检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于NSST变换的遥感图像融合算法研究

基于NSST变换的遥感图像融合算法研究

作者：张康北方民族大学

学位级别：硕士

图像融合是指将同一场景的多种传感器的图像信息经过处理,最大限度提取各自信道中的有利信息,最后综合成一幅高质量图像的新兴技术.而遥感图像融合是其中一类重要的类型,并且已应用于洪水监测、地形测绘、土地资源调查、自然灾害监测等... 详细信息

图像融合是指将同一场景的多种传感器的图像信息经过处理,最大限度提取各自信道中的有利信息,最后综合成一幅高质量图像的新兴技术.而遥感图像融合是其中一类重要的类型,并且已应用于洪水监测、地形测绘、土地资源调查、自然灾害监测等方面.目前,研究者们对高空间分辨率的全色图像(panchromatic image,PAN)与高光谱分辨率的多光谱图像(multispectral image,MS)的融合问题进行了广泛研究并提出了许多算法.本论文主要研究了基于非下采样剪切波变换(non-subsampled shearlet transform,nsst)的遥感图像融合算法.主要包括以下三个方面:1.结合HSV(Hue,Saturation,Value)变换可以保留多光谱信息和NSST变换能够更好加强边界信息的识别和纹理细节的呈现这两个优点,提出了一种基于HSV和NSST变换的遥感图像融合算法.2.针对非下采样轮廓波变换(non-subsampled contourlet transform,NSCT)存在的计算复杂度高的问题,借鉴了多特征和自适应脉冲耦合神经网络(pulse coupled neural network,PCNN)的各自优点,提出了一种基于NSST变换与自适应PCNN的多特征遥感图像融合算法.3.结合经鲁棒主成分分析(robust principal component analysis,RPCA)分解得到的稀疏矩阵可以提取PAN图像显著特征和NSST变换计算效率高这两个优点,并引入PCNN模型,提出了一种新的的遥感图像融合算法.

关键词：遥感图像融合融合规则 HSV变换 NSST变换 RPCA变换自适应PCNN

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于NSST变换的图像信息安全技术研究

基于NSST变换的图像信息安全技术研究

作者：李智北京化工大学

学位级别：硕士

随着多媒体技术的发展,图像成为了一种新的信息载体被广泛的使用。虽然图像的便利性带来很多实惠,不过图像内容的肆意篡改与非法复制传播也对图像信息的安全与版权带来很多负面的影响。数字图像篡改检测与数字图像水印技术是图像信息安... 详细信息

随着多媒体技术的发展,图像成为了一种新的信息载体被广泛的使用。虽然图像的便利性带来很多实惠,不过图像内容的肆意篡改与非法复制传播也对图像信息的安全与版权带来很多负面的影响。数字图像篡改检测与数字图像水印技术是图像信息安全保护的重要手段。相比于空域算法,基于变换域的篡改与水印算法具有更好的效率与鲁棒性。本文针对以上情况,分别提出了一种图像克隆检测算法与图像水印算法,其具体内容如下所示:基于NSST变换,并利用FWHT变换代替比较常用的DCT变换进行图像块特征提取,结合MHJ多级跳跃匹配算法,提出了一种基于图像块匹配的克隆图像盲取证方法。实验结果表明,该算法不仅有效的保持了较高正确率,并且能够大幅度降低运行时间。结合柯西统计建模理论,提出了一种可保持鲁棒性和不可感知性良好平衡的nsst域图像水印算法。首先,通过乘性方法将水印信息嵌入到nsst重要系数中。然后,利用二维离散傅里叶变换（DFT）的频谱幅值对含水印图像进行几何校正。接着,利用柯西分布对nsst域系数进行建模,并通过子带内系数相关性及样本分位数（RSS）方法优化了模型。最后,通过柯西模型和局部最大势能（LMP）检验理论构造出局部最优检测器并进行水印提取。该方案充分利用nsst子带系数间相关性,并结合RSS方法优化了柯西分布模型。同时,所提出的局部最优检测器可显著提高数字水印检测精度。对比实验表明,所提出的图像水印算法可以较好获得不可感知性与鲁棒性的良好平衡。

关键词：图像水印 NSST变换柯西分布建模局部最优检测

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于NSST变换的微光偏振图像融合算法

激光杂志 2020年第2期41卷 103-113页

作者：沈薛晨刘钧高明西安工业大学光电工程学院

为进一步提高对微光偏振图像中目标的识别效率,提出了一种基于非下采样剪切波变换(nsst)的偏振图像融合算法。首先,通过融合得到偏振特征图像,将所含偏振信息量较多的偏振度图像和偏振角融合,通过基于区域方差与炳值加权相结合的融合算... 详细信息

为进一步提高对微光偏振图像中目标的识别效率,提出了一种基于非下采样剪切波变换(nsst)的偏振图像融合算法。首先,通过融合得到偏振特征图像,将所含偏振信息量较多的偏振度图像和偏振角融合,通过基于区域方差与炳值加权相结合的融合算法得到偏振特征图像。最后,将偏振特征图像与亮度较强的强度图像融合,低频系数的融合采用PCNN与区域能量相结合的规则,高频系数的融合采用区域特性能量的规则。实验结果表明,在主观视觉上,图像观察舒适性较好;并且,通过选取方法的对比,融合后的图像在客观评价指标上,皆优于选取的方法。

关键词：微光偏振图像图像融合 NSST变换融合规则

基于非下采样剪切波变换的红外与可见光图像融合

在线全文

学校读者我要写书评

暂无评论

光电子．激光 2020年第10期31卷 1062-1073页

作者：王昭杜庆治董安勇苏斌赵文博昆明理工大学信息工程与自动化学院云南昆明650500 昆明北方红外技术股份有限公司云南昆明650500

由于传统稀疏表示(SR)冗余字典单一,脉冲耦合神经网络(PCNN)模型参数设置复杂,为了解决上述问题,提出了基于非下采样剪切波变换(nsst)的红外与可见光图像融合算法。该算法首先通过nsst将源图像分解成低频子带和高频子带。然后,使用自适... 详细信息

由于传统稀疏表示(SR)冗余字典单一,脉冲耦合神经网络(PCNN)模型参数设置复杂,为了解决上述问题,提出了基于非下采样剪切波变换(nsst)的红外与可见光图像融合算法。该算法首先通过nsst将源图像分解成低频子带和高频子带。然后,使用自适应稀疏表示(ASR)模型进行nsst域低频部分稀疏系数的融合;同时,采用参数自适应脉冲耦合神经网络(PA-PCNN)模型融合相应的高频部分。最后,对融合后的低频和高频波段进行nsst反变换,重建得到融合结果图。实验结果表明:该算法解决了传统SR模型的"块效应"问题,克服了PCNN模型中自由参数的设置难点,在主观视觉和客观评价上均优于现有算法。

关键词：图像融合 NSST变换自适应稀疏表示参数自适应脉冲耦合神经网络

基于MVOtsu和对数型模糊隶属度函数的电力设备nsst域红外图像增强

在线全文

学校读者我要写书评

暂无评论

高压电器 2020年第9期56卷 179-185页

作者：朱颖王昕王爱平粟莲上海交通大学电工与电子技术中心上海200240 国网四川省电力有限公司巴中供电公司四川巴中636600

针对电力设备红外图像细节模糊、边缘不清等问题,提出了一种基于非下采样剪切波变换(nonsubsampled shearlet transform,nsst)域的电力设备红外图像处理方法。该方法采用nsst将原始图像分为高频部分和低频部分。为了精确分割低频电力设... 详细信息

针对电力设备红外图像细节模糊、边缘不清等问题,提出了一种基于非下采样剪切波变换(nonsubsampled shearlet transform,nsst)域的电力设备红外图像处理方法。该方法采用nsst将原始图像分为高频部分和低频部分。为了精确分割低频电力设备与背景环境并提高二者对比度,低频部分设计了一种结合均值与方差的MVOtsu(mean and variation otsu)算法,并分别对设备和背景进行线性增强和直方图均衡增强。为了增强高频边缘细节,抑制非边缘噪声,高频部分提出一种对数型模糊隶属度函数,将隶属度值域下界拓展到0,解决经典Pal-King隶属度增强后逆映射时低灰度值区域扁平化问题。最后按照NSST变换合成增强结果。该算法与相关算法相比,边缘强度、信息熵、对比度、标准差等评价指标至少增长15.06%、2.03%、33.78%、1.28%。实验结果表明:文中算法能有效的提高电力设备红外图像整体对比度,对细节和边缘增强效果明显,便于人眼识别和智能故障定位,适用于变电站、巡线等多种环境红外图像增强处理。

关键词：电力设备红外图像 NSST变换 MVOtsu算法模糊隶属度边缘增强

基于影像融合的内陆水体叶绿素a浓度的反演建模研究

在线全文

学校读者我要写书评

暂无评论

基于影像融合的内陆水体叶绿素a浓度的反演建模研究

作者：崔江南长春理工大学

学位级别：硕士

太湖作为我国五大淡水湖之一,近年来水体一直处于富营养化状态。叶绿素a作为水体的重要组成成分之一,可以用来对水质状况进行监测。因为遥感技术具备探测范围广、成像时间短、价格低廉等优点,很多学者在太湖基于单一遥感影像进行了大量... 详细信息

太湖作为我国五大淡水湖之一,近年来水体一直处于富营养化状态。叶绿素a作为水体的重要组成成分之一,可以用来对水质状况进行监测。因为遥感技术具备探测范围广、成像时间短、价格低廉等优点,很多学者在太湖基于单一遥感影像进行了大量叶绿素a浓度反演相关的研究,目前已取得了较多的研究成果,但由于所建立的反演模型不具备普适性,往往不能直接应用到其它内陆水体叶绿素a浓度的反演建模中。这主要是因为单个传感器获得的目标图像信息有限,导致在实际应用中往往不能满足高精度要求,而遥感影像融合技术能将多幅遥感影像中的有效信息进行综合,最大程度上完善目标图像信息,基于此本文设计了一种基于IHS变换和和非下采样剪切波变换(nsst)的混合遥感影像融合方法,并将融合结果应用到太湖水体叶绿素a浓度反演建模中。首先,利用ENVI对太湖遥感数据(Landsat-7 ETM+、HJ-1B CCD1)进行辐射定标、大气校正等预处理,接着使用Landsat-7 ETM+全色影像对Landsat-7 ETM+和HJ-1B CCD1多光谱影像进行图像配准。就图像配准中涉及的Nearest Neighbor、Bilinear和Cubic Convolution三种重采样方法而言,Cubic Convolution的配准效果最佳。然后,基于提出的IHS变换和和非下采样剪切波变换(nsst)的影像融合方法,设计了低频分量采用区域能量-区域梯度-导通滤波器(RE-RG-GF)实现融合、高频分量采用自适应脉冲耦合神经网络(PA-PCNN)实现融合的融合策略,所得结果不仅可以很好地保持多光谱影像的色彩信息,还可以最大程度上提升空间细节信息,融合效果优于其它图像融合方法。最后,通过对融合后影像波段反射率进行相关性分析,选择相关性较高的波段或波段组合进行太湖水体叶绿素a浓度的反演。反演结果表明,波段组合优于单波段反演效果,就融合前后波段相关性而言,融合后波段相关性少部分提高、大部分降低,原因可能是在图像融合的过程中丢失了某些与叶绿素a浓度相关的光谱信息,导致最终反演精度降低,后续应该继续就融合影像与原始影像之间的光谱差异展开研究,优化反演模型。

关键词：影像融合叶绿素a IHS变换 NSST变换反演建模

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于卷积神经网络的红外与可见光图像融合

红外技术 2020年第7期42卷 660-669页

作者：董安勇杜庆治苏斌赵文博于闻昆明理工大学信息工程与自动化学院云南昆明650500 昆明北方红外技术股份有限公司云南昆明650500

非下采样剪切波变换(nsst)域中低频子带的融合需要人工给定融合模式,因此未能充分捕获源图像的空间连续性和轮廓细节信息。针对上述问题,提出了基于深度卷积神经网络的红外与可见光图像融合算法。首先,使用孪生双通道卷积神经网络学习N... 详细信息

非下采样剪切波变换(nsst)域中低频子带的融合需要人工给定融合模式,因此未能充分捕获源图像的空间连续性和轮廓细节信息。针对上述问题,提出了基于深度卷积神经网络的红外与可见光图像融合算法。首先,使用孪生双通道卷积神经网络学习nsst域低频子带的特征来输出衡量子带空间细节信息的特征图。然后,根据高斯滤波处理的特征图设计了基于局部相似性的测量函数来自适应地调整nsst域低频子带的融合模式。最后,根据nsst域高频子带的方差、局部区域能量以及可见度特征来自适应地设置脉冲耦合神经网络参数完成nsst域高频子带的融合。实验结果表明:该算法Q^AB/F指标略弱于对比算法,但SF、SP、SSIM以及VIFF指标分别提高了约50.42%、14.25%、7.91%以及61.67%,有效地解决了低频子带融合模式给定的问题,同时又克服了手动设置PCNN参数的缺陷。

关键词：图像融合卷积神经网络参数自适应脉冲耦合神经网络 NSST变换

基于块匹配和NLPM扩散模型的组合去噪算法

在线全文

学校读者我要写书评

暂无评论

计算机与数字工程 2023年第9期51卷 2130-2136页

作者：张翔周先春南京信息工程大学电子与信息工程学院南京210044 江苏省大气环境与装备技术协同创新中心南京210044 南京信息工程大学人工智能学院(未来技术学院) 南京210044

针对传统去噪算法对边缘和纹理等细节信息保护能力不足的问题。论文提出一种基于块匹配和NLPM扩散模型的组合图像去噪算法。首先对噪声图像进行块匹配和硬阈值滤波得到基础估计图像,然后用nsst非下采样剪切波变换提取高频系数,再用NLPM... 详细信息

针对传统去噪算法对边缘和纹理等细节信息保护能力不足的问题。论文提出一种基于块匹配和NLPM扩散模型的组合图像去噪算法。首先对噪声图像进行块匹配和硬阈值滤波得到基础估计图像,然后用nsst非下采样剪切波变换提取高频系数,再用NLPM模型对提取的高频系数进行扩散滤波处理,最后逆nsst重构低频子带和滤波后的高频子带得到最终去噪图像。实验表明,论文算法在峰值信噪比和结构相似度上都得到了有效的提高。

关键词： BM3D NSST变换 NLPM扩散模型图像去噪

在线全文

学校读者我要写书评

暂无评论

基于频域增强和CNN的图像去噪算法研究

基于频域增强和CNN的图像去噪算法研究

作者：董玉西安理工大学

学位级别：硕士

随着信息化时代的到来,人们接收的信息不再是单一的语音信号,更多的是图像信号,这是人类进行信息传播和交流的主要途径。但是图像信息在传输的过程中会受到各种噪声的干扰,噪声会使图像细节丢失、图像模糊,因此,图像去噪一直是研究热点... 详细信息

随着信息化时代的到来,人们接收的信息不再是单一的语音信号,更多的是图像信号,这是人类进行信息传播和交流的主要途径。但是图像信息在传输的过程中会受到各种噪声的干扰,噪声会使图像细节丢失、图像模糊,因此,图像去噪一直是研究热点。目前己经有大量的图像去噪算法被提出来,取得了较好的效果。然而,在去除噪声的同时保持图像更多的边缘细节特征依旧是图像去噪问题的研究关键。本文针对此问题,从保留图像的边缘细节特征出发,将频域增强和卷积神经网络两者相结合,来研究图像去噪问题。具体工作内容包括:（1）提出了一种基于NSCT域和残差网络的图像去噪算法。首先,使用NLM去噪算法对噪声图像进行预去噪,然后将此结果进行Canny边缘检测获得边缘矩阵;同时,对原噪声图像进行NSCT分解,得到其高频子带;通过边缘矩阵定位边缘像素位置,放大高频子带中对应的边缘系数,再经NSCT反变换,从而获得边缘增强的噪声图像;最后,把边缘增强的噪声图像再输入到残差网络训练,得到最终的去噪图像。实验表明本方法取得了良好的去噪效果,去噪图像能够保留更多的边缘纹理细节信息。（2）提出了一种基于nsst域和Res2Net网络的图像去噪算法。首先,对噪声图像使用均值滤波算法进行预去噪;对预处理得到的图像再进行NSST变换,得到一个低频子带图和多个高频子带;把各个高频子带和低频子带分别输入到Res2Net中进行训练学习;最后,把经过训练的各个高频子带和低频子带经nsst逆变换重构,得到最终去噪图像。实验表明本方法能够得到清晰的视觉效果和较高的指标。

关键词：图像去噪 NSCT变换残差网络 NSST变换 Res2Net网络