一种基于杜鹃搜索算法的Contourlet变换图像融合方法.pdf
努力****绮亦
在线预览结束,喜欢就下载吧,查找使用更方便
相关资料
一种基于杜鹃搜索算法的Contourlet变换图像融合方法.pdf
本发明公开了一种基于杜鹃搜索算法的Contourlet变换图像融合方法,对配准后的源图像A、B,分别进行Contourlet变换,得到1个低频子带和不同尺度、不同方向的多个高频子带;按照定义的融合规则在所有尺度和方向上对两幅图像的变换系数进行融合,得到融合后的系数;融合图像为R,对于融合后的系数,按照其低频子带和高频子带的顺序,依次进行Contourlet逆变换;最后输出融合后的图像。本发明与传统的图像融合方法相比,对各尺寸各方向上的融合系数权重进行了加权处理,计算出最优权值,并以此提出一种优化的Cont
基于Contourlet变换的图像融合算法的开题报告.docx
基于Contourlet变换的图像融合算法的开题报告一、选题背景及意义随着现代科技的不断发展,图像的获取和处理技术也在不断地进步,应用范围也不断扩大。而图像融合技术作为图像处理技术的一个重要分支,主要是将多幅源图像通过一定的算法融合为一幅整合的图像,其目的是提高图像的清晰度、对比度及细节信息等方面,从而更好的满足人们对于图像质量的需求。同时,图像融合技术还广泛应用于机器视觉、医学诊断、卫星遥感、军事侦察、安防监控等领域。传统的图像融合算法主要包括像素级融合和变换域融合两种方法,其中像素级融合是指将两幅图像
一种基于Contourlet变换的图像拼接检测方法.pdf
本发明提供一种基于Contourlet变换的图像拼接检测方法,利用Contourlet变换能够很好的描述图像中的轮廓和方向性纹理信息的优点,首先对训练图像进行Contourlet变换后提取Markov特征,并使用基于支持向量机的回归特征消除方法SVM‑RFE对特征集进行降维,提升检测效率和准确率,使用降维后的特征集训练找到最优参数并得到SVM分类模型,然后对测试图像提取相应的特征向量,使用得到的分类模型对测试图像的特征向量进行分类预测,得到测试图像是否经过拼接操作的判断结果。本发明在一种新的变换域提取特征
基于Contourlet变换的压缩感知图像稀疏方法.pdf
本发明公开了一种基于Contourlet变换的压缩感知图像稀疏方法,对经过Contourlet变换的图像系数利用随机高斯矩阵进行观测,得到少量系数,根据这些少量系数,利用正交匹配追踪算法进行重构,再进行Contourlet逆变换得到重构图像。该方法处理图像时,所需数据量少,且恢复图像质量好,对纹理、轮廓等细节信息具有较好的保持能力。采用本发明的基于Contourlet变换的压缩感知图像稀疏方法,相对于基于改进层式DCT的压缩感知编码仍具有多分辨力特性,且图像的压缩效果有显著改善。能有效地捕捉图像的纹理及轮
基于非亚采样Contourlet变换的图像融合研究的综述报告.docx
基于非亚采样Contourlet变换的图像融合研究的综述报告非亚采样Contourlet变换是一种针对图像融合领域的新型变换方法。通过该方法,可以将多个图像进行融合,以获得更好的图像质量和信息提取能力。本文将对非亚采样Contourlet变换的原理、应用、优缺点以及发展方向进行综述。一、非亚采样Contourlet变换原理Contourlet变换是一种多尺度局部分析技术,可以用于图像压缩、去噪、特征提取和图像融合等方面。传统的Contourlet变换是基于小波变换的基础上发展起来的,它的主要优点是可以分析