基于小波变换的低对比度图像增强改进算法

提出一种基于小波变换的图像增强算法。利用小波变换的时频局域性和方向性特点,对分解后的高频系数进行子树划分,以子树为单位实现图像的对比度增强。在VC++环境下实现了该方法,实验结果表明该算法能得到整体视觉好的图像,是一种有效的图像增强算法。     

基于小波变换的多层次图像增强算法

提出了基于小波变换的多层次图像增强算法.首先对图像进行4级小波分解,得到尺度系数和多个层次的小波系数;然后对不同层次的小波系数采用不同的增强算法进行处理,并对图像的尺度系数采用多尺度方法进行处理;最后用得到的小波系数和尺度系数进行逆变换得到增强后的图像.试验结果证明,该算法具有优于传统增强算法的增强效果和抗噪性能.     

基于小波变换的图像增强算法

根据小波的时频特性及多分辨率特点,提出了一种基于小波变换的图像增强算法,对图像小波变换得到不同分辨率下表征图像低频及高频信息的小波系数,对小波系数单支重构,对各分辨率下低频单支重构信息分段线性增强并线性叠加,增强图像低频轮廓;对各分辨率下高频单支重构信息分段线性增强并线性叠加,增强图像边缘。实验结果表明:算法具有很高的灵活度,既可以实现对图像轮廓的增强,也可以实现对图像边缘的增强。     

基于小波变换的图像增强技术

本文将小波分析融合到数字图像的增强技术中,在Matlab7.0环境下对基于小波变换的图像增强进行了仿真,并对传统的增强方法与小波增强方法进行比较。通过实验数据与分析表明:经小波增强后的图像更适合人类视觉和机器识别、解译。     

基于小波变换的光声成像算法

为了进一步提高光声重建图像的质量,利用小波变换的多维多分辨率特性对光声图像进行消噪,将小波包的分解和重构理论与统计差值相结合对光声图像的细节部分进行增强。由仿真和实验结果表明,重建图像经过小波降噪和图像增强后,其对比度相对滤波反投影算法的光声像得到了明显的提高,其分辨率由0.55 mm提高到0.48 mm,该算法将为病变组织的正确诊断与治疗提供了更高的精度和准确度。     

基于小波变换的合成孔径雷达图像增强

通过对SAR图像的特征分析,采用小波分析方法,对图像做小波变换,提取各层小波分解系数,对各系数做衰减或增强处理,最后重构出清晰图像。该方法既增强了图像对比度、又不损失细节信息,为进一步分析和发展遥感领域的研究奠定了坚实的基础。     

用Matlab实现基于小波变换的图像增强技术

小波是有限宽度的基函数,这些基函数不仅在频率上而且在位置上是变换的,因此,它更适合于处理突变信号和非平稳信号,这一特性可用于图像处理的很多地方,本文将其用于图像增强,并利用matlab软件进行仿真实验,获得了较好的效果.     

基于小波变换的医学图像增强方法与实现

分析研究了基于小波变换的图像增强原理和方法,对X线医学图像进行3层小波分解,得到各层的小波系数;采用不同的增强算法对不同层次的小波系数进行处理;利用处理后的小波系数进行小波逆变换,得到增强后的图像.实验结果表明该方法的增强效果明显优于直方图均衡化方法,既提高了图像的整体对比度,又突出了图像的局部细节,同时还抑制了噪声.     

一种基于小波变换的图像去噪方法的应用研究

探讨了小波变换在图像去噪中的处理技术.首先分析了小波变换的原理,然后给出了基于小波变换的图像去噪原理,并设计了小波变换图像去噪的具体实施方案,最后给出了小波变换去噪的图像训练实验结果.结果表明,利用小波分解(变换)去除图像噪声,既滤除了噪声,又有效地保持了图像的细节信息.     

一种基于小波变换的地震图像增强方法研究与应用

对数字图像增强方法进行研究,详细分析了小波变换中选择硬、软阈值的原理,并根据地震数据特点,对小波阈值进行了改进。经过大庆油田多地区地震图像的验证,新的阈值函数可以有效去除高斯白噪声和脉冲噪声,对图像增强效果显著。     

基于小波变换与阀值收缩法的图像增强去噪

提出了一种基于小波变换与阀值收缩法的图像增强去噪方法。图像经过小波分解后可以得到一系列不同尺度上的子带图像,在不同尺度的子带图像上进行基于阈值收缩滤波的细节系数增强,再进行小波重构,即可得到增强后的图像。该方法可以有效地去除噪声,增强图像的平均梯度,改善图像的视觉效果。     

一种基于小波变换的医学图像增强新算法

针对目前的增强算法对噪声比较敏感的特点,本文提出一种基于多尺度小波模值的对比度增强新算法。通过设定不同的模值拉伸因子,改变不同尺度下的小波系数的模值,来增加图像反差,增强边缘等特征细节信号。同时利用信号与噪声的Lipschitz指数在局部奇异处呈现不同的表现形式的特性,滤除噪声信号,达到去噪和特征增强的双重目的。实验结果表明,该算法对噪声有一定的抑制作用, 可以在提高图像对比度的同时滤除噪声信号,有效地解决了传统方法中存在的强去噪能力和高对比度增强之间的矛盾。     

基于Android平台的图像增强算法

针对传统图像增强算法存在的不足, 提出一种基于Android平台的图像增强算法. 首先,采用同态滤波对图像进行预处理, 并用小波变换分解图像; 然后对图像进行对比度拉伸和亮度增强, 消除图像中的噪声等; 再采用小波变换重构图像各分量, 得到增强后的图像; 最后在Android平台上实现图像增强算法, 并用仿真实验测试其性能. 仿真结果表明, 该算法解决了传统图像增强算法的不足, 得到了较理想的主观视觉效果, 加快了图像增强的速度, 可满足图像增强的实时性要求.     

基于差分进化的图像自适应增强方法

图像增强是图像处理中重要的步骤之一,基于非完全Beta函数变换的图像增强办法能够获得较为理想的增强效果.然而合理的Beta函数参数选取一直没有得到很好的解决,常需要人工干预或者计算非常耗时.差分进化算法是一种新型的进化计算方法,具有自适应、自组织等智能特性和强大的寻找优化解的能力.这里将差分进化算法用于Beta函数参数的自适应选取,实现了基于差分进化算法的非完全Beta函数图像增强方法,实际图像增强实验结果表明了该方法的有效性和可行性.     

一种基于Mallat算法的图像增强方法

本文采用将离散小波变换系数的计算与滤波器联系了起来，对图像进行增强处理，提高图像的使用价值，改善图像的视觉效果．     

医学图像增强算法研究

简要介绍医学图像增强的概念和主要目的.从传统图像增强算法、基于区域的增强算法和基于小波变换的增强算法三方面对医学图像增强算法进行讨论.最后介绍图像增强效果的评价方法.     

基于小波的指纹图像增强算法

图像增强的目的是采用一些技术手段,有选择地突出图像中感兴趣的特征或抑制图像中某些不需要的特征·传统的指纹增强算法采用两次滤波操作,需要分多次处理,耗时长,并且噪声较多·应用的小波变换是将指纹图像分解为大小、位置和方向均不相同的分量,并根据需要改变其系数的大小,从而使得某些感兴趣的分量被放大而使某些不需要的分量减少,达到较好的图像增强目的·     

基于小波变换的低光照对比度或强噪声背景下图像增强与目标提取方法

提出了一种基于小波变换的低光照对比度或强噪声背景下图像增强与目标提取方法.低光照对比度情况下成像获得的图像进行处理分析、目标定位识别与跟踪都有一定困难,必须对其进行增强处理.根据图像的纹理统计特性,设计了专用于保护纹理特征的巴特沃思滤波器,对低光照对比度图像或强噪声背景下图像进行增强,可有效地克服低光照对比度图像或强噪声背景条件下进行处理分析、目标定位识别与跟踪造成的影响.实验结果表明:应用小波变换的多尺度分析方法和专门设计的巴特沃思滤波器,可较好地消除低光照对比度或强噪声背景下图像的干扰.     

基于小波的迭代盲图像恢复新算法

针对迭代盲反卷积算法中解的唯一性和收敛性不确定问题,提出了基于小波的迭代盲图像恢复新算法.该算法用基于奇异值分解和压缩滤波方法对降质图像进行预处理,在初始化估计后对图像进行小波变换,用局部高斯模型刻画图像小波系数的概率分布,并作为先验约束加入到迭代算法中.仿真结果表明,新算法在保持图像边缘特性的基础上,峰值信噪比改进量比原算法增加约3 dB,对解的唯一性和收敛性也有一定改善.