉效果上,本文算法都有明显的提高和改善,并且有效地保持了原始图像的边缘和细节信息.

摘要： 根据超声图像乘性斑点噪声模型以及非下采样Contourlet子带系数的统计特性,提出了一种改进的基于非下采样Contourlet变换(NSCT)的斑点噪声抑制算法.该算法通过把对数变换后的超声图像的NSCT子带系数模型化为广义高斯分布(GGD),给出一个改进的自适应BayesShrink阈值,用软阈值函数处理来实现超声图像的去噪处理.实验结果表明,相比于已有的基于小波和基于NSCT的BayesShrink阈值去噪法,在去噪性能和视觉效果上,本文算法都有明显的提高和改善,并且有效地保持了原始图像的边缘和细节信息.

摘要： 为使图像压缩编码算法同时具有较高的压缩比和较好的图像复原质量,提出了一种基于Contourlet与小波变换的混合域图像编码方案,并在分析SPIHT算法的基础上进一步改进,取消了SPIHT算法中对LIS表的分类,统一按照先子代后孙代的小波空间树顺序进行编码.仿真实验结果表明,提出的混合域图像压缩编码方案是一种高效的数字图像压缩算法,与SPIHT算法相比,该算法的重建图像具有更好的视觉效果,而且提高了编码速度.

摘要： 为使图像压缩编码算法同时具有较高的压缩比和较好的图像复原质量,提出了一种基于Contourlet与小波变换的混合域图像编码方案,并在分析SPIHT算法的基础上进一步改进,取消了SPIHT算法中对LIS表的分类,统一按照先子代后孙代的小波空间树顺序进行编码.仿真实验结果表明,提出的混合域图像压缩编码方案是一种高效的数字图像压缩算法,与SPIHT算法相比,该算法的重建图像具有更好的视觉效果,而且提高了编码速度.

摘要： 本发明公开了一种基于非下采样Contourlet变换的直线目标检测方法及系统，所述方法包括以下步骤：在原始遥感图像上进行多层次多方向的NSCT分解，获得若干低频子图和高频子图；基于分解得到的每个高频子图和低频子图，获得二筛高频线段集和，二筛低频线段集融合处理，获得高频融合结果RH和低频融合结果RL；再次融合处理，获得低频和高频融合结果，完成直线目标检测。本发明提出了一种置信度高，鲁棒性好，能够在复杂地形中有效检测桥梁、机场跑道等线状目标的识别方法及系统。

摘要： 本发明公开了一种基于杜鹃搜索算法的Contourlet变换图像融合方法，对配准后的源图像A、B，分别进行Contourlet变换，得到1个低频子带和不同尺度、不同方向的多个高频子带；按照定义的融合规则在所有尺度和方向上对两幅图像的变换系数进行融合，得到融合后的系数；融合图像为R，对于融合后的系数，按照其低频子带和高频子带的顺序，依次进行Contourlet逆变换；最后输出融合后的图像。本发明与传统的图像融合方法相比，对各尺寸各方向上的融合系数权重进行了加权处理，计算出最优权值，并以此提出一种优化的Contourlet变换图像融合方法。

摘要： 本发明公开了一种基于非下采样Contourlet变换的卷积神经网络图像分类方法。首先利用非下采样Contourlet变换进行RGB三通道图像的特征统计，捕捉到图像在变换域上较好的不变性和区分性描述；然后在此基础上构建卷积神经网络的深度学习方法，从而达到RGB图像分类的目的。本发明分别通过非下采样Contourlet变换和卷积神经网络进行已知和未知特征的学习，不仅避免了大量参数的学习，还可以简化后续的网络模型。

摘要： 本发明公开了一种基于非下采样Contourlet变换的阈值化图像去噪方法，主要解决现有去噪方法效果不佳的问题。其实现过程是1)输入一幅含噪图像；2)对含噪图像进行非下采样Contourlet变换；3)在变换域进行各子带噪声方差估计以及系数标准差的估计；4)设定合理的阈值；5)使用改进的半软阈值函数对NSCT系数进行阈值处理，低频分量不作处理；6)对处理后的NSCT系数进行非下采样Contourlet逆变换得到去噪后的图像。本发明能有效的去除含有高斯白噪声的自然图像中的噪声，并且在去除噪声的同时尽可能的保留图像信息边缘，从而得到原图像的最佳恢复，具有很好的应用前景和极大地发展潜力。

摘要： 本发明利用频域数字水印算法鲁棒性强的优点，公开了一种基于Contourlet变换和Schur分解的彩色数字图像盲水印方法。本发明根据Contourlet变换的多尺度性、多方向性、平移不变性和Schur分解复杂性低的特点，首先对宿主图像进行分层处理，并对分层图像进行Contourlet变换，然后，将选中的系数块进行Schur分解得到上三角矩阵，通过对上三角矩阵的第一个主对角元素进行量化来完成彩色数字水印的嵌入与盲提取。本发明属于网络空间安全技术领域，不但具有较好的水印隐蔽性，而且具有强鲁棒性、高安全性的特点，适用于快速、高效地进行彩色图像版权保护的场合。

摘要： 本发明公开了一种基于非下采样Contourlet变换的直线目标检测方法及系统，所述方法包括以下步骤：在原始遥感图像上进行多层次多方向的NSCT分解，获得若干低频子图和高频子图；基于分解得到的每个高频子图和低频子图，获得二筛高频线段集和，二筛低频线段集融合处理，获得高频融合结果RH和低频融合结果RL；再次融合处理，获得低频和高频融合结果，完成直线目标检测。本发明提出了一种置信度高，鲁棒性好，能够在复杂地形中有效检测桥梁、机场跑道等线状目标的识别方法及系统。

摘要： 本发明公开了一种基于杜鹃搜索算法的Contourlet变换图像融合方法，对配准后的源图像A、B，分别进行Contourlet变换，得到1个低频子带和不同尺度、不同方向的多个高频子带；按照定义的融合规则在所有尺度和方向上对两幅图像的变换系数进行融合，得到融合后的系数；融合图像为R，对于融合后的系数，按照其低频子带和高频子带的顺序，依次进行Contourlet逆变换；最后输出融合后的图像。本发明与传统的图像融合方法相比，对各尺寸各方向上的融合系数权重进行了加权处理，计算出最优权值，并以此提出一种优化的Contourlet变换图像融合方法。

摘要： 本发明请求保护一种基于改进的非下采样Contourlet变换(NSCT)的图像增强方法，该方法首先对图像进行NSCT变换得到各个尺度和方向上的低通子带和带通子带。对低通子带进行线性增强处理，提高图像的整体对比度；对于带通子带，根据能量分布自适应地确定各子带去噪阈值，并提出弱边缘增强算法，达到增强细节纹理，抑制噪声的效果。经过Contourlet逆变换得到清晰的手掌静脉图像。最后通过Gabor滤波器组对掌静脉断裂处进行桥接。实验结果表明，该算法有效增强了掌静脉细节纹理信息，且对比度、信息熵、平均梯度、方差分别提升到47.9、9.1、5.1、2594。

摘要： 本发明公开了一种基于非下采样Contourlet变换的卷积神经网络图像分类方法。首先利用非下采样Contourlet变换进行RGB三通道图像的特征统计，捕捉到图像在变换域上较好的不变性和区分性描述；然后在此基础上构建卷积神经网络的深度学习方法，从而达到RGB图像分类的目的。本发明分别通过非下采样Contourlet变换和卷积神经网络进行已知和未知特征的学习，不仅避免了大量参数的学习，还可以简化后续的网络模型。

摘要： 本发明涉及红外热成像技术领域，尤其涉及一种基于contourlet变换的红外阵列图像增强系统及方法，该系统包括：图像采集单元，用于接收目标及背景经大气传输的红外辐射；红外焦平面阵列单元，用于将经图像采集单元聚焦后的光信号转换成与之成正比的电信号；电路读出单元，用于读取从红外焦平面阵列单元转换的电信号并输出；模拟信号处理单元，用于将电路读出单元的电信号进行放大；模数转换单元，用于将模拟信号转换成数字信号；数字信号处理单元，用于将转换成的数字信号进行contourlet变换，并对变换后的信号进行去噪处理；显示单元，用于显示变换去噪处理后的新图像。本发明提高了高频分量的对比度，并且提高了低频分量的细节部分。