学位论文 > 优秀研究生学位论文题录展示

Contourlet变换及其在图像处理中的应用研究

作　者: 沈敏
导　师: 梁栋
学　校: 安徽大学
专　业: 信号与信息处理
关键词: Contourlet变换 小波变换 图像去噪 图像融合 Cycle Spinning
分类号: TN911.73
类　型: 硕士论文
年　份: 2006年
下　载: 708次
引　用: 9次
阅　读: 论文下载
 

内容摘要


Contourlet变换的主要目的是为了获得含有线和面奇异的图像的稀疏表示，它不仅继承了小波变换的多分辨率时频分析特征，而且拥有良好的各向异性特征。Contourlet变换是由塔形方向滤波器组(PDFB)把图像分解成各个尺度上的带通方向子带，Contourlet变换的最终结果是用类似线段的基结构来逼近原图像。Contourlet变换是一种灵活的多分辨率、多方向性的变换，它允许每个尺度上有不同数目的方向。Contourlet能够很好地表示图像的各向异性特征，更好地捕获图像边缘信息，在图像处理应用中能比小波变换更好地表示图像的边缘及纹理特征。 本文对Contourlet变换及其在图像去噪与多聚焦图像融合上的应用进行了较为系统的研究，主要研究内容和成果如下： 1．详细研究了二维可分离小波变换的原理与实现算法，以及小波变换在图像处理中的成功与不足。详细研究了Contourlet变换的原理与实现算法，并就相关实验说明了Contourlet变换对小波变换的超越。 2．详细研究了基于小波变换的图像阈值去噪算法的原理，以及阈值去噪中阈值函数的设计、阈值的确定。提出了一种基于Contourlet变换的图像去噪算法，运用Contourlet变换良好的方向性和各向异性进行阈值去噪。由于Contourlet变换能比小波变换更好地表示图像的边缘特征，所以能更好地保护图像的边缘特征和纹理信息，使去噪后的结果图像视觉效果更佳。 3．详细研究了基于小波变换的多聚焦图像融合算法的原理，以及多聚焦图像融合中融合规则的设计与选择。提出了一种基于小波-Contourlet变换的多聚焦图像融合算法，利用小波-Contourlet变换良好的方向性与各向异性进行多聚焦图像融合，利用小波良好的去相关特性避免Contourlet变换第一级中LP变换对融合效果的影响，使融合后图像的视觉效果更佳。 4．由于Contourlet变换与小波-Contourlet变换中下采样的存在，Contourlet变换与小波-Contourlet变换都缺乏平移不变性。本文引入递归Cycle Spinning与

全文目录


摘要  4-6
Abstract  6-8
目录  8-10
插图清单  10-11
Illustration List  11-12
第一章 引言  12-17
  1.1 选题背景及研究目的  12-13
  1.2 相关研究内容  13-15
  1.3 论文组织结构  15-17
第二章 从小波变换到X-let  17-26
  2.1 小波变换  17-19
  2.2 离散小波变换与多分辨率几何分析  19-22
    2.2.1 多分辨率分析  19-20
    2.2.2 小波函数与小波空间  20-21
    2.2.3 图像的二维小波变换  21-22
  2.3 X-let  22-26
    2.3.1 小波变换在图像处理中的缺陷  22-24
    2.3.2 X-let  24-26
第三章 Contourlet变换  26-36
  3.1 Contourlet变换  26-32
    3.1.1 LP变换  28-29
    3.1.2 方向滤波  29-30
    3.1.3 方向滤波器组  30-32
  3.2 小波-Contourlet变换  32-34
  3.3 图像表示能力实验  34-36
第四章 基于Contourlet变换的图像去噪  36-47
  4.1 基于小波交换的图像去噪  36-38
  4.2 阈值处理过程中相关问题  38-42
    4.2.1 阈值处理函数与阈值选取  38-41
    4.2.2 噪声估计  41
    4.2.3 递归Cycle Spinning  41-42
  4.3 基于Contourlet变换的图像去噪  42-46
    4.3.1 算法描述  43-44
    4.3.2 实验结果与分析  44-46
  4.3 小结  46-47
第五章 基于Contourlet变换的多聚焦图像融合  47-60
  5.1 基于小波变换的图像融合  47-49
  5.2 基于小波-Contourlet变换的图像融合  49-59
    5.2.1 融合规则的选取  50-52
    5.1.2 融合质量评价  52-53
    5.1.3 算法描述  53-54
    5.1.4 实验结果与分析  54-59
  5.3 小结  59-60
第六章 总结与展望  60-62
  6.1 全文工作总结  60-61
  6.2 工作展望  61-62
参考文献  62-67
攻读硕士期间发表的论文  67
攻读硕士期间参加的科研项目  67-68
致谢  68

相似论文

  1. 图像拼接技术研究,TP391.41
  2. 基于TMS320C6713的SPIHT图像压缩算法研究及实现,TP391.41
  3. 双传感器图像联合目标检测及系统实现研究,TP391.41
  4. 图像的稀疏表示及编码模型研究,TP391.41
  5. 医学超声图像去噪方法研究,TP391.41
  6. 唇读中的特征提取、选择与融合,TP391.41
  7. 高光谱与高空间分辨率遥感图像融合算法研究,TP751
  8. 羊绒与羊毛纤维鉴别系统的研究,TS101.921
  9. ASAR与MODIS协同的海洋溢油信息提取,X87
  10. 基于小波变换的三维模型特征提取技术的研究与实现,TP391.41
  11. 轮廓波变换及其在图像处理中的应用,TP391.41
  12. 基于小波的雷达视频压缩方法研究,TN957.52
  13. 一种多数据流聚类异常检测算法,TP311.13
  14. 基于图像的信息隐藏技术研究,TP309.7
  15. 基于DM6446与小波的图像压缩系统设计与实现,TP391.41
  16. 结合DWT的动态数据校正研究及应用,TP274
  17. 基于小波变换和马尔可夫链的流量预测模型,TP393.06
  18. 基于小波变换的信号稀疏表示及其在图像去噪中的应用,TP391.41
  19. 基于离散小波变换的图像水印算法研究,TP309.7
  20. 脑部CT图像的压缩应用,TP391.41
  21. 一类工具加工痕迹的检验识别,TP391.41

中图分类: > 工业技术 > 无线电电子学、电信技术 > 通信 > 通信理论 > 信号处理 > 图像信号处理
© 2012 www.xueweilunwen.com