兰州交通大学电子与信息工程学院, 甘肃 兰州 730070
针对近红外与彩色可见光图像融合后对比度低、 细节丢失和颜色失真等问题, 提出一种基于多尺度变换和自适应脉冲耦合神经网络(PCNN-pulse coupled neural network, PCNN)的红外与彩色可见光图像融合的新算法。 首先将彩色可见光图像转换到HSI(hue saturation intensity)空间, HSI色彩空间包含亮度、 色度和饱和度三个分量, 并且这三个分量互不相关, 因此利用这个特点可对三个分量分别进行处理。 将其亮度分量与近红外图像分别进行多尺度变换, 变换方法选择Tetrolet变换。 变换后分别得到低频和高频分量, 针对图像低频分量, 提出一种期望最大的低频分量融合规则; 针对图像高频分量, 采用高斯差分算子调节PCNN模型的阈值, 提出一种自适应的PCNN模型作为融合规则。 处理后的高低频分量经过Tetrolet逆变换得到的融合图像作为新的亮度图像。 然后将新的亮度图像和原始的色度和饱和度分量反向映射到RGB空间, 得到融合后的彩色图像。 为了解决融合带来的图像平滑化和原始图像光照不均的问题, 引入颜色与锐度校正机制(colour and sharpness correction, CSC)来提高融合图像的质量。 为了验证方法的有效性, 选取了5组分辨率为1 024×680近红外与彩色可见光图像进行试验, 并与当前高效的四种融合方法以及未进行颜色校正的本方法进行了对比。 实验结果表明, 同其他图像融合算法进行对比分析, 该方法在有无CSC颜色的情况下均能保留最多的细节和纹理, 可见度均大大提高, 同时本方法的结果在光照条件较弱的情况下具有更多的细节和纹理, 均具有更好的对比度和良好的色彩再现性。 在信息保留度、 颜色恢复、 图像对比度和结构相似性等客观指标上均具有较大优势。
彩色图像融合 Tetrolet变换 期望最大算法 自适应脉冲耦合神经网络 Color image fusion Tetrolet transform Expected maximum algorithm Adaptive Pulse Coupled Neural Network 光谱学与光谱分析
2021, 41(7): 2023
长春理工大学电子信息工程学院,吉林 长春 130022
提出一种红外与微光图像融合新算法,即在Tetrolet变换下基于柯西模糊函数的融合算法,用于改善融合图像对比度低、细节信息缺失、融合效果较差等问题。首先,源图像通过Tetrolet变换,分解出两组高低频系数;然后,针对低频系数,提出区域能量-柯西模糊函数规则,针对高频系数,采用区域拉普拉斯能量和进行处理;最后,利用Tetrolet逆变换将得到的新高低频系数转换为最终的融合结果。实验结果表明,本文方法在提高融合图像对比度、保留图像细节等方面具有一定的优势。
图像处理 Tetrolet变换 图像融合 红外图像 微光图像 激光与光电子学进展
2021, 58(6): 0610001
辽宁工程技术大学电子与信息工程学院, 辽宁 葫芦岛 125105
针对目前指关节纹识别方法鲁棒性差的问题,提出了一种基于非下采样的Shearlet变换(NSST)和Tetrolet能量特征的指关节纹识别方法。首先,采用直方图均衡化调整图像的灰度,以减少光照分布不均对识别系统产生的影响。其次,利用NSST及其逆变换得到去噪后的重构图像,并对其进行Tetrolet变换,建立低频图像的能量曲面。最后,将不同图像的能量曲面作差,得到能量差曲面,进一步计算曲面的方差,并以此为依据对不同指关节纹图像进行分类识别。在HKPU-FKP、IIT Delhi-FK、和HKPU-CFK图库及其噪声图库的实验结果表明,本方法的正确识别率可达98.0392%,最短识别时间为0.0497 s,最低等误率为2.5646%。相比其他方法,本方法可以明显提高指关节纹识别系统的性能,具有可行性和有效性。
图像处理 指关节纹识别 能量曲面 非下采样的Shearlet变换 Tetrolet变换 激光与光电子学进展
2021, 58(2): 0210019
兰州交通大学电子与信息工程学院, 甘肃兰州 730070
针对近红外与彩色可见光图像融合后出现的对比度降低、细节丢失、颜色失真等问题, 提出一种基于 Tetrolet变换和自适应脉冲耦合神经网络 PCNN(PCNN-Pulse Coupled Neural Network)的近红外与彩色可见光图像融合的新算法。首先将彩色可见光源图像转换到各个分量相对独立的 HSI空间(HSI-Hue Saturation Intensity), 将其亮度分量与近红外图像进行 Tetrolet分解, 对分解后得到的低频系数, 提出一种从给定不完备数据集中寻找潜在分布最大似然估计的期望最大算法融合规则；对分解后得到的高频系数, 采用一种 Sobel算子自动调节阈值的自适应 PCNN模型作为融合规则；处理后的高低频图像经 Tetrolet逆变换作为融合后的亮度图像, 提出一种饱和度分量自适应拉伸方法来解决图像饱和度下降的问题。处理后的各个分量反向映射到 RGB空间, 完成融合。将本文算法与多种高效融合算法进行对比分析, 实验表明, 本方法取得的图像, 细节清晰, 色彩对比度得到提升, 在图像饱和度、颜色恢复性能、结构相似性和对比度等客观评价指标上均具有明显的优势。
彩色图像融合 Tetrolet变换 期望最大算法 自适应脉冲耦合神经网络 color image fusion, Tetrolet transform, expectatio
重庆工商大学 机械工程学院 制造装备机构设计与控制重庆市重点实验室, 重庆 400067
提出一种Tetrolet框架下基于联合稀疏表示结合改进脉冲耦合神经网络规则的红外与可见光图像融合方法.对源红外与可见光图像进行不考虑旋转和反射情况下的Tetrolet系数分解; 采用联合稀疏方法进行低频系数融合, 通过学习字典进行低频系数的精确拟合并融合.在高频子带系数融合上, 采用改进脉冲耦合神经网络设置相应的融合规则, 根据神经元的点火次数来选择融合图像的高频系数; 并对处理后的高低频系数值进行Tetrolet逆变换获取最终融合结果.结果表明, 该方法能够有效保留待融合图像的边缘与细节特征, 融合结果具有良好的视觉效果, 能够增强观察者对于场景的感知和重要目标的识别能力.在互信息、梯度信息、结构相似度以及视觉敏感度指标上都优于传统变换域融合方法, 尤其在结构相似度以及梯度保持度上分别领先0.033和0.025, 具有有效性.
红外与可见光图像 图像融合 Tetrolet变换 联合稀疏表示 脉冲耦合神经网络 Infrared and visible images Image fusion Tetrolet transform Joint sparse Representation Pulse coupled neural network
国防科技大学 电子对抗学院 脉冲功率激光技术国家重点实验室, 安徽 合肥 200037
基于Tetrolet变换系数的尺度间传递特性与按指数衰减特性, 本文构建了一种Tetrolet域通用隐马尔科夫树结构稀疏先验模型, 把Tetrolet变换系数的统计分布表示成二值高斯混合形式作为先验信息, 并采用因子图方法估计后验状态概率。为了解决在有环路的因子图中消息不能稳定收敛的问题, 利用Turbo均衡方法把压缩采样和结构先验部分分割成两个子图, 分别进行状态估计并相互交换消息。最后依据最小均方误差准则估计得到重构图像, 对128×128的测试图像重构的归一化均方误差可达-20.97 dB, 运行时间为45.24 s。实验结果表明该算法在重构质量和运行速度上优于小波域隐马尔科夫树模型的各类算法。
Tetrolet变换 通用隐马尔科夫树 Turbo均衡 消息传递 压缩成像 Tetrolet transform universal hidden markov trees Turbo equalization belief propagation compressive imaging
兰州交通大学电子与信息工程学院, 甘肃 兰州 730070
为了对水下图像传感器获取的彩色图像进行清晰化处理,提出一种lαβ色彩空间的图像清晰化算法。将捕获到的彩色水下图像进行暗原色初步复原后,映射RGB空间至lαβ三通道进行清晰化处理。采用Tetrolet变换方法处理亮度通道l,对包含大部分的轮廓、边缘等线性细节的高频分量采用Bilateral滤波器处理,对包含大部分能量的低频分量进行非局部均匀滤波处理,然后将处理后的高、低频分量进行反向Tetrolet变换得到复原的亮度通道图;对α、β通道的色彩偏差进行空间均值颜色校正,得到复原的α、β通道图。将处理后的非彩色通道图和彩色通道图反向变换至RGB通道,更新透射率,得到清晰化的彩色水下图像。实验结果表明,该算法对彩色水下图像的复原效果较好,在图像色彩的提升和边缘细节的描述方面效果显著。
图像处理 水下图像 Tetrolet变换 lαβ色彩空间; 双边滤波器
针对QR码数字水印的鲁棒性和不可感知性的平衡问题, 提出一种基于Tetrolet变换和奇异值分解(SVD)的数字水印技术。首先, 利用Tetrolet变换将QR码图像的能量信息集中于Tetrolet系数中, 再对该系数进行SVD分解, 最后将置乱加密的水印图像嵌入奇异值矩阵中, 完成水印的嵌入。仿真实验结果表明, 该方法可以有效抵抗高斯、椒盐、乘积等多种噪声攻击和旋转、剪切、平移等几何攻击。该算法能在图像不失真的前提下, 有效提高水印的抗噪声和抗几何攻击的能力, 实现数字水印系统不可感知性和鲁棒性的平衡, 具有较强的实用性。
Tetrolet变换 奇异值分解 QR码 数字水印 Tetrolet transform singular value decomposition (SVD) quick response (QR) code digital watermarking
宁波大学信息科学与工程学院, 浙江宁波 315211
针对卫星云图数据量大, 但传输通道和存储空间相对狭小的问题, 本文提出了一种基于 Tetrolet变换的卫星云图分块压缩感知方法。该方法将 Tetrolet变换引入压缩感知的稀疏表示环节, 以刻画卫星云图细节丰富, 纹理复杂的特性, 而且将分块压缩感知与平滑投影 Landweber迭代方法结合用于云图重构, 以提高计算效率。同时, 为了进一步提高重构云图的质量, 本文对云图的稀疏表示提出了另一种改进方案, 首先对原始云图进行拉普拉斯金字塔分解, 将得到的低频分量和高频分量分别进行分块及采样, 并对低频及高频分量分别进行离散小波变换 (DWT)及 Tetrolet变换以实现稀疏表示, 此不仅可以发挥不同稀疏变换各自的优点, 而且充分利用了 Tetrolet变换在表示云图方向纹理和边缘等重要信息方面的优势。实验结果表明, 在相同采样率下, 本文方法的重构结果明显优于直接用 Tetrolet, DWT, Contourlet和 DCT变换对卫星云图进行稀疏表示的重构结果。
Tetrolet变换 分块压缩感知 稀疏表示 卫星云图 Tetrolet transform block compressed sensing sparse representation satellite cloud images
1 兰州交通大学电子与信息工程学院, 甘肃 兰州730070
2 重庆工商大学机械工程学院, 重庆400067
针对目前红外与可见光图像融合速度慢、 融合结果对比度不高且易产生伪影的缺点, 提出一种基于Tetrolet变换的改进融合算法。 首先, 将可见光图像转换到lαβ颜色空间得到三个几乎不相关的彩色通道; 然后对其l分量和红外图像分别进行Tetrolet变换, 对于低通系数引入邻域能量及其接近度的融合规则。 而对Tetrolet系数采用伪随机傅里叶矩阵进行观测并加权融合其观测值; 接下来对融合后观测值采用CoSaMP优化算法迭代出融合后的Tetrolet系数, 并经Tetrolet重构得到融合后的灰度图像; 最后将灰度图像映射到RGB颜色空间获得最终的融合图像。 实验证明了本文算法的有效性。
红外图像 可见光图像 图像融合 Tetrolet变换 伪随机傅里叶矩阵 Infrared image Visible light image Image fusion Tetrolet transform Pseudo random Fourier matrix CoSaMP CoSaMP 光谱学与光谱分析
2013, 33(6): 1506
