基于模糊集理论的图像增强算法

红外图像具有整体亮度偏暗、对比度较低、目标与背景区分不明显的特点。因此,在对红外图像进行分析之前,必须先对图像质量进行改善。传统的基于模糊集理论的Pal.King算法,在增强红外图像对比度的同时,丢失部分细节信息。在分析这一问题产生原因的基础上,结合图像反色和多分辨率图像融合等理论,提出了一种新的基于模糊集理论的图像增强算法,新的算法不仅能够提高红外图像的对比度,而且能很好的突出图像中不同层次的灰度信息和边缘信息,最重要是它能保持原始图像的细节信息。     

各向异性图像扩散的多重网格格子波尔兹曼方法

为提高基于格子波尔兹曼(Lattice Boltzmann,LB) 模型图像降噪方法的计算效率和精度,提出了一种多重网格LB (multigrid LB,M-LB) 模型的降噪方法,即通过不同尺度网格的LB 模型实现各向异性图像扩散,在图像变化剧烈的区域采用较细尺度的网格,而在图像变化缓慢的区域采用较粗尺度的网格. 为验证M-LB 方法针
对斑点噪声抑制的效果与效率,对自然图像、合成图像、医学超声图像进行降噪处理,分别与现有的一种多重网格扩散方法和两种LB方法进行对比．实验结果显示,M-LB 方法较其他3 种方法抑制斑点噪声效果更好,降噪处理效率更高．     

基于Shearlet域各向异性扩散和稀疏表示的图像去噪

为了更有效地去除图像噪声,同时更好地保留图像边缘细节信息,提出了一种基于shearlet 域各向异性扩散和稀疏表示的图像去噪方法. 首先对含噪图像进行非下采样shearlet 变换(nonsubsampled shearlet transform, NSST),将图像分解为低频分量和多个高频分量. 低频分量中包含图像信号的主要能量以及少量的噪
声,而高频分量中含有大部分噪声和图像边缘信息. 然后,利用K-奇异值分解(K-singular value decomposition,K-SVD) 算法去除低频分量中的噪声,各个方向的高频分量则通过核各向异性扩散(kernel anisotropic diffusion,KAD) 算法进行去噪. 最后,对处理过的低频分量和高频分量进行非下采样shearlet 反变换(inverse nonsubsampled shearlet transform, INSST),得到重构图像,从而有效地去除图像噪声,保留图像边缘细节. 实验结果表明,与小波扩散去噪法、shearlet 硬阈值去噪法、K-SVD 稀疏去噪法、小波域稀疏去噪法相比,该方法的去噪能力更强,并能更好地保留图像纹理细节特征,改善图像视觉效果.     

一种新的基于FFT的图像增强算法

针对散焦模糊和噪声的频域特点,提出了一种基于FFT的频域图像增强算法。设计了高通倒高斯滤波器与低通反正切滤波器,使得图像去噪的同时又保留了细节。并研究了抑制振铃的算法,去除了频域加窗对图像的影响,对于增强图像的质量有显著的效果。     

基于Bernstein调和函数的图像增强

在数字图像的增强处理过程中引入Bernstein调和函数,利用Bemstein调和函数的正性、端点性质以及权性等性质,构造出灰度变换增强的一类非线性变换.该类变换通过调和函数次数的选取和调节灰度变换控制参数完全可以达到数字图像增强的各种目的与要求,具有灵活可控,修改方便等特点.通过实例说明该类非线性变换的图像增强效果是...     

基于DBAFFNet的低照度图像增强

针对当前低照度图像增强后存在色偏、细节损失和噪声放大的问题,提出了基于双分支自适应特征融合网络的低照度图像增强方法。首先,设计自适应特征融合模块,在深层特征中融合更多细节和颜色信息;其次,构建通道及空间注意力模块,使网络着重于图像细节和颜色的恢复;最后,根据Retinex理论设计Poisson-Retinex损失函数,抑制图像的噪声,从而提高图像的增强效果。在多个数据集上的主观和客观对比结果表明,所提方法不仅能恢复增强图像的颜色和细节,而且能更好地抑制噪声,从而获得良好的增强效果。     

基于混沌的置乱-扩散图像加密算法

随着科学技术的发展,图像的应用越来越广泛,所带来的安全问题也越来越多,保护图像信息的安全是人们面临的一项严峻任务。通过对混沌系统和各种图像加密算法的学习研究,提出了一种基于优化后的Arnold置乱算法和扩散算法的图像加密算法。检测结果表明,该加密算法具有较快的加/解密速度、较高的安全性和优良的加密效果,能很好地保护图像信息安全,避免信息泄露。     

一种新的基于扩散方程的图像平滑方法

针对退化扩散方程在对图像平滑时,奇异点容易被破坏,引入了小波变换模极大值表示,提出了由小波变换模M(s,x,y)决定扩散速度的图像平滑方法.该方法在图像奇异点的位置使平滑速度趋于零;在图像的光滑区域扩散速度由小波变换模决定;在灰度变化不大的区域,采用各向同性扩散.该方法克服了退化方程对图像奇异点的模糊现象,兼顾了去噪和保边界.实验证明该方法优于其他的方法.     

表面波和Retinex结合的水声图像增强方法

水下复杂信道环境以及各种干扰的存在使得声呐图像分辨率偏低,边缘细节不便于识别处理,传统增强算法大多直接进行增强处理而较少考虑去噪过程. 针对这一问题,该文分析了表面波分解和视网膜皮层图像增强原理,阐述了两者结合的可能性,并在此基础上提出了一种先采用表面波结合自适应阈值去噪处理,再进行多尺度Retinex增强的图像处理方法. 在仿真实验中将该方法与其他图像去噪增强算法分别进行比较,结果表明该方法在边缘细节保持及颜色保真方面具有优势,能够在获得更好的视觉结果的同时控制算法复杂度,有利于后续图像处理.     

基于高密度公路三维灰度点云的图像增强方法

【目的】在采集路面病害图像过程中,由于受到光照不均匀的影响,导致图像出现多噪声和低质量问题。此外,路面病害在整个图像中的占比小,且与背景颜色相似,不易区分。通过解决这些问题,可避免影响后续路面病害识别的精度。【方法】提出一种基于高密度三维灰度点云的图像增强方法。通过多模型特征融合、网络学习输入图像不同层次的特征,来增加特征互补性,提高特征提取能力。【结果】该方法不仅能增强图像细节,还能降低图像噪声,增强待检测图像的识别效果。【结论】试验结果表明,该方法在客观评价和视觉质量上达到了优良的性能。     

数字图像的统计学非线性增强算法研究

尝试用一种统计学非线性变换增强图像,而只带来很少的噪声放大,将该方法用于处理数字图书馆中的医学X线图像,在参数固定未加优化情况下,图像经增强后,对比度明显增高,动脉边缘清晰,本文在探索有效的非线性变换增强方法方面,取得了初步经验。     

基于MSR和AMSR的红外融合增强算法

红外传感器的成像特点,使得所采集的红外图像存在对比度低、清晰度差、信噪比低、边缘信息模糊等问题。为此提出基于多尺度视网膜（multi-scale retinex,MSR）和自适应多尺度视网膜（adaptive multi-scale retinex,AMSR）的红外融合增强及其优化算法。实验结果表明,所提算法能够有效提高红外图像的对比度和清晰度,在主观视觉效果和客观评价指标上均优于单尺度视网膜算法、MSR算法、AMSR算法。     

一种改进的指纹图像分割算法

在基于灰度方差的指纹分割算法的基础上,本文针对低灰度等级占多数的低质量指纹图像,提出了一种改进的指纹图像分割算法．实验结果表明,相比于原来的基于灰度方差的指纹图像分割算法,我们改进的算法的分割效果更好,且具有较强的鲁棒性．     

一种自适应图像加密算法安全性改进

为了提高自适应图像加密算法的安全性,本文提出了一种基于约瑟夫遍历的改进算法。分析表明改进算法在安全性方面有更好的表现。     

一种基于S盒的自适应图像加密算法安全性改进

陈刚等学者提出了一种新颖的自适应图像加密算法,周庆等学者分析表明该算法易受选择明文攻击和统计学攻击。为了提高该算法的安全性,本文提出了一种基于DES密码S盒的改进算法。分析表明,改进算法在安全性方面有更好的表现。     

一个基于指纹特征的密钥保存与生成算法

生物特征密码系统提供了生物特征与传统密码学的有机结合.生物特征密钥可在隐藏用户的生物特征信息的同时.安全实现密钥的生成、恢复以及认证的多重功能.本文提出了一个基于指纹特征的密码密钥保存与生成算法.实验结果表明,密钥的成功恢复率可达到91%左右,具有一定的实际应用意义.     

数学形态学视域下指纹图像细化算法高效研究

重点研究了二值化后指纹图像细化算法.首先简介了改进的OPTA细化算法.在总结上述算法的优缺点基础上,提出更有效的基于数学形态学的查表细化算法.实验表明后一种细化算法效率更高、处理后几乎没有毛刺、效果更理想,为后续的工作奠定了良好的基础.所进行的算法高效化研究对于提升识别的准确度具有非常明显的积极作用,在论文的最后通过实证手段进行了证明.同时,该文最后采用Visual C++编程实现指纹图像预处理过程中的所有算法,算法效率较高,从实际需求角度为我国的指纹图像识别的细化处理提供了必要的理论依据,实践证明,该文所研究的数学形态学视角下的指纹图像细化算法高效研究具有一定的现实意义,应用于指纹图像识别工作中将会取得较好的效果.