基于Contourlet變換的圖像智能去噪及融合算法研究.pdf

基于Contourlet變換的圖像智能去噪及融合算法研究.pdf

ID:52206361

大?。?.51 MB

頁數(shù):3頁

時間:2020-03-24

基于Contourlet變換的圖像智能去噪及融合算法研究.pdf_第1頁
基于Contourlet變換的圖像智能去噪及融合算法研究.pdf_第2頁
基于Contourlet變換的圖像智能去噪及融合算法研究.pdf_第3頁
資源描述:

《基于Contourlet變換的圖像智能去噪及融合算法研究.pdf》由會員上傳分享,免費在線閱讀,更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。

1、基于contourlet變換的圖像智能去噪及融合算法研究趙茲基于Contourlet變換的圖像智能去噪及融合算法研究趙茲(陜西國防工業(yè)職業(yè)技術(shù)學院陜西西安,710302)摘要:在處理高維圖像信號時,contourlet變換比小波變換擁有更好的逼近精度、方向性以及系數(shù)表達能力,因此將Contourlet變換應用到圖像處理領(lǐng)域已經(jīng)成為研究熱點。本研究總結(jié)了Contoudet變換的尺度內(nèi)和尺度之間的依賴性,提出了基于contourlet變換的圖像智能去噪算法和圖像融合算法,其算法能夠較為有效地保留原圖像的邊緣細節(jié),擁有較好的視覺效果。關(guān)鍵詞:Contourlet變換;圖像智能去噪;圖像融合中圖分類

2、號:tp391.41文獻標識碼:ADOI編碼:10.14016/j.cnki.1001—9227.2叭6.09.174Abstract:Whendealingwithhighdimensionalimagesignal,ContourlettIansfbnnisbetterthanwaVelettmnsfbHnhaVeapproximationprecision,directionalandcoemcientexpressionability,andtherefbretheContoudettransfomlisappliedtothe6eldofimageprocessinghasbeco

3、meahotresearchtopic.ThisstudysummadzedthedependenciesbetweenscaleofContourlettransfomandscale,putforwardtheinteUigentimagedenoisingalgorithmbasedonContourlettransfomandimagefusionalgorithms,thealgorithmcanefkctiVelykeeptheoriginalimageedgedetails,havegoodvisualef!Ebct.Keywords:contourlettransfoml;i

4、ntell培entimagedenoising;imagefusionO引言Contourlet變換是一種非常重要的多尺度幾何分析技術(shù)?,可以較好地適應圖像的局部的多分辨率和多方向展開的需求,而且能夠充分利用圖像的幾何特性,并在圖像的智能去噪和融合方面有著巨大的研究價值?,F(xiàn)在數(shù)字圖像都會或多或少地存在圖像噪聲,而且如果噪聲不能過濾處理掉,勢必會對數(shù)字圖像的后續(xù)處理造成很大的障礙。較為成熟的圖像智能去噪算法技術(shù)可分為兩大類:一類為圖像空間域智能去噪技術(shù),主要有鄰域平均值、維納濾波以及中值濾波等技術(shù);另一類為基于區(qū)域變換的圖像智能去噪技術(shù),這種智能去噪技術(shù)實現(xiàn)效率很高,易于實現(xiàn),但是卻擁有不可逆

5、地使數(shù)字圖像邊緣模糊化的缺點。而contourlet變換智能去噪技術(shù)可以在抑制噪聲的同時,較好地保持圖像的原有的邊緣和細節(jié)¨。。圖像融合技術(shù)主要利用不同的傳感器將同一個情景進行綜合,以此得到關(guān)于此情景的更為準確的解釋?,F(xiàn)在成熟的數(shù)字圖像融合技術(shù)主要應用在計算機視覺以及遙感等領(lǐng)域,圖像融合技術(shù)主要分為決策級融合、特征級融合以及像素級融合等,其中像素級融合技術(shù)最為常見。1Contourlet變換理論1.1Contourlet變換介紹Vetterli和Do在cunrelet變換的基礎(chǔ)上提出了contourlet變換,其為一種二維圖像表示算法。contoudet變換利用輪廓段的基近似地逼近圖像,而且

6、基的支持區(qū)間會根據(jù)具體的尺度改變長方形結(jié)構(gòu)的長和寬,最后針對圖像邊緣細節(jié)的表現(xiàn)時,Contourlet系數(shù)相對而言分布會更加集中。需要注意的是,二維小波分析并不是真正的二維小波,且收稿日期:2叭6—04一17作者簡介:趙茲(1987一),女,漢,陜西咸陽人,碩士,講師,主要研究方向為信息不確定性分析?!?74·只是一維小波積累得到,并沒有擁有較強的方向性,所以只能通過正方形的方式對于數(shù)字圖像的邊緣進行描述,而同一個數(shù)字圖像曲線也可以由完全不同的變換方式進行描述。contourlet變換技術(shù)可以利用拉普拉斯塔型分解(即LP)和方向濾波器組(即DFB)實現(xiàn)具有多方向性、多分辨率以及局域性的圖像表

7、示,其為contourlet變換的數(shù)字的有效地實現(xiàn)?!?。1.2拉普拉斯塔型(即LP)變換拉普拉斯塔型變換可以實現(xiàn)數(shù)字圖像的多分辨率分析處理。如圖1所示拉普拉斯塔型變換的圖像分解過程。C二縻}—鼷黔L一僳。乏型‘Ⅶo。一,、、o圖1拉晉拉斯塔型(即LP)分解過程圖1中的x表示為數(shù)字圖像的輸入信號,M表示為數(shù)字圖像的采樣矩陣,數(shù)字圖像的低通以及高通信號分別為c和d,而H和G分別表示為數(shù)字圖像濾波器的分解和合成。其

當前文檔最多預覽五頁,下載文檔查看全文

此文檔下載收益歸作者所有

當前文檔最多預覽五頁,下載文檔查看全文
溫馨提示:
1. 部分包含數(shù)學公式或PPT動畫的文件,查看預覽時可能會顯示錯亂或異常,文件下載后無此問題,請放心下載。
2. 本文檔由用戶上傳,版權(quán)歸屬用戶,天天文庫負責整理代發(fā)布。如果您對本文檔版權(quán)有爭議請及時聯(lián)系客服。
3. 下載前請仔細閱讀文檔內(nèi)容,確認文檔內(nèi)容符合您的需求后進行下載,若出現(xiàn)內(nèi)容與標題不符可向本站投訴處理。
4. 下載文檔時可能由于網(wǎng)絡波動等原因無法下載或下載錯誤,付費完成后未能成功下載的用戶請聯(lián)系客服處理。