遥感图像薄云覆盖下地物信息恢复算法

针对遥感图像薄云覆盖下地物细节模糊问题,给出一种融合对偶树复小波变换和支持向量滤波的遥感图像薄云覆盖下地物信息恢复算法.利用对偶树复小波变换和支持向量滤波器将薄云覆盖遥感图像分解为高频方向子带和低频子带;分别对高频方向子带系数进行自适应增强,对低频子带系数加以抑制;对不同方法处理后的低频系数采用基于匹配度的选择和加权相结合方法进行融合,对高频系数采用基于轮廓波对比度的方法进行融合,获得地物细节清晰的融合图像.实验结果表明,算法在视觉效果和定量指标上优于对偶树复小波变换方法和支持向量滤波方法.     

基于小波变换与LBP算子的遥感图像融合研究

提出一种新的基于小波变换与LBP算子相结合的遥感图像融合算法．该算法在源图像小波变换的高频子带内，利用局部LBP算子极大的方法得到小波重构高频系数，而低频系数则利用源图像小波分解后低频子带系数的非线性加权得到．然后由此高频和低频系数进行小波重构得到融合图像．实验采用可见光图像与SAR图像融合，结果表明这种方法可以很好地在保留源图像各自信息的同时融合源图像的细节信息，并且能够有效抑制源图像中孤立噪声点．     

融合复合纹理特征的图像拼接检测

为解决传统图像拼接检测算法对图像内容、光照变化等鲁棒性不强问题,提出一种基于多种纹理特征融合的图像拼接检测方法。对二维灰度图像执行非下采样轮廓波变换（NSCT）,以获得包含图像纹理特征的一系列子带图像。对在水平和垂直方向进行差分处理的低频子带图像以及4个高频图像,获取韦伯局部描述符（WLD）纹理和局部三值模式（LTP）纹理。将WLD纹理与灰度共生矩阵结合,得到像素点强度、梯度与灰度之间的关系;再将LTP纹理与灰度共生矩阵结合,得到无噪声和光照影响的像素点灰度间关系;最后分别提取WLD值共生矩阵和LTP值共生矩阵的对比度、相关性、相异度、熵、能量等5个特征,并融合成特征向量,使用RBF神经网络分类。该方法在哥伦比亚彩色图像库上检测准确率达到了95.7%。     

使用不同频率域残差和K-SVD模型的图像消噪方法

图像消噪前后的残差信息包含图像的高频信息。为了提高消噪图像的质量,在轮廓波变换域内,根据噪声图像及其K-SVD消噪后不同频率子带图像的残差信息,对残差子图像块再次进行K-SVD消噪,并将其结果与消噪图像的子带图像进行融合,得到包含残差信息的消噪子带图像,最后通过轮廓波逆变换得到消噪图像。仿真实验结果证明了所提出的基于不同频率子带内残差信息和K-SVD的图像消噪方法优于轮廓波变换和K-SVD模型,具有较好的消噪性能。     

一种有效的形态小波多聚焦图像融合算法

多聚焦图像融合的关键问题是如何更好地保持源图像的轮廓信息和细节信息。形态小波具有小波变换的多层次分解特性和形态学的非线性特性。提出了一种基于形态小波变换的多聚焦图像融合算法。根据形态小波分解信号的特点,分别对高频系数和低频系数设计不同的融合规则:高频系数采用方向相关方法,最大程度保留细节和细节信息的方向特性;低频系数采用加权平均方法,该方法轮廓明显,最大程度地保留了轮廓信息。实验结果表明:该方法融合图像效果优于传统图像融合方法。     

一种基于非抽样小波变换的模糊逻辑图像融合算法

提出了一种基于非抽样小波变换的模糊逻辑图像融合方法.该方法利用非抽样小波对红外与可见光图像进行多尺度分解变换,可分别得到原图像的高频子带系数和低频子带系数;低频子带系数的融合准则采用自适应模糊逻辑算法,高频子带系数的融合准则采用绝对值最大法,最后对融合后的各子带系数进行非抽样小波逆变换得到融合图像.仿真实验表明,该方法对红外与可见光图像融合效果好且运算处理速度更快.     

基于非采样Contourlet变换的图像融合算法

基于非采样Contourlet变换,提出了一种新的图像融合算法.对经非采样Contourlet变换后的低频子带系数采取基于区域清晰度的融合规则,对高频子带系数采取基于区域方差的自适应加权的融合规则.实验结果显示,本文算法在目视判别以及客观标准下优于其他基于多尺度分析的图像融合算法,可获得较理想的融合图像.     

基于小波方法的超分辨率图像重建

提出了一种基于小波变换理论的超分辨率重建算法,即利用小波变换得到图像的高频和低频子带,结合非线性外推技术对高频子带进行处理,在增加高频子带信息量的同时进行迭代改进,并采用小波阈值方法进行去噪处理.实验结果表明：该算法能够克服以往插值算法的不足,如高频损失、细节模糊等,能很好地提高图像的峰值信噪比,是图像重建的一种有效方法.     

基于双窗口小波-Contourlet变换的图像融合算法

提出一种基于双窗口小波-Contourlet变换的图像融合算法.首先采用小波一Contourlet变换对图像进行分解,接着采用两种不同尺寸的窗口计算系数的特征值:低频子带采用区域能量法和高频子带采用区域方差法,分别比较双窗口下的高频子带和低频子带的系数特征值,比较的结果作为得到融合系数选择的依据,最后采用逆小波-Contourlet变换得到融合图像.仿真实验证实,在特征类型选择一致的情况下,该方法的融合性能优于小波变换法和Contourlet变换法,融合图像质量较好.     

基于Contourlet变换的图像非局部Bayes阈值去噪方法

轮廓波是一种有效的图像多尺度变换工具,由于其包含更多的有效信息,并能更好地刻画图像细节,因而被广泛应用于图像去噪领域。对非下采样轮廓波变换后的噪声系数进行统计,分析了不同强度噪声图像经轮廓波分解后,噪声系数在各方向子带间的分布特点,提出了非局部贝叶斯阈值去噪方法。首先,最外层各个子带进行以模板为单位的自适应Bayes阈值选取操作,并对相应噪声点进行预处理;其次,对预处理后的分块图像进行重构;最后,对重构图像进行非局部均值滤波处理。实验结果表明,该方法无论在视觉去噪效果还是客观评价指标上都明显优于传统的硬阈值去噪方法,并且较传统的非局部均值滤波也有所提高。