摘要：目的对带钢表面图像中的噪声进行有效滤除,以获取较清晰的带钢表面图像,为通过带钢表面图像检测带钢表面缺陷提供良好的源图。方法利用非下采样contourlet变换具有精细分解的特性,对获取到的带钢表面图像进行尺度分解,获取图像的高、低频系数。在最大后验概率框架的基础上,以噪声图像系数的方差为判断条件,构建了自适应去噪模型,对带钢图像进行前级去噪。为了进一步去除带钢表面图像中的噪声,利用非局部均值方法对前级去噪后的带钢表面图像进行处理,以达到对带钢表面图像中的噪声进行有效滤除。结果仿真实验结果显示,与对照组方法相比,采用所设计方法去噪后的带钢表面图像不存在阶梯效应等不足,具有更高的峰值信噪比及结构相似度。结论本文所提方法能有效去除带钢表面图像中夹杂的噪声,可获取较清晰的带钢表面图像。

摘要：为了提高图像融合的效果,以多聚焦的彩色图像为研究对象,提出了一种基于非下采样contourlet变换的多聚焦彩色图像融合算法。对IHS模型的亮度分量I进行NSCT分解,根据多聚焦图像的成像特点和分解后的高低频系数相关性,对分解后的低频系数采用"区域能量取大"和高频系数采用"绝对值和取大"的融合准则进行融合,再进行非下采样contourlet逆变换,得到融合后的亮度分量,并由此计算融合后的色调分量和饱和度分量,实现彩色图像的融合。实验结果表明,该方法的融合效果优于小波变换的融合结果,针对IHS模型的融合结果也明显优于RGB模型的融合结果。

摘要：当前遥感图像融合算法主要是通过图像的能量信息来完成低频系数的融合,忽略了图像的光谱信息特征,导致融合图像中存在光谱扭曲等不足。设计基于非下采样contourlet变换与区域信息特征的遥感图像融合算法。引入HSV(Hue,Saturation,Value)变换,从多光谱图像中提取亮度分量。采用非下采样contourlet变换,对全色图像与多光谱图像的亮度分量进行分解,获取图像的低频系数与高频系数。联合低频系数的区域能量以及信息熵特征,构造低频系数的融合模型,完成低频信息的融合。通过高频系数的区域方差相似度,建立高频系数融合规则,对高频系数完成融合。通过非下采样contourlet逆变换与HSV逆变换,获取融合图像。实验结果表明,与当前遥感图像融合方法相比,该算法的融合图像具有更好的光谱与空间特性。

摘要：为了克服当前遥感图像融合方法存在的块现象和光谱扭曲等问题,引入了非下采样contourlet变换(nonsubsampled contourlet transform,NSCT),设计了一种通过能量相似制约的遥感图像融合算法。利用HSV(hue,saturation,value)变换来处理多光谱(multi-spectral,MS)图像,从MS图像中提取对应的V成分,并通过NSCT变换计算出V成分及全色(panchromatic,PAN)图像的不同图像系数。利用区域能量函数来测量图像所含能量信息,并以图像间能量的相似性为依据,构建低频系数的融合模型,获取具有较好光谱特征的融合低频系数。利用空间频率函数来测量图像所具有的细节特征,以构建高频系数融合模型,获取具有较好清晰度的融合高频系数。最后,借助HSV和NSCT的逆变换,输出融合结果。实验结果表明,较现有融合技术而言,所提算法具有更好的融合效果,输出图像具备更好的光谱特征,有效降低了块效应。

摘要：目的提出一种基于非下采样contourlet变换的子带自适应阈值去噪方法。方法首先在贝叶斯估计的基础上,建立了系数萎缩处理阈值,它与尺度和方向相关,具有带自适应性,进而根据contourlet的曲线特征,设计出一种弧形窗口,用于估计系数的信号方差。结果该方法可以有效消除图像中噪声且保护图像的边缘细节信息。结论与传统方法相比,可获得较高PSNR值且能保护图像的边缘等细节信息。

摘要：针对水印嵌入伪Zernike矩信息量小的不足,设计一种基于非下采样contourlet变换和伪Zernike矩的水印算法。算法首先将水印信息量化调制嵌入原始图像的非下采样contourlet变换域低频区域,然后计算伪Zernike矩进行几何校正。实验结果表明,该算法在具有较大的水印嵌入量的同时,对常见图像处理和几何攻击具有较好的鲁棒性。

摘要：图像的多尺度方向分解和自适应水印方法是两个有趣的话题。利用非下采样contourlet变换的多方向性和高冗余性,通过计算方向子带的掩盖系数,设计了一种自适应的图像水印方法。实验结果表明,该方法对绝大多数的图像失真都具有一定的鲁棒性。

摘要：本文研究了非下采样contourlet变换在人脸表情识别中的应用,并设计了相应的算法流程。首先将人脸表情图像分割为最能表征表情信息的眼睛和嘴巴两个部分,然后利用非下采样contourlet变换对分割的局部图像进行特征提取,最后使用极限学习机进行分类,并与BP神经网络进行对照实验。研究结果显示,表情分类平均准确率可达86.57%,比BP神经网络的分类方法平均准确率高出7.43%。而在执行速度方法,极限学习机却是BP神经网络的11.09倍,表明了本实验方案的高效性和可行性。

摘要：为提高磁瓦表面缺陷人工检测效率、防止缺陷漏检,针对经典缺陷检测算法不能很好地提取颜色暗、对比度低的磁瓦图像缺陷问题,提出一种非下采样contourlet域自适应阈值面的磁瓦缺陷自动检测方法.该方法根据非下采样contourlet变换(NSCT)子带系数所在不同区域的特性,采用线扫描的方式对NSCT系数进行阈值处理,给出不同尺度、不同方向的归一化自适应阈值面;并与原始NSCT各子带归一化系数对比分割,以实现对磁瓦图像NSCT系数逐列自适应修正;最后重构NSCT系数提取出磁瓦缺陷.实验结果表明,文中方法能够有效地去除磁瓦表面纹理,提取出磁瓦表面缺陷的准确率可达95%.

摘要：为提高手写签名的识别率,提出一种基于NSCT子带纹理特征融合的签名识别方法。对签名图像进行预处理(包括灰度化、平滑、二值化、归一化、细化等),对签名图像进行非下采样contourlet变换,对变换产生的子带分别提取多级区域局部二值模式和灰度共生矩阵特征,通过融合形成新特征。数据库包含维吾尔文和柯尔克孜文两类文种,每个文种100人(20个样本/人),共4000个签名样本进行实验,实验结果表明,该方法能更准确地提取签名图像多尺度、多方向的纹理特征,可有效提高识别率。