基于Contourlet變換的圖像處理關(guān)鍵技術(shù)研究.pdf

1、多尺度幾何分析理論(Multiscale Geometric Analysis，MGA)是近年來在計算理論與調(diào)和分析的基礎(chǔ)上所發(fā)展起來的面向高維信號處理的重要理論，其主要分析工具包括Brushlet、Wedgelet、Beamlet、Ridgelet、Curvelet、Bandelet以及Contourlet和非下采樣Contourlet(Nonsubsampled Contourlet Transform，NSCT)等。MGA理論的目

2、的在于通過對圖像內(nèi)在的幾何結(jié)構(gòu)如輪廓、邊緣和紋理等進行高效逼近和描述，從而更有效地檢測、表示和處理高維空間數(shù)據(jù)，從根本上克服了二維小波變換不能有效提取圖像結(jié)構(gòu)中的直線和曲線等高維奇異性且只能獲得有限方向性信息的缺陷，具有廣闊的應(yīng)用前景。研究多尺度幾何分析理論并結(jié)合具體的圖像處理應(yīng)用給出性能更好的處理算法，具有重要的理論意義和實際應(yīng)用價值，已成為當前國內(nèi)外圖像信號處理領(lǐng)域的研究熱點。Contourlet是新興的MGA工具，除具備良好的多尺

3、度、局部化、各向異性以及多方向特性，還兼具便捷的實現(xiàn)方式和數(shù)字處理的友好性；此外非下采樣Contourlet在Contourlet的基礎(chǔ)上進一步擴展，提供良好的平移不變特性，代表了高維信號處理方法的發(fā)展趨勢。本文以這兩類多尺度幾何分析工具為主線，對其理論及在若干圖像處理應(yīng)用中的關(guān)鍵技術(shù)進行深入研究。主要研究內(nèi)容包括：
　　 ⑴深入探討了多尺度幾何分析能夠獲得更優(yōu)異圖像處理性能的深層次原因；研究了Contourlet和非下采樣Co

4、ntourlet的基本原理、實現(xiàn)方案、濾波器組設(shè)計等，詳細分析了其所擁有的方向性、多尺度、局部化、各向異性，以及數(shù)字處理的友好性和稀疏表達方式等優(yōu)良特性；證明了Contourlet和非下采樣Contourlet能夠高效捕捉自然圖像的高維奇異性，更加適合于各類圖像等高維信號表達和處理任務(wù)，如圖像融合、圖像去噪、數(shù)字水印、邊緣檢測等等。
　　 ⑵針對不同醫(yī)學影像設(shè)備獲得的多源圖像信息有效融合和綜合利用的問題，提出了一種基于Conto

5、urlet區(qū)域特性的醫(yī)學圖像融合算法(CRSIF算法)。該算法借助于Contourlet變換的優(yōu)良特性，在Contourlet變換域綜合使用加權(quán)平均和選擇方式實現(xiàn)頻域系數(shù)的有效融合。為保證融合圖像與人類視覺系統(tǒng)(HVS)的感知特性相吻合，使用了基于區(qū)域的融合規(guī)則：低頻子帶采用加權(quán)局部能量，高頻子帶基于尺度間內(nèi)在的樹型結(jié)構(gòu)使設(shè)計并使用了Contourlet區(qū)域方向?qū)Ρ榷?。通過對CT/MR醫(yī)學圖像的仿真實驗證明了該算法的有效性。
　　

6、 ⑶針對成像系統(tǒng)中焦平面外的目標呈現(xiàn)模糊形態(tài)不能真實反映外界場景信息的問題，提出了一種基于光學成像機理的Contourlet域多聚焦圖像融合算法(OIPIF算法)。在詳細探討離焦成像系統(tǒng)的低通函數(shù)特性的基礎(chǔ)上，針對低頻/高頻系數(shù)特點設(shè)計兩類區(qū)域性聚焦度量準則，并制定了相應(yīng)的模值取大系數(shù)選擇方案，結(jié)合Contourlet變換的獨特優(yōu)勢在變換域的不同子帶獨立實施系數(shù)融合。該算法能夠得到與標準清晰圖像更為接近的融合圖像，在綜合性能方面有顯著

7、提升。
　　 ⑷將NSCT引入抗幾何攻擊數(shù)字水印技術(shù)中，提出了一種基于SIFT特征的NSCT域抗幾何攻擊水印算法(SND算法)。該算法通過提取宿主圖像在空間域的尺度不變特征變換(SIFT)特征，在有效特征點周圍的圓形區(qū)域?qū)嵤┒喑叨萅SCT，借助于NSCT的時頻不變性和冗余性，在變換域的低頻系數(shù)中完成水印信息嵌入。為進一步提高算法抗幾何攻擊的性能，該算法中同時提出了一種基于等面積圓環(huán)區(qū)域的水印嵌入方案。實驗結(jié)果表明該算法具有良好的

8、抗幾何攻擊特性和優(yōu)秀的不可見性。
　　 ⑸針對激光水下成像過程中存在不同程度的散斑噪聲使圖像的質(zhì)量變差問題，提出了一種基于NSCT變換的激光水下圖像散斑抑制算法(CTSNS算法)。系統(tǒng)研究了激光成像中的散斑產(chǎn)生機理與統(tǒng)計特性，在此基礎(chǔ)上將原始圖像經(jīng)對數(shù)同態(tài)變換和NSCT變換進行處理，通過施加約束條件，依據(jù)NSCT高頻子帶的系數(shù)分布模型等先驗信息，設(shè)計了尺度相關(guān)的Bayes閾值對高頻子帶系數(shù)實施閾值萎縮，最后通過逆變換和指數(shù)運算重

9、構(gòu)圖像。該算法在有效抑制散斑的同時較好地保持了激光圖像中目標的邊緣結(jié)構(gòu)，較好地改善了圖像的主客觀效果。
　　 ⑹針對傳統(tǒng)邊緣檢測算法在定位精度、輪廓平滑性和噪聲抑制等方面存在的不足，首次將NSCT技術(shù)應(yīng)用到圖像邊緣檢測中，提出了一種基于NSCT的多尺度邊緣檢測算法(NIED算法)。該算法將原始圖像分解至NSCT變換域，針對低頻子帶與多個尺度上的高頻子帶的特性分別提取邊緣信息：低頻子帶使類似于Canny算子的空間域檢測算法，高頻子