摘要：分析了存在背景干扰和噪声情况下的红外小目标检测方法,提出了一种结合contourlet变换去噪和自适应阈值分割方法的红外小目标检测方法。首先根据背景图像变化较慢的特点,运用相邻帧相减以减少背景和噪声的干扰,接着对残差图像进行contourlet变换阈值去噪,提高目标信噪比,并对得到的增强图像进行自适应阈值分割,分离出少量的候选目标点,最后利用目标运动的连续性和一致性,检测出目标。仿真实验结果表明,该方法能较精确地检测出红外小目标,具有较高的检测率和较小的平均虚警数。

摘要：通过对传统小波多方向性缺失和contourlet变换系数稀疏性的分析,提出运用方向性小波contourlet分析纹理特征,以自组特征映射神经网络(SOM)处理contourlet变换系数的重组序列。对SOM网络输出层codebook矩阵进行奇异值分解得到纹理图像特征向量的方法进行纹理分类,在充分利用图像各尺度方向信息的基础上,有效提取了图像纹理特征。实验结果表明,该方法分类效果显著,contourlet变换比传统小波分解更适合于图像纹理特性的分析。

摘要：V-变换在表达图像时可以通过增加V-系统基函数的数量得到图像由粗到细的多尺度特征描述,但是V-系统不适宜描述图像的方向特性。为此,根据contourlet变换的多方向性特征,将V-变换和contourlet变换结合起来,提出一种图像融合算法,得到图像的多尺度和多方向特征描述,并将之应用到多聚焦图像的融合中。改进数学工具,设计加权局域统计特征的频域系数融合方案,并选用能刻画系数相关性特点的高斯分布作为权值。实验结果表明,与基于小波变换、contourlet变换以及小波-contourlet变换的多分辨分析的融合算法相比,该算法融合后的图像在边缘细节处更加清晰,视觉效果更好,信息量、清晰度以及与待融合图像的相关程度等客观评价指标也得到改进。

摘要：给出了一种新的基于小波-contourlet变换的融合多传感全色和多光谱影像的算法。由于contourlet变换具有良好的多方向性和多尺度,所以它比其它方法更适应于进行遥感图像融合。对于小波-contourlet变换后得到的低频和高频分量系数,采用平均法选择低频区域系数,选择区域"能量"较大的高频系数作为融合影像的高频系数。实验结果表明,基于所提出的小波-contourlet变换的融合结果优于其它常用的融合方法。

摘要：对形状轮廓相似目标进行识别时,应用全局特征很难得到有效的鉴别结果,针对这一问题,提出了一种基于Con-tourlet、核主成分分析+Fisher线性辨别(KPCA+FLD)的特征提取方法。选取contourlet分解后提取出来的多尺度局部特征,以加权求和的方式进行融合处理,选用KFD(KPCA+FLD)对融合后的特征进行降维,选择鉴别力强的特征。最后通过一系列的仿真实验,包括选用不同的特征提取方法、分解层次、核函数、融合权重,验证了该特征提取方法的有效性。

摘要：利用"回"型采样窗口将邻域分割成四个子域,并采用自适应量化策略进行梯度直方图和局部区域的划分,最终建立96维的特征点描述符,进一步提高SIFT匹配算法的鲁棒性和实时性.基于改进的SIFT算法,根据contourlet变换理论提出了一种新的图像融合方法,主要解决边缘信息和纹理信息的融合问题,有效地消除色差使融合后的图像更清晰.实验结果表明,这种新方法可以加快图像配准中的SIFT过程,增强图像拼接效果.

摘要：为了增强数字胸片图像同时又能克服噪声的影响,提出一种基于contourlet变换的数字胸片图像增强算法。对采集的数字胸片图像进行contourlet变换,在低频图像系数中进行对比度增强,对于高频图像系数,利用contourlet变换的多分辨率、多方向性特点,分析各个方向上的高频系数在不同尺度下的相关性,进而设计增益函数。最后利用循环平移法抑制伪吉布斯现象。实验结果表明,该方法能够有效增强数字胸片图像细节,效果优于传统算法。

摘要：本文介绍了基于抽样与插值的方向滤波器组(DFB)设计原理,简要说明contourlet变换的分解方式,并分析它们两者之间的关系,最后分析了方向滤波器组设计关键技术。

摘要：针对目前数字水印技术无法有效抵抗几何攻击的问题,本文提出了一种基于QR码的contourlet域数字水印算法。将文字信息进行QR码编码作为水印信息。首先,将载体图像进行contourlet变换;然后,将得到的低频逼近图像进行分块;最后,将每一位QR码水印信息以量化的方式对应嵌入到每一个子块中。实验结果表明,本算法可以抵抗任意角度旋转和任意等比例缩放攻击,同时对高斯噪声、Speckle噪声、均值滤波、高斯滤波和JPEG压缩攻击具有很强的鲁棒性,并且算法复杂度低;水印提取时不需要借助原始图像,属于盲水印。因此,本文提出的数字水印技术可以广泛应用在数字产品的版权保护中。

摘要：针对传统图像融合方法导致纹理细节丢失的现象,提出了一种基于抗混叠移不变contourlet域的分块压缩感知(block-based compressed sensing,BCS)图像融合算——contourlet_BCS。把善于表达图像纹理及边缘信息的contourlet变换引入了压缩感知稀疏表示中,同时对分解得到的低频系数采取加权的区域能量融合规则,高频系数采取基于广义高斯分布模型的加权融合规则进行图像系数融合,最后在压缩感知框架下利用带平滑处理的投影Landweber算法重构。实验结果表明,contourlet_BCS融合效果优于传统方法,融合的图像纹理清晰.边缘细节信息更为丰富。