针对低亮度图像存在的对比度低、边缘弱、噪声干扰等问题,提出了一种基于改进量子和声搜索(QHS)算法优化模糊集变换的非下采样Contourlet变换(NSCT)域图像增强方法。首先,将低亮度图像进行NSCT分解,得到低频图像和多尺度高频子带图像。然后,改进QHS算法的量子旋转门更新策略,并将改进的QHS算法用于模糊集变换参数的优化以实现低频图像的自适应增强。接着,根据能量分布对贝叶斯萎缩阈值进行改进以去除高频子带的噪声系数,并通过非线性增益函数实现了边缘和纹理细节的增强。最后,对增强后的各尺度图像进行NSCT重构。对低照度图像、医学计算机断层成像(CT)图像、红外夜视等低亮度图像进行了实验,结果表明,与现有的图像增强方法相比,所提方法不仅改善了图像的整体亮度,还具有更高的信息熵、对比度和清晰度。此外,所提方法在有效抑制噪声的同时保留了更多的纹理细节,且适用于不同环境下的低亮度图像增强。

针对噪声图像边缘模糊、边缘检测困难的问题,提出了一种结合分数阶微分的噪声图像非下采样contourlet变换 (NSCT)域边缘检测方法。该方法首先对图像进行NSCT分解,对低频子带的轮廓进行针对性提取;其次对于边缘细节和噪声较多的各方向高频子带,利用NSCT域的多尺度积和方向分数阶微分矩阵对高频系数进行阈值去噪与信息增强;最后将NSCT域各频域和方向的尺度图像进行融合,得到完整的边缘图像。对不同类型的原始图像和噪声图像进行实验,本文方法检测到的平均连续边缘像素比分别为0.931和0.861,相比Canny算子、分数阶微分检测方法和现有的多尺度域边缘检测方法,本文方法具有更好的边缘检测效果。随着图像噪声水平的增加,本文方法得到的平均连续边缘像素比较高,抗噪性强,边缘准确、完整、连续。

为了解决图像系数融合问题, 设计了基于非下采样 Contourlet变换与特征投票机制的遥感图像融合算法。采用色相饱和度 (HSV)变换从多光谱图像中提取其亮度成分。随后, 对该亮度成分与全色图像进行非下采样 Contourlet变换, 以计算相应的高频、低频系数。再建立特征投票机制, 完成低频系数的融合。通过构造高频系数融合规则, 获取融合高频系数。最后, 对融合系数进行处理, 生成融合图像。实验结果显示, 所设计算法具有更好的光谱特性以及清晰度。

针对传统图像的信息保留不充分, 以及偏振图像妨碍视觉观察、纹理细节不理想等问题, 提出了一种基于小波 -Contourlet变换(WBCT)的偏振图像融合算法。首先, 将预处理过的 4幅偏振角度图像, 通过 Stokes方法得到偏振强度图像和偏振度图像; 后采用 WBCT变换分解, 低频系数采用 PCA变换方法进行融合, 高频系数通过区域特性能量的融合规则进行融合, 最终的偏振融合图像由 WBCT逆变换高低系数获得。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。

传统的基于多尺度变换的图像融合存在对比度不高、边缘细节等信息保留不理想的问题,为解决此问题,提出了一种基于非下采样Contourlet变换的自适应模糊逻辑和自适应脉冲耦合神经网络(PCNN)的融合算法。对于低频子带方向,采用基于自适应模糊逻辑的融合规则;对于高频子带方向,采用方向信息自适应地调整PCNN的链接强度,以边缘特征作为输入激励自适应PCNN,再根据脉冲点火幅度融合子带系数。实验结果表明,所提融合算法能较好地突出融合图像的目标信息,提供丰富的背景细节,在融合图像的清晰度和人眼视觉方面取得较好的融合效果。

设计了一种压缩感知耦合梯度下降的IR-VI图像自适应融合方案。引入S-函数对IR图像进行预处理，增强其对比度。利用非下采样Contourlet变换对IR与VI图像分解，分别得到低频与高频系数。对低频系数，利用自适应区域平均能量准则对其进行融合，以减少边缘模糊。对于高频部分，引入压缩感知进行稀疏采样，再采用绝对最大值选择与自适应高斯区域标准差的融合规则，通过高斯模糊隶属度建立的自适应控制融合过程，并利用基于梯度下降迭代算法来求解稀疏信号，形成高频融合系数。通过逆NSCT生成最终融合图像。实验表明，与当前流行的红外-可见光融合算法比较，所提算法具有更高的融合质量，输出图像的信息更丰富，边缘与纹理更为清晰。所提算法具有较高的融合质量，在红外、安防以及模式识别等领域具有一定的应用价值。

针对SAR图像与可见光图像融合的特点, 提出一种基于非下采样Contourlet变换(NSCT)的SAR图像与可见光图像融合算法。通过NSCT变换对SAR图像和可见光源图像进行分解, 对低频子图像, 采用以区域熵为测度参数进行邻域融合。对高频子图像的最高层采用区域标准差选大法进行融合; 对高频子图像的其他层采用以邻域相关系数为阈值, 基于平均梯度选择的邻域算法进行融合。最后进行NSCT逆变换得到最终融合图像。实验结果表明该方法可以获得较理想的融合图像和更多的细节信息。

提出了一种基于非下采样Contourlet变换(NSCT)的雾天图像清晰化算法,将雾天图像映射到HIS彩色空间,对亮度分量H、饱和度分量S分别处理。采用NSCT处理亮度分量H,对含有大多数能量的低频分量取反,再进行改进的单尺度Retinex算法处理,将再次取反后的图像与直接进行改进的单尺度Retinex算法处理的低频分量线性叠加;采用一种快速双边滤波器对包含图像大多数线性细节的高频分量进行处理;对处理后的高低频分量进行NSCT逆变换,得到处理后的亮度分量。对饱和度分量S进行颜色拉伸,实现颜色补偿;将处理后的各分量图像反向映射到RGB颜色空间,得到清晰化后的雾天图像。实验结果表明,该算法可以获得较好的浓雾图像细节及颜色保真度,与其他算法相比,图像的标准差、信息熵、峰值信噪比都有所提高。

针对多聚焦图像融合中聚焦物体边缘衔接处产生伪影的问题，提出一种基于非下采样Contourlet变换(NSCT)与引导滤波的多聚焦图像融合算法。该算法对多聚焦图像进行NSCT分解后，利用基于边缘的加权融合方案处理低频子带系数，利用双向拉普拉斯滤波器提取带通方向子带系数的边缘和显著信息，通过引导滤波器对初始融合权重进行修正，最后利用NSCT重构获得融合后的多聚焦图像。实验结果表明，与其他融合算法相比，本文算法提高了融合图像的信息丰富度和清晰度，避免在聚焦物体边缘衔接处产生伪影，提高了融合图像的总体质量。

针对红外与可见光图像融合的特点，提出一种基于非下采样Contourlet变换(NSCT)和混合粒子群算法的红外与可见光图像融合算法。通过NSCT变换对红外图像和可见光源图像进行分解，对低频子图像，采用一种基于区域平均值改进的加权平均法进行邻域融合，对高频子图像的最高层采用区域标准差选大法进行融合；对高频子图像的其他层采用以混合粒子群优化算法选取阈值，基于平均梯度选择的邻域算法进行融合。最后进行NSCT逆变换得到融合图像。实验结果表明该方法可以获得融合效果更佳的融合图像。