摘要：首先采用Haar小波滤波器,设计出一种数字shearlet变换算法。然后对shearlet系数间的相关性进行统计分析,提出了一种尺度相关的自适应阈值收缩图像去噪算法。最后选用峰值信噪比和视觉质量为评价标准,实验验证算法的去噪性能。结果表明,本文算法获得更高的峰值信噪比,更好地保留了图像的细节信息。

摘要：基于预测滤波方法进行地震数据重建的误差偏大,基于波动方程进行地震数据重建的计算量较大,基于某种变换的地震数据重建精度偏低。为此,利用基于压缩感知技术的shearlet变换重建地震数据。基于信号的稀疏性,在欠采样的情况下,首先根据地震数据的缺失情况设计采样矩阵,然后使用shearlet变换将地震数据稀疏化,再采用正交匹配追踪算法在shearlet域中完成对稀疏系数的重建,最后通过shearlet反变换实现地震数据重建。实验结果表明,基于压缩感知技术的shearlet变换能够很好地重建地震数据,且重建精度高于基于压缩感知技术的Fourier变换、离散余弦变换、小波变换和Curvelet变换。

摘要：探月雷达作为嫦娥三号和嫦娥四号月球探测任务中最重要的科学载荷之一,其目标是探测月壤及地下结构信息.然而,嫦娥三号探月雷达的第二通道数据受到横向杂波的干扰,使得有用的反射信息被掩盖.这些杂波可以认为是影响数据质量的横向噪声,使得探月雷达数据信噪比低,影响数据解释.本文将利用shearlet变换对探月雷达数据进行信号分析与噪声去除,并对嫦娥三号着陆区的月壤结构进行重建.首先,在shearlet域中,观察横向噪声的分布,并分离出以噪声为主的shearlet分量,并得到重建后的雷达数据.随后,为充分利用嫦娥三号第二通道两套数据的整体优势,对两套经过shearlet变换去噪后的雷达数据进行融合,得到综合探月雷达图像,有效得去除了水平噪声并增强了来自浅月表的有效信号.最后,根据探月雷达处理结果对嫦娥三号着陆点的月壤结构进行重建,重建结构中的溅射物厚度与撞击坑溅射物经验公式结果得到了相互印证.

摘要：针对合成孔径雷达(SAR)影像和多光谱遥感影像在融合时空间特征和光谱特征方面不能同时得到较大改善的问题,提出了一种基于成像特性的shearlet变换域下的多源遥感影像融合方法。利用shearlet变换的多方向和多尺度分解特性,将多光谱影像和SAR影像分别分解为高频和低频系数,从影像区域能量特征和区域相关性入手,设计了基于区域能量的低频系数融合规则和改进型的脉冲耦合神经网络的高频系数融合规则,使融合结果能够包含更多空间细节信息和光谱信息。利用TerraSAR-X、Landsat5-TM影像进行实验,结果表明该方法在提高影像空间细节表达能力的同时能够较好地融合更多的光谱信息。与小波变换、非下采样轮廓波变换(Nonsubsampled contourlet Transform,NSCT)等方法相比,该方法在空间信息保有量和光谱信息保有量方面都有明显的提升,其中交叉熵有接近100%的提升幅度,互相关系数有高于25%的提升幅度,光谱扭曲度有优于40%的提升幅度。

摘要：针对大多数降斑算法不能很好地在实现区域平滑的同时保持图像细节边缘这一问题,提出了一种新的复扩散方程,结合shearlet变换给出了一种模极大值边缘检测方法.将获得图像边缘与降斑平滑的结果相结合,在有效实现降斑平滑的同时保持了图像的边缘.实验结果表明,该方法对SAR图像中的点目标、边缘和纹理具有较好的保持能力,在有效降斑的同时,更多地保留了图像的边缘和细节.

摘要：为了解决当前图像水印技术难以抵御几何失真,使其鲁棒性较低与误检率较高的问题,提出了几何校正与非下采样shearlet变换的图像水印算法.首先,引入Cat映射,对水印信息图像进行置乱;随后,借助非下采样shearlet变换机制,对载体图像进行处理,获取低通子带和高通子带,并将低通子带分割为尺寸相同的小块;通过修改低通子带的shearlet系数,建立水印嵌入机制,将水印信息植入到载体图像中,获取水印密文;构建几何失真图像训练样本,基于极谐变换,计算水印图像的极谐变换系数模,充分描述其鲁棒特征;基于模糊支持向量机,预测几何失真参数,对水印图像进行几何校正;最后,再次利用非下采样shearlet变换处理校正水印图像,获取低通子带小块,设计水印提取方法,复原其水印信息.实验结果显示:与当前图像水印算法相比,所提算法具有更高的不可感知能力与鲁棒性,对于各种几何攻击,所提取技术的复原水印与初始水印的相关系数均要高于0.95.

摘要：为进一步提高基于变换域水印算法的性能,设计一种基于shearlet变换的盲图像水印算法。首先将原始图像进行shearlet变换;其次根据最大后验概率MAP准则选择重要系数;最后水印根据重要系数能量自适应嵌入。水印检测端使用盲水印检测。实验结果表明,该算法不仅具有很好的透明性,同时对常见图像处理攻击和几何攻击均具有很强的鲁棒性,其性能明显优于傅里叶域和小波域的水印算法。

摘要：在深入分析shearlet变换理论的基础上,给出具体的shearlet变换步骤,并提出一种针对图像脉冲噪声的混合滤波方法。该方法首先对噪声图像进行shearlet多尺度变换,获得高频和低频系数,保留低频系数不变;然后针对shearlet高频系数能够较好地刻画噪声局部化的性质,设计出一种多尺度、多方向特性的串/并联自适应中值滤波器,对高频系数中噪声进行自适应检测和滤除;最后实现低频系数和滤波后高频系数重构。通过与小波阈值法去噪和开关中值滤波法仿真实验比较可知,该滤波方法对于高强度的脉冲噪声具有较好的处理效果。

摘要：针对图像分割中普遍存在的过分割和不完全分割问题,提出基于shearlet变换,综合利用自组织特征映射和脉冲耦合神经网络的混合分割方法。对输入图像进行各向异性滤波,增强图像纹理信息;利用平移不变shearlet变换对去噪图像进行变换,得到低频子带图像和高频子带图像;从低频子带系数中提取熵和偏度纹理信息,与低频子带系数组成特征向量集,利用自组织特征映射网络进行初步分割;利用改进的脉冲耦合神经网络进一步处理,减少初步分割结果的错分割现象,得到最终的分割图像。遥感图像和医学图像的分割结果表明,与传统分割方法相比,提出方法的分割准确性显著提高,具有更好的抗噪性能。

摘要：矿井机电设备的高效运行是井下安全生产的重要保障,但由于井下粉尘较多、光照不均匀,导致井下视频监控系统获取的机电设备图像较为模糊,影响了对机电设备运行状况的有效监控。为此,将shearlet变换与图像区域自适应分类方法相结合,提出了一种矿井机电设备视频监控图像处理算法。首先结合图像局部均值和标准差,设计了一种图像块自适应分类方法,将图像自适应分成同质块、非同质块和边缘块等3类图像块,对同质图像块进行维纳滤波;然后对非同质图像块进行多尺度shearlet变换,得到低频、高频shearlet分解系数,对高频shearlet分解系数提出了一种shearlet变换域自适应阈值去噪函数模型来去除其中的噪声,将原始低频shearlet分解系数及去噪后的高频shearlet分解系数进行重构;最后,将边缘图像块和去噪后的同质图像块、非同质图像块进行叠加。采用MATLAB语言分别将维纳滤波、小波硬阈值去噪函数模型、小波软阈值去噪函数模型以及所提算法进行编程并进行试验,结果表明:所提算法处理后的图像视觉效果有了较大程度改善,清晰度较好,对于提高矿井机电设备视频监控图像的质量有一定的参考价值。