摘要：针对图像单一特征量目标识别率不高的问题,提出一种基于contourlet变换和分形维的特征提取与识别算法.首先对图像进行contourlet变换(CT)得到低频子带和高频子带,然后计算低频子带的组合不变矩特征,同时通过代价函数挑选最优高频子带,提取高频子带的分形维特征并使用对比敏感函数(CSF)对不同高频子带的分形维数加权,最后将提取出的低频特征以及高频特征组合成复合特征向量,利用欧氏距离进行相似性度量完成图像目标物识别,该算法有效地融合了不变矩的全局不变性和contourlet变换的多尺度、多方向局部细节特性.对比实验结果表明,该方法在各种变化条件下均具有较好的识别效果和运行效率,平均识别率达96%以上.

摘要：针对contourlet变换基图像不具备局部频率特性的缺点,分析了在频域楔形支撑区域外部出现潜在混叠的原因,并结合易操纵金字塔结构的优良特性,提出一种改进结构的contourlet变换.该变换采用易操纵金字塔替换了原变换的拉普拉斯金字塔,保证了其平移不变性.非线性逼近实验和基图像分析的结果表明,该变换能够稀疏表示图像,避免了频域出现混叠.去噪实验结果表明,改进结构的contourlet变换可以有效地提高去噪图像的峰值信噪比和去噪图像质量.

摘要：分析了非子采样contourlet变换滤波器组的设计与实现方法,提出一种基于非子采样contourlet变换的图像融合方法.首先将图像作非子采样拉普拉斯金字塔尺度分解,并在各尺度层使用非子采样方向滤波器组对高频子带作方向分解,构成非子采样contourlet变换;然后,采用基于区域能量的融合规则得到融合图像的非子采样Con-tourlet系数;最后进行非子采样contourlet逆变换得到融合图像.实验结果表明,该方法的融合效果优于劋trous小波变换方法和Mallat小波变换方法.

摘要：为了提高全方向M型心动图运动曲线检测效果,根据多尺度分析的思想,提出一种基于contourlet变换的边缘检测算法.首先利用基于局部熵的算法对图像进行检测尺度的划分,然后在单一尺度空间上借鉴小波模极大值检测思想对图像边缘进行提取,最后利用补偿连接方法融合不同尺度空间下的边缘曲线,以得到最佳的运动曲线.实验结果表明,该算法可以对心动图运动曲线从粗分辨率到细分辨率进行连续逼近,检测效果良好.

摘要：现有潜山裂缝性储层预测方法多用于描述单一尺度的裂缝带发育特征。为综合反映渤海湾盆地M气田太古界潜山裂缝储层多尺度特征,提出基于主控因素的潜山裂缝储层多尺度预测技术:(1)针对沟—脊微地貌控风化有利区,利用曲率属性刻画潜山顶面沟—脊形态,预测宏观尺度风化成因裂缝富集条带;(2)针对燕山—喜山期发育的近东西向高陡断缝体控潜山构造缝,基于Radon变换技术预测大尺度高陡断缝体的分布;(3)以区域断裂发育方向和倾角为约束,利用蚂蚁体属性预测中、小尺度微断裂带;(4)基于contourlet变换依次分解得到曲率属性、Radon变换属性、蚂蚁体属性的低频端和高频端信息,分别设计低频端、高频端融合规则,实现三种尺度裂缝带预测结果的有效融合。融合属性预测结果与FMI成像测井裂缝密度以及生产测试认识吻合,综合反映了潜山多尺度裂缝带发育特征,指导了M气田开发井设计与优化,同时证明所提方法具有实用性。

摘要：通过对方向滤波器组(DFB)及Laplace塔形变换(LP变换)的分析研究,阐明contourlet变换的频谱混叠是源于LP变换中两个低通滤波器不满足Nyquist抽样定律,致使阻带截至频率大于π/2所引起。基此,研究并提出了一种抗混叠的contourlet变换,即N-contourlet变换,通过设计满足Nyquist抽样定律的低通滤波器,以避免LP变换中因下抽样所造成的混叠。N-contourlet变换满足完全重构特性,且能有效地抑制原contourlet变换中的频谱混叠,频域局域性较好。硬阈值去噪实验研究结果表明,对于标准的Lena图像,在噪声方差σ=40时,N-contourlet变换的去噪效果不仅PSNR高出contourlet变换2.51 dB,而且还能有效地抑制了Contour-let变换去噪后的"划痕"现象,图像的视觉效果更佳。

摘要：针对源图像有用信息的提取,提出了基于区域分维和非下采样contourlet变换相结合的红外与可见光图像融合算法.将图像的区域属性、区域大小、边缘强度以及纹理显著程度等特点用图像不同尺度上的区域分维进行描述,对于非下采样contourlet变换低频系数,根据源图像不同尺度上的区域分维进行基于系数选择的融合.针对带通子带系数设计了系数局部匹配度算子,依据匹配度不同采用加权和系数选取相结合的融合规则.与其他常规融合方法进行比较,该算法可有效实现红外与可见光图像的融合.

摘要：为了克服冗余性的contourlet变换不利于图像压缩的缺陷,提出了噪声修整的contourlet变换结构,或称为NS-contourlet.该结构通过迭代的方式减少了量化后的非零系数数量,并且提高了非零系数的逼近能力.设计了一种可采用提升小波实现的拉普拉斯金字塔变换,有效地提高了contourlet中拉普拉斯金字塔变换部分的速度.提出的NS-contourlet结构结合EBCOT编码器实现了一种图像压缩算法,并且通过实验验证了该算法的有效性.尤其当低码率压缩(小于0.2bpp)或者待压缩图像呈现直线纹理特征时,提出算法在主观视觉质量和PSNR指标上均优于JPEG2000,平均PSNR值提高了0.1～0.5dB.

摘要：基于压缩感知技术的地震数据字典重建算法在训练字典时耗时较长,基于压缩感知技术的稀疏变换重建算法对稀疏基的要求较高,权衡信噪比和时间,采用目前已应用于地震数据重建的contourlet稀疏基,提出了一种基于压缩感知技术和contourlet变换的地震数据重建方法。首先根据设计的测量矩阵,在contourlet域中采用快速迭代收缩阈值算法(Fast Iterative Shrinkage-Thresholding Algorithm,FISTA)重建缺失的稀疏系数,然后进行contourlet反变换完成地震数据的缺失重建。合成数据和实际地震数据测试结果表明,基于压缩感知技术的contourlet变换能够很好地完成地震数据的缺失重建;与压缩感知技术中常用的短时傅里叶变换和小波变换方法相比,基于压缩感知的contourlet变换重建结果信噪比更高,并且增加的耗时有限,在可以接受的范围之内。

摘要：提出一种基于contourlet变换和非负矩阵分解(NMF)的掌纹识别算法。通过对源图像contourlet进行小波变换,将提取出的低频分量用NMF法提取特征值,用最近邻方法进行分类。实验结果表明,该算法较单纯的NMF和2DPCA等算法识别性能有较大提高,能较好地捕捉图像的边缘信息。