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。     

多尺度小波梯度图像增强方法

传统的图像增强算法在对图像增强的同时,也增强了图像的噪声信号,不利于图像的后期处理.在小波变换增强算法的基础上,提出了多尺度小波梯度图像增强方法.实验证明,该方法在提高图像对比度的同时,有效的解决了噪声也被增强问题,使增强后的图像便于图像分析和后期处理.     

基于图像局部方差分布的自适应反锐化掩模算法

针对现有反锐化掩模法中的缺点,分析了人类的视觉特点。根据图像细节分区原理,利用试验参数和具体图像的局部方差分布获取图像修正因子增益,提出了一种有效的图像增强算法一基于图像局部方差分布的反锐化掩模算法。该算法从人类视觉特点出发同时兼顾具体图像的局部方差分布特征。     

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。     

基于小波变换的非线性多自由度系统的参数识别

讨论了用小波理论识别非线性多自由度系统参数的方法.首先将系统的微分方程投影到由Daubech ies尺度函数张成的子空间中去,然后利用Daubech ies小波的性质将系统微分方程转变为由未知参数构成的一个超越代数方程组,从而最终将系统参数识别问题转变为代数方程组的求解问题.仿真结果证明了该方法的有效性.     

基于小波变换的图像增强算法

结合小波变换中相关系数理论,提出了一种基于小波变换的图像增强算法,该算法先区分小波域中由细节及噪声产生的高频系数,对由细节产生的信息进行增强,对噪声进行抑制·解决了通常算法中增强细节信号的同时也放大了噪声这个问题·实验表明,该算法在得到很好的图像增强的同时,能很好地抑制噪声,对于多噪声环境下的弱细节信号能达到很好的增强效果·     

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.     

基于离散多小波变换的遥感图像融合方法

以不同分辨率的遥感图像为对象,基于Chui—Lian（CL）离散多小波变换的特性,提出了一种新的图像融合方法．该方法将两幅不同的源图像分别进行预处理和多小波分解得到各个分解图像,然后对分解图像分别采用基于区域特征的融合方法,得到混合的分解系数,通过多小波重构和后处理算法从而获得融合图像．该方法能够为图像融合提供一种比传统的小波变换更加精确的融合方法．实验结果证明采用这种方法可以得到更好的融合效果,不仅能够完好地显示源图像各自的信息,而且能更好地将源图像的细节融合在一起．     

基于自适应小波变换的红外图像去噪算法

针对红外图像存在的加性、乘性及混合噪声,提出了一种自适应小波变换的图像去噪算法.该方法首先用小波变换对含噪图像信号进行小波分解,这样可以保证对图像中的不相关噪声的有效抑制,保持图像的细节信息.然后将经小波变换所分离出来的噪声成分作为自适应滤波器的输入,通过选用自适应滤波算法从而实现信噪分离的最佳滤波.仿真结果表明,本文提出的去噪算法优于已有的各种算法,提高了图像的对比度,突出了图像细节.     

基于多小波变换的图像去噪改进算法

在介绍多小波理论的基础上,提出一种基于多小波的自适应图像去噪算法,该方法根据多小波系数在不同子带、不同方向上的特性自适应选取不同的最佳阈值,然后再与图像的分解尺度函数因子结合起来。实验表明,与单小波和其它使用不同预处理过程的传统多小波去噪方法相比,该方法有效地去除了白噪声,进一步提高了图像的峰值信噪比（PSNR）和最小均方误差（MSE）。     

图像增强的自适应免疫算法

介绍了自适应免疫算法的基本原理及实现步骤，并将其应用到图像的增强处理中，在传统的图像管理处理中，针对图像灰度分布的不同情况，需要定义相应的灰度变换函数。Tubbs将图像增强处理中几种常用的非线性变换函数表示成一个归一化的非完全Beta函数，但确定Beta函数参数仍是一个复杂的问题，本文利用自适应免疫算法来确定该变换函数的最佳参数值，通过对自然图像的仿真实验可以看出本文方法的有效性。     

基于小波变换图像增强算法的手机散斑衬比血流成像技术

为实现激光散斑血流成像设备的便携化,研究了手机散斑衬比血流成像技术。通过分析和重组彩色滤波阵列的光强信号,解决了彩色图像传感器无法获取散斑信号的问题。提出了基于手机相机的散斑衬比分析方法,使用二维离散小波变换对图像低频区域进行增强,并使用k-means聚类和Ostu算法将背景区域和前景血流区域进行分割和去噪。最后,为验证这两种算法在不同情况下的分割结果,分别进行了血流模拟实验和微循环血流灌注实验。研究结果证明,Ostu算法在不同的血流模型下有更好的分割去噪表现,解决手机自带算法导致血流图像失真问题的同时,提高了图像的可视化效果。     

基于图像整数小波变换的盲数字水印嵌入算法

提出了一种新的在静态图像中嵌入盲水印的算法.通过调整图像3个高频小波变换域的系数,使之对某个整数取模后的余数符合一定的规律,从而表示水印信息.本算法是一种非线性的算法,其优点是可以嵌入的水印数据量大,从信息隐藏的角度,可达2 b it/p ixe l或更多,且对图像的篡改敏感.算法的思想具有通用性,可以结合其他的图像变换和量化方法,达到预定的要求.     

基于方向场和频率场的自适应指纹图像增强算法

基于指纹图像局部区域所固有的方向特性和频率特性,提出了方向场和频率场的概念．设计了一种快速而有效的自适应指纹图像增强算法．该算法基于局部与宏观相结合的原则,不但利用了指纹图像的局部特性,而且结合了局部四邻区域的关联特性．对于指纹图像中脊线方向变化较规则的区域．采用方向为最佳且经过参数优化的单一方向Gabor滤波;对于指纹图像中脊线方向存在突变块的区域,则采用组合的多方向Gabor滤波,将该方法与LinHong方法的增强处理结果图例对比表明,它具有计算量小、增强效果好的特点。     

基于子带加权融合的多尺度Retinex图像增强算法

Retinex模型是人类视觉对亮度和色彩的感知模型,多尺度Retinex算法具有动态范围压缩大、色彩恒常性、色彩保真度高等特点,被广泛运用于低光照图像的增强。提出一种新的图像增强算法,首先用混合灰度变换函数替代传统的灰度变换函数,对图像做不同尺度的Retinex变换,并分解重复的频带信息,对各个独立的频带分别进行增强。然后引入图像融合的思想,将不同尺度Retinex图像的每个像素点都赋予不同的权重。最后得到输出图像。实验结果证明,本算法可有效增强图像的对比度,得到的图像清晰度高,色彩恢复好。