摘要：小波-contourlet变换能够良好捕获图像的方向特征和边缘信息。利用小波-contourlet变换良好的多尺度性和多方向性特征,提出一种基于小波-contourlet变换的图像增强算法,用非线性增强算子对变换的各子带系数做增强处理。并引入了循环平移消除由于小波-contourlet变换缺乏平移不变性而产生的图像失真。实验结果表明,该方法有效增强了图像的边缘细节和纹理特征。

摘要：由于contourlet变换在分解过程中使用拉普拉斯金字塔分解产生数据冗余,提出一种基于非冗余小波-contourlet变换(WBCT)系数重组的特征提取方案。该方法充分利用了WBCT变换系数的位置相关性,并克服contourlet变换的数据冗余,并能捕捉方向细节信息。实验结果表明,该方法分类效果好,算法优越性明显,提出的系数重组方案对于纹理特征提取有很高的实用价值。