导读:本文包含了无下采样变换论文开题报告文献综述及选题提纲参考文献，主要关键词:图像处理,医学图像融合,NSST,特征值合成
无下采样变换论文文献综述
朱文维,李俊峰[1]（2019）在《基于非下采样剪切波变换和特征合成的医学图像融合算法》一文中研究指出针对融合后的医学图像时常存在细节纹理不够清晰的问题,本文提出一种新的基于非下采样剪切波变换(Non-Subsampled Shearlet Transform, NSST)的医学图像融合算法,对多模态医学影像进行融合,增强细节结构提取的能力,提高图像融合质量,为医疗诊断提供依据.首先,将已配准的源图像进行NSST分解,得到低频子带和一系列高频子带;其次,对于低频子带系数,提出利用局域平均能量与局域标准差的合成值进行子带之间选择的融合策略,有利于完整保存基础信息,对于高频子带系数,利用改进的拉普拉斯能量和(New Sum of Modified Laplacian,NSML)的方法进行融合;接着,将融合过后的低、高频子带进行NSST的逆过程变换,从而得到融合之后的图像;最后,在灰度和彩色医学多模态图像上进行大量的实验,并选择信息熵(IE),空间频率(SF),标准差(SD)和平均梯度(AG)对融合后的图像进行质量评价.仿真结果表明,本文算法在主观视觉效果以及客观评价指标上均取得较大改善.与其他算法相比,信息熵,标准差,空间频率和平均梯度的平均值分别提高了2.99%, 4.06%, 1.78%和1.37%,融合后的图像包含更丰富的细节纹理信息,视觉效果更好.(本文来源于《计算机系统应用》期刊2019年10期）
张翠英[2]（2019）在《基于非下采样剪切波变换的多聚焦图像融合新方法》一文中研究指出为提高融合图像的清晰度,提出了一种基于非下采样剪切波变换(NSST)的多聚焦图像融合新方法。首先,对待融合的两幅源图像采用非下采样剪切波变换,获得低频子带系数和一系列的高频子带系数。然后对低频子带系数采用基于高阶奇异值分解(HOSVD)的融合策略,通过对低频子带进行HOSVD分解,利用Sigmoid函数得到融合低频系数;对高频子带系数采用区域特征选择的融合策略,通过对比区域能量和对比区域方差的差异来确定融合的高频系数。最后,通过NSST逆变换得到融合图像。实验结果表明,该方法能够更好地保留图像的边缘细节信息,在视觉效果和客观指标评价上均优于对比方法。(本文来源于《电脑知识与技术》期刊2019年21期）
王满利,田子建,桂伟峰,吴君[3]（2019）在《基于高斯曲率优化和非下采样剪切波变换的高密度混合噪声去除算法》一文中研究指出为提高矿井混合噪声图像的可观测性,提出了基于高斯曲率优化和非下采样剪切波变换的高密度混合噪声去除算法.使用局部高斯曲率优化混合噪声图像,抑制椒盐噪声对噪声分布的影响,使混合噪声分布近似为高斯噪声分布.使用非下采样剪切波变换分解高斯曲率优化图像,实施自适应硬阈值收缩降噪,去除混合噪声中的高斯噪声成分.最后,迭代使用局部高斯曲率优化和非下采样剪切波变换降噪去除残余噪声,直至输出图像梯度能量满足停止条件.实验表明,本文算法能够有效地去除高斯噪声和椒盐噪声构成的高密度混合噪声,且有效抑制了剪切波变换降噪引起的伪吉布斯现象,有效地降低了矿井图像的噪声.(本文来源于《光子学报》期刊2019年09期）
郭庆荣[4]（2019）在《基于非下采样剪切波变换和模糊对比度的数字图像增强算法的研究》一文中研究指出目前,成像技术的快速发展使得图像的获取变的越来越方便。但是由于图像在采集和传输的过程中各种干扰的影响,导致出现了对比度较低、清晰度下降、信息丢失等问题,给后续图像的处理和应用增加了困难。图像增强的主要目的是有针对性的凸显目标信息的特征,最大程度的减少噪声,改善细节信息的清晰度,使之更有利于对图像的后续解析和应用。本文研究的主要内容是分别以遥感图像和医学图像为研究对象来验证本文所提算法。(一)对于遥感图像,由于采集和传输过程中的各种干扰,导致许多细节信息的丢失,清晰度的下降和信噪比的降低等问题,因此本文提出一种NSST与模糊对比度相结合的遥感图像增强算法。首先,原始图像通过NSST分解为低频分量和高频分量;然后线性增强低频分量以改善图像的整体对比度,并通过阈值法去除高频分量中的噪声,以消除其对图像细节的影响;接着,对处理后的低频和高频分量进行NSST逆处理;最后,对前面获得的图像使用模糊对比度增强以改善图像的层次感,突出显示细节信息。实验结果表明,与传统算法相比,该算法不仅取得了清晰的视觉效果,同时在去噪效果,提高对比度等方面均有明显的提升。(二)目前,医学图像已经越来越多的应用于现代医学诊断体系。然而,由于成像过程中图像受到各种干扰的影响,最终影响医生对病情的预判。因此,本文提出了一种基于NSST和模糊对比度的医学图像增强算法。首先,原始图像使用自适应直方图均衡化以增强图像的整体对比度;然后通过NSST将获得的图像分解为高频分量和低频分量;接着通过阈值法增强高频分量以去除图像中的噪声,使用线性变换增强低频分量以改善对比度;接着,对处理后的两个部分进行NSST逆处理,获得重建图像;最后,使用模糊对比度算法处理重建图像,以改善图像细节和纹理信息,获得最终增强图像。实验结果表明,该算法不仅可以得到良好的视觉效果,而且峰值信噪比(PSNR),均方根误差(Rmse)和时间等客观指标,都具有明显的优势。(本文来源于《新疆大学》期刊2019-06-03）
王艳,杨艳春,党建武,王阳萍[5]（2019）在《非下采样Contourlet变换域内结合模糊逻辑和自适应脉冲耦合神经网络的图像融合》一文中研究指出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。(本文来源于《激光与光电子学进展》期刊2019年10期）
张淑艳,朱娟,王超,田纪亚,曾小慧[6]（2019）在《非下采样Contourlet变换耦合区域信息特征的遥感图像融合算法》一文中研究指出当前遥感图像融合算法主要是通过图像的能量信息来完成低频系数的融合,忽略了图像的光谱信息特征,导致融合图像中存在光谱扭曲等不足。设计基于非下采样Contourlet变换与区域信息特征的遥感图像融合算法。引入HSV(Hue,Saturation,Value)变换,从多光谱图像中提取亮度分量。采用非下采样Contourlet变换,对全色图像与多光谱图像的亮度分量进行分解,获取图像的低频系数与高频系数。联合低频系数的区域能量以及信息熵特征,构造低频系数的融合模型,完成低频信息的融合。通过高频系数的区域方差相似度,建立高频系数融合规则,对高频系数完成融合。通过非下采样Contourlet逆变换与HSV逆变换,获取融合图像。实验结果表明,与当前遥感图像融合方法相比,该算法的融合图像具有更好的光谱与空间特性。(本文来源于《计算机应用与软件》期刊2019年04期）
李虹杉[7]（2019）在《基于非下采样轮廓波变换的图像融合算法的FPGA实现》一文中研究指出图像融合是指对来自于同一场景的不同类型传感器获取的多幅图像加以综合和处理,得到一幅包含更多信息的合成图像。图像融合技术一经出现就受到世界各国的关注,被广泛应用于军事、医疗和航天等领域。目前图像融合的研究主要都集中在算法研究及其软件实现方面,而忽视了融合算法的实时硬件实现研究。已有的硬件融合系统采用的融合算法也比较简单,难以取得较好的融合效果。本文以FPGA为核心器件,深入研究了基于非下采样轮廓波变换(NSCT)的图像融合算法的特点并实现了整个算法的硬件仿真。具体研究内容如下:基于NSCT的可见光和红外图像融合算法的FPGA实现是本文主要研究内容。NSCT能够实现图像的多尺度和多方向分解,是一种性能优异的图像处理算法,已被广泛的应用于图像融合领域。但由于其自身结构的复杂性,目前还未出现基于FPGA的NSCT算法的实现方案。本文在详细阐述了NSCT原理的基础上,分析了多种因素(滤波器类型等)对NSCT算法的影响。同时,为了兼顾图像的融合效果和FPGA的实时数据流处理特点,本文选取了基于直方图显着性特征的低频系数融合策略和绝对值取大的高频系数融合策略。另外,在保证融合图像质量的前提下,选择了最佳的NSCT结构,尽量降低对FPGA性能的要求。最后还对本融合算法的FPGA实现可行性进行了分析,形成了一套基于NSCT的图像融合算法的FPGA实现方案。在完成了基于NSCT的图像融合算法的整体结构设计基础上,本文采用Verilog HDL对设计进行了完全可综合的RTL级描述,并运用了同步设计的方法,提高了系统可靠性。本设计的主要模块包括:NSCT分解模块,图像融合模块,图像重构模块等。为验证各个模块功能的正确性,本文结合FPGA开发软件QuartusII15.0和Modelsim对上述设计的各个模块以及整个融合系统进行了仿真。另外,还采用了主客观的评价方法对融合图像的质量进行了评估,并从FPGA的资源占用率和实时性两个方面分析了系统性能。实验结果表明,本设计可以在FPGA上较好地实现分辨率为640*480的红外图像和可见光图像的融合,并且系统的延迟较小,可以实现图像的实时融合。(本文来源于《电子科技大学》期刊2019-04-01）
杜进楷,龙海莲,丁冬冬,陈世国[8]（2019）在《基于非下采样Shearlet变换的CNN图像融合算法》一文中研究指出本文以人体脑部组织同一视角下的CT图像和MR图像为融合研究对象,以多尺度几何分析和融合规则两方面为出发点,提出了一种基于非下采样Shearlet变换(Non-Subsampled Shearlet Transform,NSST)的低频域区域能量取大和高频域卷积神经网络(Convolutional Neural Network,CNN)的医学图像融合算法。首先,用NSST对配准好的CT和MR图像进行分解,得到图像的低频分量和高频分量。其次,对描述近似信息的低频分量采用区域能量取大的融合规则,对描述细节信息的高频分量采用CNN的融合规则。最后,用NSST逆变换得到融合图像。仿真结果表明,本文算法有效的综合了CT图像和MR图像中的信息,融合图像更加全面的携带了源图像中的有效特征信息,在主观视觉效果和客观评价指标上均优于其他几种对比融合算法。(本文来源于《电声技术》期刊2019年03期）
马圆,韩鸿毅,孙燕北,梁志刚,郭秀花[9]（2019）在《基于非下采样双树复轮廓波变换的小波纹理特征识别肺良恶性结节CT图像》一文中研究指出目的观察基于非下采样双树复轮廓波变换(NSDTCT)的小波纹理特征在识别肺良恶性结节CT图像中的应用价值。方法从肺结节患者的CT图像中分别提取基于NSDTCT和基于Contourlet变换的小波纹理参数,对高维纹理参数采用单因素分析、Lasso回归等方法进行降维。对降维后的纹理参数分别构建诊断良恶性肺结节的支持向量机分类诊断模型,绘制ROC曲线,比较2种方法的诊断效能。结果采用NSDTCT方法,基于经Lasso降维且自变量数目较少的纹理参数构建的诊断模型分类效果最好,判断良恶性肺结节的准确率为98.37%,AUC为1.00;采用Contourlet变换方法,基于全部提取纹理参数构建的模型分类效果最好,诊断准确率为56.05%,AUC为0.73;2个模型的ROC曲线的AUC差异有统计学意义(Z=6.430,P<0.001)。结论基于NSDTCT的纹理分析方法对判断良恶性肺结节的准确性较高。(本文来源于《中国医学影像技术》期刊2019年02期）
李建军,张福泉[10]（2019）在《非下采样Contourlet变换耦合锐度制约的遥感图像融合》一文中研究指出当前多数遥感图像融合算法主要是依靠比值法选取全色图像或多光谱图像中的其中一个高频子带作为高频融合系数,忽略了另一个高频系数所包含的信息,易导致融合图像出现模糊以及光谱失真等不足.对此,本文提出了基于非下采样Contourlet变换与锐度制约模型的遥感图像融合算法.通过亮度-色调-饱和度(IHS)变换,获取多光谱图像的I,H,S分量,利用非下采样Contourlet变换对多光谱图像的I分量以及全色图像进行多尺度精细分解,得到相应的低频子带与高频子带;利用像素点邻域的像素值之差构造锐度制约模型,完成低频子带的融合.考虑多光谱图像中I分量与全色图像的高频子带特征,构造高频子带融合模型,完成高频子带的融合;将融合后的高频子带与低频子带通过非下采样Contourlet逆变换,输出融合图像的亮度分量珔I,将珔I与H,S分量进行IHS逆变换,形成最终的融合图像.仿真实验显示,与当前遥感图像融合方法相比,所提方法的融合图像具有更高的视觉质量,可保留更多的光谱以及边缘等图像细节信息.(本文来源于《西南师范大学学报(自然科学版)》期刊2019年02期）
无下采样变换论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
为提高融合图像的清晰度,提出了一种基于非下采样剪切波变换(NSST)的多聚焦图像融合新方法。首先,对待融合的两幅源图像采用非下采样剪切波变换,获得低频子带系数和一系列的高频子带系数。然后对低频子带系数采用基于高阶奇异值分解(HOSVD)的融合策略,通过对低频子带进行HOSVD分解,利用Sigmoid函数得到融合低频系数;对高频子带系数采用区域特征选择的融合策略,通过对比区域能量和对比区域方差的差异来确定融合的高频系数。最后,通过NSST逆变换得到融合图像。实验结果表明,该方法能够更好地保留图像的边缘细节信息,在视觉效果和客观指标评价上均优于对比方法。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
无下采样变换论文参考文献
[1].朱文维,李俊峰.基于非下采样剪切波变换和特征合成的医学图像融合算法[J].计算机系统应用.2019
[2].张翠英.基于非下采样剪切波变换的多聚焦图像融合新方法[J].电脑知识与技术.2019
[3].王满利,田子建,桂伟峰,吴君.基于高斯曲率优化和非下采样剪切波变换的高密度混合噪声去除算法[J].光子学报.2019
[4].郭庆荣.基于非下采样剪切波变换和模糊对比度的数字图像增强算法的研究[D].新疆大学.2019
[5].王艳,杨艳春,党建武,王阳萍.非下采样Contourlet变换域内结合模糊逻辑和自适应脉冲耦合神经网络的图像融合[J].激光与光电子学进展.2019
[6].张淑艳,朱娟,王超,田纪亚,曾小慧.非下采样Contourlet变换耦合区域信息特征的遥感图像融合算法[J].计算机应用与软件.2019
[7].李虹杉.基于非下采样轮廓波变换的图像融合算法的FPGA实现[D].电子科技大学.2019
[8].杜进楷,龙海莲,丁冬冬,陈世国.基于非下采样Shearlet变换的CNN图像融合算法[J].电声技术.2019
[9].马圆,韩鸿毅,孙燕北,梁志刚,郭秀花.基于非下采样双树复轮廓波变换的小波纹理特征识别肺良恶性结节CT图像[J].中国医学影像技术.2019
[10].李建军,张福泉.非下采样Contourlet变换耦合锐度制约的遥感图像融合[J].西南师范大学学报(自然科学版).2019