搜索结果: 1-15 共查到“NSCT”相关记录21条 . 查询时间(0.078 秒)
针对现有分割算法对高噪声侧扫声呐图像分割准确率低的问题，提出了一种综合利用NSCT（non-subsampled contourlet transform）分解图像、局部标准差和均值组合增强图像和多重分形判断图像奇异性的侧扫声呐图像分割方法。首先，借助NSCT分解图像，获得滤除高频噪声且保留轮廓信息的低频图像和一系列高频方向子带图像。然后，基于侧扫声呐图像中目标及其阴影伴随出现的特点，计算低频图像...
基于人眼视觉特性的NSCT医学图像自适应融合
医学图像融合 人类视觉特征 加权结构相似度 非间隔采样轮廓变换 拉普拉斯能量和方向对比度 脉冲耦合神经网络
font style='font-size:12px;'>
2016/12/27
医学图像融合对于临床诊断具有重要的应用价值.针对多模态医学图像特性，本文提出一种基于人类视觉特性的医学图像自适应融合方法.首先，对经配准的源图像进行非间隔采样轮廓变换（（Nonsubsampled Coutourlet，NSCT）多尺度分解，得到低频子带和若干高频方向子带；其次，根据低频子带集中了大部分源图像能量和决定图像轮廓的特点，采用区域能量与平均梯度相结合的方法进行融合；根据人眼对图像对比度...
NSCT域内结合边缘特征和自适应PCNN的红外与可见光图像融合
图像融合 非下采样Contourlet变换 脉冲耦合神经网络 边缘特征 空间频率 红外图像
font style='font-size:12px;'>
2016/12/30
针对传统的基于多尺度变换的红外与可见光图像融合,对比度不高,边缘等细节信息保留不充分等问题,结合NSCT变换的多分辨率、多方向特性和PCNN全局耦合、脉冲同步激发等优点,提出一种基于NSCT变换结合边缘特征和自适应PCNN红外与可见光图像融合算法.对于低频子带,采用一种基于边缘的融合方法;对于高频方向子带,采用方向信息自适应调节PCNN的链接强度,使用改进的空间频率特征作为PCNN的外部激励,根据...
NSCT域内基于改进PCNN和区域能量的多光谱和全色图像融合方法
图像融合 非下采样Contourlet变换 脉冲耦合神经网络 区域能量
font style='font-size:12px;'>
2016/9/2
针对多光谱和全色图像的融合，提出了一种NSCT域内基于改进脉冲耦合神经网络（PCNN）和区域能量的融合方法。首先，利用NSCT将图像分解为一个低频子带和多个不同方向的带通子带。然后，对分解后的低频子带采用基于区域能量的自适应加权算法进行融合；在带通方向子带，结合改进的脉冲耦合神经网络，使用带通方向子带系数作为PCNN的外部输入激励，经过PCNN点火获得待融合图像的点火映射图，根据点火时间计算点火映...
基于NSCT的红外与可见光图像融合算法
基于NSCT 红外 可见光图像 融合算法
font style='font-size:12px;'>
2012/10/26
针对红外与可见光图像融合，提出了一种基于NSCT的图像融合方法?首先对图像进行NSCT分解；然后对分解后的子带系数采用基于区域能量匹配度的融合规则分别进行融合:对于低频子带，使用区域能量和方差构造决策值，并使用决策值选大与加权平均相结合的方法进行融合，对于高频子带的最高层采用像素绝对值选大法进行图像融合，对于高频子带的其他层，采用基于区域能量匹配度的区域方差选大的融合规则进行融合；最后使用NSCT...
基于NSCT的遥感图像模糊增强算法
遥感图像 图像增强 非下采样Contourlet变换 模糊增强 自适应阈值
font style='font-size:12px;'>
2012/3/12
针对传统小波变换增强方法无法调整图像亮度的问题，提出一种基于非下采样Contourlet变换(NSCT)的遥感图像模糊增强算法。对遥感图像进行NSCT变换，得到图像的高通子带和低通子带，在高通子带设置阈值，对大于阈值的高通子带系数进行线性增强，小于阈值的系数置为0，对低通子带进行模糊对比增强。实验结果表明，该算法能获得较好的图像平均值和熵值，视觉效果较优。
侧扫声纳图像的NSCT域模极大值边缘检测
侧扫声纳图像 非下采样Contourlet变换域 去噪 模极大值 边缘融合 边缘检测
font style='font-size:12px;'>
2012/3/1
侧扫声纳图像边缘检测较困难，为此，提出一种针对该图像特点的多尺度边缘检测方法。对侧扫声纳图像进行非下采样Contourlet变换(NSCT)分解，根据斑点噪声在NSCT域的分布特点，进行局部自适应去噪。通过各方向子带沿边缘方向的插值和非极大值抑制寻找模极大值点。通过类内方差最小化法自适应确定阈值，由阈值处理得到各子带的边缘。经边缘融合实现完整的边缘图。实验结果表明，该方法具有边缘检测完整、定位准确...
基于NSCT 域感受野模型的图像融合方法
非下采样轮廓波变换 感受野 脉冲耦合神经网络
font style='font-size:12px;'>
2014/9/25
针对多传感器图像融合问题, 提出了一种基于非下采样轮廓波变换域感受野模型的图像融合方法. 首先, 采用非下采样轮廓波变换对源图像进行多尺度、多方向稀疏分解; 然后, 对低频子图像采用改进型感受野模型进行融合, 高频子图像则采用自适应Unit-Fast-Linking 脉冲耦合神经网络模型进行融合; 最后, 将各子图像进行非下采样轮廓波逆变换, 得到最终融合图像. 仿真实验表明了所提出方法的有效性.
基于NSCT和Tsallis熵的SAR图像快速分割方法
SAR图像分割 非下采样Contourlet变换 Tsallis熵 混沌粒子群优化 递推算法
font style='font-size:12px;'>
2013/8/19
针对小波域SAR图像分割结果粗糙及运算速度低的不足，本文提出一种基于非下采样Contourlet变换(NSCT)和混沌粒子群优化(CPSO)的最大Tsallis熵的SAR图像快速分割方法。首先，利用NSCT提取SAR图像的概貌和细节信息，并建立相应的概貌-细节灰度级矩阵模型；然后，利用Tent映射CPSO算法搜索最优阈值，并提出递推算法大大减少迭代过程中适应度函数的重复计算。实验结果表明，与小波域...
基于自类推的NSCT域单幅图像超分辨率重建
图像处理 超分辨率 非下采样Contourlet变换 图像类推
font style='font-size:12px;'>
2011/12/23
单幅图像放大是一个病态问题。本文利用图像局部结构的自相似性和可传递性，结合非下采样Contourlet变换(NSCT)的优点，提出一种基于自类推的NSCT域单幅图像超分辨率重建方法。首先采用NSCT对源图像和退化图像进行多尺度、多方向分解，得到用于学习的低通子带对和各带通方向子带对，再利用图像自类推技术生成高分辨率的低通子带和各带通方向子带，最后进行NSCT重构得到超分辨率重建的图像。实验结果表明...
基于改进型NSCT 变换的灰度可见光与红外图像融合方法
冗余提升不可分离小波 非下采样轮廓波变换 平移不变性
font style='font-size:12px;'>
2014/9/19
针对灰度可见光与红外图像融合, 提出一种基于改进型非下采样轮廓波变换(NSCT) 的图像融合方法. 不同于经典NSCT模型, 改进型NSCT 变换摈弃了细节捕捉能力不强的非下采样金字塔分解机制, 采用冗余提升不可分离小波变换实现对源图像的多尺度分解; 然后, 分别采用基于区域平均能量匹配度、邻域系数差和信息熵的融合规则,得到融合图像的低频系数和高频系数; 最后, 通过改进型NSCT 逆变换得到了融...
基于NSCT和IHS变换域的灰度可见光与红外图像融合方法
图像融合方法 亮度 色调 饱合度变换 非下采样轮廓波变换 彩色传递
font style='font-size:12px;'>
2013/5/7
针对灰度可见光与红外图像的融合问题，提出了一种基于非下采样轮廓波变换(nonsubsampled contourlet transform, NSCT)和IHS变换域的自适应融合方法。该方法利用IHS变换域的有效分离图像亮度信息和光谱信息的优势，对灰度可见光图像进行彩色传递并得到亮度、色调、饱合度(intensity hue saturation, IHS)三个分量的值；然后通过NSCT变换分别...
基于NSCT域I2CM的图像融合方法
图像融合 非下采样轮廓波变换 交叉视觉皮层模型 赋时矩阵
font style='font-size:12px;'>
2013/2/28
针对多传感器图像融合问题, 提出一种基于非下采样轮廓波变换域改进型交叉视觉皮层模型的图像融合方法. 首先, 采用非下采样轮廓波变换对源图像进行多尺度、多方向稀疏分解; 然后对经典交叉视觉皮层模型进行改进, 改进后的模型不仅待定参数更少, 而且可以自适应地确定迭代次数; 最后利用其实现对各子图像的融合并进行非下采样轮廓波逆变换获得最终融合图像. 实验结果验证了该方法的有效性.
基于非降采样Contourlet变换（NSCT）的红外与可见光图像融合及稳健性分析
图像融合 红外图像 可见光图像 非降采样Contourlet变换
font style='font-size:12px;'>
2014/9/15
提出一种基于区域显著性融合规则的非降采样Contourlet 变换的红外与可见光图像融合方法. 首先, 对来自同一场景图像的红外与可见光图像的??分量进行非降采样Contourlet变换; 然后, 依照区域匹配度量和显著性度量规则进行融合, 而融合图像通过非降采样Contourlet反变换即可得到. 最后, 针对此方法进行大量实验, 并将其融合结果与基于小波变换及拉普拉斯金子塔变换的融合结果进行比...
基于区域分割的NSCT域SAR与全色图像融合算法
多阈值分割 无下采样Contourlet变换 区域均值比
font style='font-size:12px;'>
2013/5/3
提出了一种基于多阈值分割和无下采样Contourlet变换(nonsubsampled Contourlet transform, NSCT)的SAR与全色图像融合算法。首先对降斑SAR图像作多阈值分割，并定义了区域均值比量测算子将SAR图像进行区域划分；然后采用NSCT对降斑SAR图像和全色图像进行多尺度、多方向分解，分解后的低频部分根据区域均值比量测算子进行区域融合，高频部分则采用区域与窗口邻...