检索结果-内蒙古大学图书馆

作者：杨贞萍西安电子科技大学

学位级别：硕士

超分辨率图像重建技术是指从低分辨率图像序列中重建出一幅高分辨率图像，这些图像有噪声、欠采样并且模糊但是相互之间具有互补信息。这项技术不需要改变现有的硬件设备，只通过数据软件处理就能提高图像分辨率，因此在遥感、军事、商... 详细信息

超分辨率图像重建技术是指从低分辨率图像序列中重建出一幅高分辨率图像，这些图像有噪声、欠采样并且模糊但是相互之间具有互补信息。这项技术不需要改变现有的硬件设备，只通过数据软件处理就能提高图像分辨率，因此在遥感、军事、商业、天文和安全监控等领域具有广阔的应用前景。本文首先介绍了超分辨率图像重建研究的发展历程，了解了超分辨率重建技术的基本原理以及关键技术之后，引入非下采样contourlet变换的概念，考虑到它的多尺度多方向性在信号处理方面的优越性，本文提出了一种全新的基于非下采样contourlet变换的超分辨率图像重建算法。算法首先对低分辨率图像序列进行图像配准，本文采用高斯图像金字塔分层计算流速对经典的Lucas-Kanade光流法做了改进，实现了基于高斯金字塔的Lucas-Kanade光流法，仿真实验结果表明，该方法能够有效地进行亚像素精度图像配准。然后针对传统插值重建算法不能有效保护图像边缘细节的问题，利用非下采样contourlet变换将配准图像分解为高频和低频部分，分别选取不同的融合策略进行融合，融合后采用非下采样contourlet逆变换得到融合图像。最后对融合图像采用基于非下采样contourlet变换的图像插值，重建成一幅高分辨率图像。仿真实验结果表明，该算法能有效地融合低分辨率图像序列之间的互补信息，在保护图像边缘细节的基础上，还平滑了背景信息，是一种可行的超分辨率图像重建算法。

关键词：超分辨率图像重建图像配准非下采样contourlet变换图像融合插值

来源：评论

学校读者我要写书评

暂无评论

基于非下采样contourlet变换的红外和可见光图像融合

基于非下采样Contourlet变换的红外和可见光图像融合

引用

作者：杨蒙蒙河南科技大学

学位级别：硕士

图像融合属于信息融合的一种重要形式,在图像的理解与计算机视觉中应用较多。它是将多幅对同一个场景进行不同形式描述的图像进行融合,以便得到更加准确、更加全面的信息处理过程。融合后图像能够在一定程度上为后续图像处理提供更为有... 详细信息

图像融合属于信息融合的一种重要形式,在图像的理解与计算机视觉中应用较多。它是将多幅对同一个场景进行不同形式描述的图像进行融合,以便得到更加准确、更加全面的信息处理过程。融合后图像能够在一定程度上为后续图像处理提供更为有效的信息。本文主要改进了可见光与红外图像基于NSCT变换的两种融合算法。由于现在大多数的图像融合算法研究缺乏对图像成像特性问题的考虑,本文首先对红外和可见光图像的成像机理进行研究,通过综合成像的特性,围绕NSCT变换的多尺度几何分析工具,改进了可见光和红外图像的两种融合算法。第一,基于窗口选择的融合算法,低频子带和高频方向子带分别采用了模糊逻辑和局部方向对比度的融合算子,来选取各自的融合系数,这种方法能够较好地表达红外图像的热目标信息,并且能够反映可见光图像的光谱信息,具有很好的边界表达能力。第二,基于区域分割的图像融合算法,首先是采用基于活动轮廓模型的图像分割方法对图像进行分割,得到表示不同含义的区域信息表达,体现了区域融合的思想,并定义了区域方差、区域MSSIM度量、局部区域方差匹配度和局部区域能量匹配度等测量算子,来选取NSCT变换域的融合系数。这种算法保留了图像中具有关联性像素之间的物理意义,和基于窗口的算法相比,具有更好的融合效果。

关键词：图像融合非下采样contourlet变换模糊逻辑局部方向对比度活动轮廓模型

来源：评论

学校读者我要写书评

暂无评论

基于非下采样contourlet变换的眼底图像去噪增强算法研究

基于非下采样Contourlet变换的眼底图像去噪增强算法研究

引用

作者：尚翠娟山东大学

学位级别：硕士

眼底图像是眼科疾病及其他疾病的有效诊断依据,但具有边缘细节繁多、背景亮度不均、对比度差的特点,给医生的诊断和眼底图像的后续处理带来诸多不便。传统的去噪、增强算法往往在提高图像对比度的同时,模糊了图像的细节特征,这对质量要... 详细信息

眼底图像是眼科疾病及其他疾病的有效诊断依据,但具有边缘细节繁多、背景亮度不均、对比度差的特点,给医生的诊断和眼底图像的后续处理带来诸多不便。传统的去噪、增强算法往往在提高图像对比度的同时,模糊了图像的细节特征,这对质量要求较高的医学图像来说,是不可接受的。多尺度几何分析方法不仅继承了多尺度分析的多分辨率特性和时频局部化特性,还具有各向异性和多方向分析特性,为医学图像处理提供了优良的工具。在深入研究了contourlet变换和非下采样contourlet变换的理论及结构、并分析了眼底图像特点和各种去噪增强技术的基础上,本文提出了结合去噪和增强的基于NSCT的PCA眼底图像去噪增强算法,并深入地探讨了该算法中的参数选取和算法的处理效果。该算法首先对图像进行非下采样contourlet变换获得多尺度多方向的分解系数矩阵,然后利用主分量分析方法直接估计各尺度各方向的噪声能量,根据噪声能量估计值选取合适的阈值及阈值调节参数,依据阈值函数对变换系数矩阵进行处理,最后对修正后的系数矩阵进行非下采样contourlet逆变换得到处理后图像。为了评价该算法的有效性,本文采用了以客观评价为主、主客观评价相结合的评价方法。客观评价方法采用了峰值信噪比来评价去噪效果,用背景方差和细节方差来评价增强效果。实验表明,和其他方法相比,峰值信噪比得到了显著提高,图像对比度得以提高,视觉效果得以改善。

关键词：眼底图像非下采样contourlet变换主分量分析去噪增强

来源：评论

学校读者我要写书评

暂无评论

基于非下采样contourlet变换的无人机景象匹配算法

引用

科学技术与工程 2014年第2期22卷 137-140,171页

作者：常诚黄国荣常雅男夏奇许刚空军工程大学航空航天工程学院 63722部队

卫星导航作为无人机重要的导航方式常因受到干扰而不可用,针对此问题,提出一种同样可辅助惯性设备进行导航的景象匹配算法。首先采用非下采样contourlet变换(NSCT)对基准图和实测图进行多层级分解,以获得不同分辨和方向的稀疏表示图像,... 详细信息

卫星导航作为无人机重要的导航方式常因受到干扰而不可用,针对此问题,提出一种同样可辅助惯性设备进行导航的景象匹配算法。首先采用非下采样contourlet变换(NSCT)对基准图和实测图进行多层级分解,以获得不同分辨和方向的稀疏表示图像,然后以基于稳健统计量的Hausdorff距离(LTS-HD)作为相似性测度进行由粗到精的分级匹配。仿真结果表明,基于NSCT方法的图像匹配概率相对于小波分解提高了14%;景象匹配辅助惯导后,可有效抑制位置误差发散,误差被控制在30 m以内,可满足无人机中等精度导航要求。

关键词：无人机导航景象匹配非下采样contourlet变换稳健统计量Hausdorff距离分级匹配

来源：评论

学校读者我要写书评

暂无评论

基于多小波和非下采样contourlet变换的纹理检索

引用

河南师范大学学报（自然科学版） 2011年第3期39卷 153-156页

作者：党留群张慧云张新明李双牛振齐河南师范大学计算机与信息技术学院河南新乡453007

为了更有效地进行纹理图像检索,提出了一种新的基于多小波变换和非下采样contourlet变换相结合的纹理图像检索方法.首先,采用多小波对图像进行多尺度分解以便保证变换平移不变性的同时也消除变换的冗余性;然后,将所得的高频子带采用非... 详细信息

为了更有效地进行纹理图像检索,提出了一种新的基于多小波变换和非下采样contourlet变换相结合的纹理图像检索方法.首先,采用多小波对图像进行多尺度分解以便保证变换平移不变性的同时也消除变换的冗余性;然后,将所得的高频子带采用非下采样方向滤波器组进行多方向分解,计算低频子带和各层方向子带的一阶几何矩作为纹理特征;最后用欧式距离进行相似性度量.实验表明,该方法与多分辨理论检索的传统方法相比具有较高的查全率和查准率.

关键词：纹理图像检索多小波非下采样contourlet变换几何矩

来源：评论

学校读者我要写书评

暂无评论

基于非下采样contourlet变换的近景立体影像匹配方法研究

基于非下采样Contourlet变换的近景立体影像匹配方法研究

引用

作者：李志英南京师范大学

学位级别：硕士

立体影像匹配是数字摄影测量和计算机视觉的核心技术,通过影像匹配来自动获取三维数据的技术正在被越来越多的领域所重视。快速、稳定、鲁棒性好的匹配算法成为当前研究的热点。对于近景立体影像,由于景深、遮挡、影像对之间存在较大的... 详细信息

立体影像匹配是数字摄影测量和计算机视觉的核心技术,通过影像匹配来自动获取三维数据的技术正在被越来越多的领域所重视。快速、稳定、鲁棒性好的匹配算法成为当前研究的热点。对于近景立体影像,由于景深、遮挡、影像对之间存在较大的交会角和旋转角等因素,导致影像中目标的方向、形状和比例关系都发生了变化,造成近景立体影像匹配准确率不高。鉴于此,本文就近景立体影像匹配方法进行了探索和研究。主要的工作与研究成果如下： (1)在对现有立体影像特征匹配分析的基础上,采用非下采样contourlet变换工具,提取近景立体影像的结构特征。将非下采样contourlet变换这一新型的多尺度图像几何分析工具运用到立体摄影影像匹配中,影像经过非下采样contourlet变换后,得到一个低频信息图像和N个高频信息图像,高频信息中包含着丰富的图像细节特征信息,故可从中提取影像的结构特征,并构建特征向量。 (2)通过对现有影像匹配相似性测度的归纳与分析,本文提出了基于非下采样contourlet变换的影像匹配相似性测度模型。采用结构特征向量,构建结构特征相似性测度。同时考虑影像的颜色信息,设计颜色相似性测度,将此二者结合得到综合相似性测度模型,以提高影像匹配的精度。 (3)在现有立体影像匹配技术的支持下,提出了一种基于非下采样contourlet变换的近景立体影像匹配方法。采用综合相似性测度模型,在核线约束、唯一性约束和连续性约束等约束条件下,以南京师范大学虚拟地理环境教育部重点实验室的车载三维数据采集系统所采集的数据为例,进行多次实验对比,寻求非下采样contourlet变换的最优尺度和方向,确保匹配的精度和稳定性,验证了本文的匹配方法。 (4)最后,将本文提出的方法跟灰度相关匹配法、Hausdorff距离测度法和SIFT算子等匹配方法进行对比,证实了本文所提出的基于非下采样contourlet变换近景立体影像匹配方法具有较高的精度和稳定性。并且对存在一定角度的旋转、遮挡或一定交会角的近景立体像对,都能达到较高的匹配率。

关键词：近景立体影像匹配非下采样contourlet变换结构特征相似性测度匹配约束

来源：评论

学校读者我要写书评

暂无评论

基于非下采样contourlet变换的图像去噪与融合

基于非下采样Contourlet变换的图像去噪与融合

引用

作者：赵俄英天津理工大学

学位级别：硕士

多尺度几何分析是在小波变换基础上发展起来的图像稀疏表示工具,其不仅继承了小波变换所具有的多分辨率、时-频局域性,而且还满足各向异性以及低冗余等特性,是图像稀疏描述的有效手段。本文在多尺度几何分析的基础上,着重对具有代表性... 详细信息

多尺度几何分析是在小波变换基础上发展起来的图像稀疏表示工具,其不仅继承了小波变换所具有的多分辨率、时-频局域性,而且还满足各向异性以及低冗余等特性,是图像稀疏描述的有效手段。本文在多尺度几何分析的基础上,着重对具有代表性的非下采样contourlet变换（NSCT）进行了研究,并将其平移不变性及几何流性质应用于红外与可见光图像的去噪与融合当中。对图像去噪,本文提出了基于NSCT的图像去噪算法。首先对图像NSCT分解系数的低频部分采用门限阈值平均法进行处理,然后对系数的高频部分则采用分层自适应硬阈值结合NCST的几何流性质进行处理。实验仿真结果表明,利用本文算法得到的去噪图像,峰值信噪比与经典小波和轮廓波去噪算法相比有0.5-4dB的提升,主观视觉效果也得到很好的改善。对图像的融合,系统分析、对比了几种多尺度图像融合算法及规则,提出基于NSCT的图像融合算法。通过在传统加权平均法的基础上引进门限阈值,在有效抑制噪声的前提下完成低频系数的融合,利用系数值选大法结合局部区域准则对高频部分进行融合,更好的保护了图像的细节部分。实验结果表明,本文融合算法可以更好地保留源图像中的轮廓信息,“虚影”也得到了较好的抑制。

关键词：图像去噪图像融合多尺度几何分析非下采样contourlet变换

来源：评论

学校读者我要写书评

暂无评论

基于非下采样contourlet变换的图像融合算法研究

基于非下采样Contourlet变换的图像融合算法研究

引用

作者：郑雪英桂林电子科技大学

学位级别：硕士

随着图像传感器技术的迅猛成长，图像融合在医疗成像、卫星遥感、机器视觉等多个行业中都得到了应用与发展，因此对融合算法的探索成为近年来中外学者关注的热点。由于传统基于空间域融合方法获得的图像存在对比度低、块状效应等问题，... 详细信息

随着图像传感器技术的迅猛成长，图像融合在医疗成像、卫星遥感、机器视觉等多个行业中都得到了应用与发展，因此对融合算法的探索成为近年来中外学者关注的热点。由于传统基于空间域融合方法获得的图像存在对比度低、块状效应等问题，基于多分辨率分析的图像融合方法逐渐成为国内外研究重点。其众多方法中，小波变换、contourlet变换以及非下采样contourlet变换是图像融合领域最具有代表性的几种方法。与前两者作比较，非下采样contourlet变换因具有平移不变和各向异性等优点而在图像融合中得到了推广。本论文以非下采样contourlet变换为工具，将稀疏表示、区域检测和改进型脉冲耦合神经网络应用在融合算法中，提出了针对多聚焦图像的两种融合算法。本文主要的研究工作可以归纳如下：\n (1)研究了二维小波变换、contourlet变换的基本知识，并以此为基础，详细阐释了非下采样contourlet变换的基本特点及组成原理。针对小波变换捕获信号的方向信息有限以及contourlet变换易产生伪吉布斯现象的弊端，选取非下采样contourlet变换作为多分辨率分析工具来对图像进行分析。\n (2)为了解决非下采样contourlet变换中存在的分解级数选择困难以及其产生的低频子带系数不稀疏的问题，将稀疏表示方法引入到变换域的图像融合方法中，提出了一种针对多聚焦图像的融合算法。该算法先利用非下采样contourlet变换对待融合图像进行分解，接着将获得的低频和高频子带系数分别通过稀疏表示和方向特征对比度取大的方法实现融合，最后通过逆变换重构出融合图像。实验结果表明，该算法有效克服了非下采样contourlet变换和稀疏表示的缺点，相比于其他方法有明显优势。\n (3)为了解决基于多分辨率分析的多聚焦图像融合算法里普遍存在的聚焦区域定位不准确的问题，采用了一种基于区域检测的多聚焦图像融合算法。该算法将空间域区域检测方法与变换域非下采样contourlet变换方法相结合，并利用改进型PCNN方法提高了融合图像的聚焦区域定位精确性。仿真实验证明，该算法准确鉴别出了图像的聚焦区域，同时克服了变换域算法存在的缺陷，在图像融合领域获得了不错的效果。

关键词：图像融合多分辨率分析非下采样contourlet变换稀疏表示区域检测

来源：评论

学校读者我要写书评

暂无评论

基于非下采样contourlet变换和统计建模的图像去噪算法研究

基于非下采样Contourlet变换和统计建模的图像去噪算法研究

引用

作者：葛新哲南昌航空大学

学位级别：硕士

数字图像在传递和转换过程中受到无法规避的噪声污染,导致图像信息丢失。因此图像去噪是图像处理过程中的关键步骤。为了在特征提取和模式分类等图像处理研究中获得更好的效果,消除含噪图像中的噪声势在必行。非下采样contourlet变换(NS... 详细信息

数字图像在传递和转换过程中受到无法规避的噪声污染,导致图像信息丢失。因此图像去噪是图像处理过程中的关键步骤。为了在特征提取和模式分类等图像处理研究中获得更好的效果,消除含噪图像中的噪声势在必行。非下采样contourlet变换(NSCT)不但继承了contourlet变换的特性,而且具备完全的平移不变性,图像重构不会出现伪吉布斯效应。因此非下采样contourlet变换被广泛的应用到图像处理领域。本文以非下采样contourlet变换为基础,提出两种图像去噪新算法。本文主要工作如下:(1)选用传统阈值函数的图像去噪算法,重建图像时会出现由不连续性引起的伪吉布斯效应或由固有偏差引起的图像不清晰现象。针对上述缺点,本文提出了一种新的基于非下采样contourlet变换的图像去噪算法和改进的自适应阈值。首先,通过对含噪图像进行NSCT变换,得到图像NSCT系数。其次,针对传统阈值函数的不足,提出了一种新阈值函数;针对通用阈值的缺陷,采样考虑能量分布的自适应阈值。随后,利用新阈值函数与自适应阈值结合的本文去噪算法,对图像的NSCT系数进行修正。最后,利用逆NSCT实现图像重建。实验结果表明,与其他去噪算法相比,该算法具有更好的视觉效果和去噪结果。(2)研究表明经由非下采样变换后的contourlet变换系数之间具有一定的相关性。根据它们的分布特征,对其精确建立统计模型。本文提出了基于多元高斯模型(Multivariate Generalized Gaussian distribution,MGGD)结合自适应wiener滤波的NSCT图像去噪算法。首先图像的向量通过可以调整参数的多元高斯模型估计得到。其次多元高斯模型参数和原始图像的NSCT系数分别可以通过最小化残差自适应调整和最大后验概率估计(Maximum a posteriori estimation,MAP)得到。最后结合自适应wiener滤波进行去噪。实验结果表明,该算法相较于其他算法取得了更高的峰值信噪比,同时较好地保留了图像边缘。

关键词：非下采样contourlet变换阈值函数自适应阈值统计建模多元高斯模型

来源：评论

学校读者我要写书评

暂无评论

基于非下采样contourlet变换和深度学习的图像去噪算法研究

基于非下采样Contourlet变换和深度学习的图像去噪算法研究

引用

作者：樊冯飞南昌航空大学

学位级别：硕士

图像的噪声去除是图像处理领域的一个非常关键的部分。由于当今社会,科技的快速进步和互联网的快速发展,我们所接触到的图像数据越来越多,对于高品质的图像的渴望程度越来越大。因为只有高质量的图像才能保证其信息的不缺失,因此减少图... 详细信息

图像的噪声去除是图像处理领域的一个非常关键的部分。由于当今社会,科技的快速进步和互联网的快速发展,我们所接触到的图像数据越来越多,对于高品质的图像的渴望程度越来越大。因为只有高质量的图像才能保证其信息的不缺失,因此减少图像噪声这一环节就显得极其重要了。目前就图像去噪来说,其方法可以说非常多,对于传统的去噪算法,除了单纯的滤波器处理以外,还有各种变换域处理以及基于统计模型的去噪算法等。最近几年深度学习的出现,为图像处理打开了新的大门,于是,基于深度学习的图像去噪算法也就随之出现。本文主要使用两个不同的方法对图像进行去噪研究:一是对图像进行变换域处理,再进行建模来完成图像去噪;另一个就是使用深度学习实现图像的去噪。本文的工作概括为下面几个部分:(1)先通过非下采样contourlet变换对图像进行处理,得到图像的变换系数,之后再进行系数建模。通过针对于拉普拉斯建模过程中的子带含噪标准差估计所存在的问题进行了改进,同时对于正态逆高斯建模还引进了调节因子,以达到对该模型的优化效果。(2)通过在变换域对图像进行拉普拉斯建模和正态逆高斯建模之后,将得到的建模数据通过一定的规则进行联合处理,得到联合建模系数。然后再对联合建模所得到的系数数据进行反非下采样contourlet变换,从而得到去噪之后的图像。(3)提出一种双阶卷积神经网络结构,网络的第一阶段主要完成图像的残差训练,即得到图像的噪声情况。然后通过一定的操作处理第一阶段的图像数据,继而作为输入传给第二阶段网络进行训练,最终得到图像的去噪效果图。(4)在双阶卷积神经网络中,网络中不仅保留和应用了残差训练以及数据的批正则处理,同时还对激活函数进行了修改。这里使用ELUs作为激活函数替代了惯用的ReLU函数,从而使得卷积网络在训练过程中训练速度得以提升,并且能得到更好的鲁棒性。同时为了防止网络的过拟合情况,优化网络训练效率,还对损失函数进行了优化。

关键词：非下采样contourlet变换联合建模双阶卷积神经网络激活函数损失函数

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：