武汉工程大学智能机器人湖北省重点实验室, 武汉 430000
针对遥感地物图像具有背景复杂且种类众多的特点, 利用传统算法进行分割会导致边缘模糊、信息丢失及分割精度低的问题, 提出了一种基于改进DeepLabV3+网络的语义分割算法。首先, 在主干网络中引入改进后的特征提取网络CHRNet; 其次, 使用非下采样轮廓波变换(NSCT)算法重构空洞空间金字塔池化(ASPP)模块中的全局池化操作; 最后, 在模型编码和解码阶段添加无参数的注意力机制SimAM, 加强模块间的特征传递, 提高特征利用率。实验表明, 在PASCAL VOC2012和WHDLD数据集上, 改进算法的平均交并比(MIoU)分别达到了81.56%和64.2%, 较原有算法分别提升了约4.61和2.8个百分点, 改进算法在保证分割速率的同时, 提升了分割精度。
遥感图像 非下采样轮廓波变换 空洞空间金字塔池化 注意力机制 remote sensing image DeepLabV3+ DeepLabV3+ Non-Subsampled Contourlet Transform Atrous Spatial Pyramid Pooling attention mechanism
兰州交通大学电子与信息工程学院, 甘肃 兰州 730070
针对医学图像融合过程中出现的细节损失严重、视觉效果不佳问题,提出了一种基于非下采样轮廓波变换(NSCT)与离散小波变换(DWT)的脉冲耦合神经网络(PCNN)医学图像融合算法。首先,利用NSCT处理医学源图像,得到相应的低频和高频子带,并利用DWT对得到的低频子带进行处理。然后,利用PCNN对低频子带进行融合,将平均梯度和改进型拉普拉斯能量和作为PCNN的输入项,将信息熵与匹配度结合实现对高频子的融合。最后,利用多尺度逆变换将低频子带和高频子带图像进行融合。实验结果表明,所提方法能够有效提升融合图像的对比度并保留源图像的细节信息,在主观和客观评价上均有优良的性能表现。
医用光学 图像融合 非下采样轮廓波变换 离散小波变换 脉冲耦合神经网络 激光与光电子学进展
2021, 58(20): 2017002
1 安阳师范学院 计算机与信息工程学院, 河南 安阳 455000
2 武汉大学 测绘遥感信息工程国家重点实验室, 湖北 武汉 430079
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。
遥感图像融合 非下采样 Contourlet变换 特征投票机制 HSV变换 区域方差 remote sensing image fusion non -subsampled Contourlet transform feature voting mechanism HSV transform regional variance 太赫兹科学与电子信息学报
2020, 18(4): 692
武汉科技大学机械自动化学院冶金装备及其控制教育部重点实验室, 湖北 武汉 430081
针对部分遥感图像整体亮度偏暗、边缘细节特征模糊和可视性不够理想的缺点,提出了一种基于非下采样轮廓波变换(NSCT)与加权引导滤波的增强方法来改善图像质量。先利用NSCT获取图像多尺度子带图像,再对低频子带图像采取全局映射调整亮度,利用加权引导滤波器代替Retinex中的高斯滤波器获取细节分量和基础分量,同时采用比例因子调整两分量在低频子带图像中的比例;采用改进的自适应贝叶斯阈值和非线性增益函数增强各个高频子带图像;最后将各子带信息通过NSCT逆重构得到增强图像。与传统图像增强算法相比,该方法在清晰度和信息熵等方面有所提高,较好地保留细节特征,明显提高视觉效果。
图像处理 图像增强 非下采样轮廓波变换 引导滤波器 比例因子 自适应贝叶斯阈值 激光与光电子学进展
2020, 57(12): 121018
山东大学控制科学与工程学院, 山东 济南 250061
随着机器视觉和人工智能的快速发展,视觉注意机制作为机器视觉的重要组成部分,受到越来越多的关注。提出一种建立在非下采样轮廓小波变换(NSCT)基础上的从粗到精的显著性检测方法,该方法作为一种基于频域分析的显著性检测算法,能够充分利用图像的低频和高频信息,并能抑制光照对检测造成的影响。模型首先对输入图像进行非下采样轮廓小波分解,对低频分量进行Retinex增强以改善图像亮度的均匀性,从而抑制光照对显著性检测带来的影响,随后对其进行粗糙显著性检测;对高频分量进行非线性增强以抑制噪声并增强细节,重构得到高频特征图,在低频粗糙显著图的范围内对高频特征图进行全局和局部的显著性分析;最后经过融合得到精细显著图。在三个数据集上进行对比实验,验证了所提算法的可行性和有效性。
机器视觉 显著性检测 Retinex 非下采样轮廓小波变换 非线性增益
南充职业技术学院 电子信息工程系, 四川 南充 637100
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。
信息光学 图像融合 压缩感知 非下采样Contourlet变换 梯度下降法 区域平均能量 绝对最大值 information optics image fusion compressed sensing non-subsampled contourlet transform gradient descent regional average energy absolute maximum
内蒙古科技大学 信息工程学院, 包头 014010
为了减少背景对红外小目标检测结果的影响, 同时降低检测虚警率, 采用了基于引导滤波和模糊算法的红外背景抑制算法, 利用非下采样轮廓波多尺度、多方向的分解机制, 将红外序列图像分解为低通子带和带通子带; 再利用引导滤波对低通子带处理, 以平滑图像、抑制噪声、增强背景细节; 带通子带则采用模糊算法处理, 实现目标和残留背景分离; 最后将各子带图像通过非下采样轮廓波逆变换, 得到了背景抑制图像。结果表明, 该方法可以将均方误差降至5~10, 有效抑制了背景, 突出了目标。该研究为提高复杂背景下的红外小目标检测精度提供了支持。
图像处理 红外小目标 背景抑制 非下采样轮廓波 引导滤波 模糊算法 image processing infrared small target background suppression non-subsampled contourlet transform guided filtering fuzzy algorithm
天津大学 精密仪器与光电子工程学院, 光电信息技术教育部重点实验室, 天津 300072
针对传统图像融合方法造成的边缘模糊、细节损失、图像对比度与清晰度容易降低等问题, 利用非下采样轮廓波变换, 提出一种基于直觉模糊集和区域对比度的红外与可见光图像融合算法.首先, 使用非下采样轮廓波变换将源图像分解, 分别得到源图像的高频和低频成分.其次, 利用直觉模糊集灵活准确描述模糊概念的特性, 构建双高斯隶属函数对低频成分进行融合; 利用区域对比度详细描述图像纹理信息的特点, 采用多区域特征对比度结合距离分析的融合规则, 对高频成分进行融合.最后使用非下采样轮廓波逆变换得到融合图像.实验结果表明, 与其它融合算法相比, 该算法提高了图像对比度, 保留了源图像中的边缘和细节信息, 且得到的融合结果具有更优的客观评价值.
图像融合 红外与可见光图像 非下采样轮廓波变换 直觉模糊集 区域对比度 Image fusion Infrared and visible image Non-subsampled contourlet transform Intuitionistic fuzzy set Regional contrast