基于小波变换的红外图像模糊与同态增强

针对红外图像对比度差、视觉效果模糊的缺点,提出了一种基于小波变换的红外图像模糊与同态增强算法。首先,采用正交小波变换对红外图像进行处理,将空域图像转换到频域,得到小波各层的分解系数;然后,运用同态滤波法对红外图像的低频子带小波系数进行处理,同时对红外图像的高频子带小波系数进行模糊增强处理;最后,经正交小波逆变换重构得到增强后的红外图像。实验结果分析表明,该方法可以增加红外图像细节,提高图像对比度,符合人眼视觉直观感应,能够有效达到红外图像增强的目的。     

BEMD分解的矿下图像增强算法

应用一种基于二维经验模态分解和高频滤波的图像增强算法,对处于恶劣环境中矿井下的图像进行增强处理,能有效解决此类图像存在边缘及纹理等局部细节信息模糊、对比度不高以及对噪声敏感等问题。首先,对输入的矿井下图像进行高通滤波处理,去除图像中的高频成分,得到矿井下图像的低频部分;其次,用二维经验模态分解出图像的高频部分,弥补因第1步引起的图像细节信息丢失的不足;再次,通过确定高低频比例因子c,将提取的高频细节与低频背景按3∶2的比例融合,并有效抑制粉尘散射模糊和过曝光白色伪影现象的噪声;最后,采用直方图均衡化来平衡图像灰度,增强图像的细节,提高图像整体的对比度。对比实验表明,在保证图像质量的前提下,所提算法与传统的高频强调滤波相比,处理后的图像清晰度Brenner指标提高10%,均方误差更小,在增强矿井下图像边缘纹理以及暗部细节效果明显,能够有效提高图像的对比度,增强图像的亮度和信息熵,能对后续的图像处理及分析提供有效的帮助。     

一种改进的基于频域的红外图像细节增强方法

在传统红外图像增强算法的基础上,给出了一种红外图像细节增强方法,以加强红外图像的细节特征,提高图像的识别精度.首先,对原始红外图像进行傅立叶变换,然后通过频域高斯滤波及反傅立叶变换得到低频图像和高频图像;其次,对低频图像采用对比度受限的自适应直方图均衡处理得到低频增强图像,对高频图像进行非锐化掩蔽及灰度变换得到高频增强图像;最后,将低频增强图像与高频增强图像进行加权融合,实现对红外图像的细节增强.     

人工蜂群优化的非下采样Shearlet域引导滤波图像增强

针对现有图像增强算法边缘保持性能不佳、抗噪性弱的问题,提出了一种改进的引导滤波图像增强算法——ABCO-NSST-GF。通过非下采样Shearlet变换(NSST)将图像分解成低频和高频2部分,利用引导滤波来增强低频系数,避免了高频噪声的放大;对图像的高频系数进行非线性增益函数变换,在增强边缘及细节的同时抑制噪声。最后,对处理后的低频和高频系数实施NSST反变换,重构出最终的增强图像。由于引导滤波中的盒滤波半径与正则化参数对增强结果有较大影响,采用了混沌蜂群算法搜索其最佳值,确保增强结果达到最优。针对约70幅实际工程图像进行了实验,结果表明,ABCO-NSST-GF算法能够明显改善图像视觉效果,与NSCT自适应阈值法等4种算法相比,所得图像清晰度、对比度和信息熵平均提高25.2%,与空域引导滤波算法相比,P峰值信噪比平均提高20.9%。     

基于对比度增强与小波变换相结合的红外与可见光图像融合算法

针对红外与可见光图像在传统离散小波变换的基础上,提出了一种基于对比度增强与小波变换相结合的红外与可见光融合算法.对红外图像进行对比度增强和去噪预处理,选取最佳小波基,分别对红外与可见光图像进行多尺度小波分解,提取两张图像的高频与低频分量,高频与低频取绝对值最大,对高低频分量进行小波逆变换重构图像.实验结果表明,该算法能够有效地获取边缘等细节信息,得到较高清晰度和对比度的融合图像,其边缘强度、信息熵、标准差、清晰度等客观评价指标均优于传统的PCA、Laplace金字塔和离散小波变换等算法.     

应用小波包变换的图像加权广义模糊增强算法

图像边缘细节富含高频成分,鉴于小波包分析具有对高频分辨率高的特点,提出一种应用小波包变换的图像加权广义模糊增强算法。对图像进行小波包分解,分别对各分解子图像进行基于线性广义模糊算子（LGFO）的模糊增强处理,重构前对各增强子图像赋予不同的权值,通过小波包图像重构实现对原始图像的加权模糊增强处理,获得细节丰富、对比度强的高质量增强图像。在基于边缘测度与噪声标准差的增强图像质量评估标准下,算法实现了模糊参数的自适应寻优。实验表明,增强图像轮廓准确、细节丰富。     

血管内超声图像的血液噪声抑制和对比度增强研究

提出基于二进小波变换的血管内超声图像血液斑点噪声抑制和对比度增强算法。根据血管内超声成像的特点估计噪声的方差,并由二进小波变换的分解结构给出局部阈值的计算方法,结合软阈值滤波法和硬阈值滤波法对不同尺度的小波系数进行萎缩处理。同时采用了基于多尺度边缘表示的,利用小波系数极值拉伸和Hermite多项式插值实现的快速增强算法。实验结果表明,与现有血管内超声图像去噪的方法相比,该方法在抑制血液斑点噪声的同时增强了图像对比度,保留了图像的细节,具有更好的实用性。     

基于小波分解的薄云薄雾模糊图像的恢复与增强

在分析模糊图像噪声特点的基础上,提出对模糊图像进行适当层次的小波分解,然后对分解图像的轮廓和细节部分分别采用不同的处理方法：对低频分量进行LUM滤波和canny算子边缘增强;对高频分量则进行基于邻域统计特性的阈值处理,最后用处理后的分量进行图像重构。实验结果表明,该方法既能有效地去除噪声,又可较好地保持图像细节,效果优于传统的处理方法。     

改进小波亮度融合的低照度图像增强算法

针对普通小波分解算法应用到夜间低照度图像增强时出现无法提取出边缘光滑特征点、且亮度拉伸曝光等问题,提出了一种改进小波亮度融合的低照度图像增强算法.在小波变换对夜间低照度图像进行频域变换的过程中分别提取出图像的低频和高频分量,并对高低频分量分别处理.对小波分解后形成的低频成分使用加入权值的引导滤波,得到边缘增强的低频分量.将高频成分基于不同的区域范围进行特性融合,得到细节均匀统一的高频分量.将处理后的分量进行亮度提取与融合,最后转入RGB空间得到增强图像.仿真实验结果表明,该算法在均值、信息熵、峰值信噪上相较于直方图均衡算法提高了21.715%、13.531%、73.768%,相较于小波变换提高了85.456%、26.014%、19.621%.     

一种新型高斯噪声滤波算法

为了更有效滤除数字图像中的高斯噪声,提出了一种新型滤波算法.该算法首先将含有高斯噪声的图像进行二维小波分解,得到高频和低频小波分解系数;然后保留低频小波系数不变,对高频小波系数通过维纳滤波器进行滤波,并进行小波系数重构;最后将重构图像进行多尺度小波分解,通过设定新的阈值和判别函数,弱化不重要的小波分解系数,并进行小波分...     

基于滑动权值经验模式分解的医学图像增强研究

医学影像设备由于外在和内在因素的影响,所成图像对比度较低。运用小波、超小波增强算法,由于基函数需预先设定,无法自适应分析局部特性,导致增强后图像引入较大的噪声,图像细节出现畸变。二维经验模式分解(BEMD)可以数据自驱动分析局部数据;但由于插值算法或极值的影响,分解分量存在斑块或斑点的缺陷,影响后续处理。针对这种情况,提出了运用随局部数据自适应调整的滑动权值函数的滑动权值经验模式分解(SWEMD),解决了BEMD的缺陷。将SWEMD引入医学图像增强,并结合提出的非线性增强规则,能够更好地增强原始图像,增强图像的细节清晰无变形,对比度适中。实验证明该算法的增强效果优于目前的图像增强算法。     

基于非抽样contourlet变换的图像增强方法

针对实验图像光照不均、对比度低、噪声大等特点,提出一种基于非抽样contourlet变换的图像非线性增强算法.首先对原图进行非抽样contourlet变换,分解为低频和高频子带;然后对低频子图进行自适应直方图处理,以增强像素的对比度,对高频系数采用分层阈值处理和分段非线性变换;最后将其反变换得到增强的图像.仿真实验结果表明:此算法不仅增强效果好,鲁棒性强,而且具有较大的实用价值.     

一种基于能量分布特性的小波去噪算法

目前对于保持图像细节、滤除噪声,普遍采用空间域、频率域滤波．在空间域滤波,尽管能够有效地限制噪声,但是同时模糊了图像细节．因此,在频率域滤波的方法越来越引起关注．在小波频率域中,我们常常采用Donoho阈值方法处理小波系数来以此去除噪声,保留图像细节,然而该方法同时也一定程度上模糊了图像细节．小波变换具有良好的时、频局部化性能,图像经过多级小波变换得到不同分辨率的子图个数,各高频子图上的小波系数具有相似的能量统计分布特性．也就是说随着分解层数的增加,分辨率最低子图的小波系数范围最大,而高分辨率子图上大部分数值接近于0．因此,该文提出了一种新的基于能量分布特性的小波去噪算法(WCED)．     

基于小波域的软阈值噪声图像增强

针对噪声图像增强提出基于小波域的软阈值算法，基于信号和噪声在小波变换现具有不同的传播特性，图像经二维小波变换后得不同尺度的子带图像，在不同尺度的子带图像以软阈值算法进行增强，最后进行小波重构得到增强图像，实验表明，与传统算法相比本文算法在细节增强和噪声抑制上取得较好效果。     

基于WT和Retinex理论的低照度灰度图像增强算法

针对低照度图像噪声大、亮度对比度低、局部细节信息欠清晰等问题,为降低低照度灰度图像噪声,并提高其亮度和对比度,提出了一种改进型小波阈值去噪和Retinex理论的低照度图像增强算法。先采用改进型小波阈值变换对低照度灰度图像进行去噪,降低灰度图像高斯白噪声,再运用Retinex理论对去噪后的图像局部细节进行增强。Matlab仿真结果表明,本文算法在处理低照度灰度图像的高斯白噪声时峰值信噪比原图提高了7.76,标准误差下降了5.86,且低照度灰度图像的亮度和对比度都较大幅度提高。     

基于多尺度分析的血管内超声图像去噪和增强

提出基于二进小波变换的血管内超声图像血液斑点噪声抑制和对比度增强算法.血液红细胞散射引起的斑点噪声属于乘性噪声,在对数域进行二进小波变换后,结合软阈值滤波法和硬阈值滤波法对不同尺度的小波系数进行萎缩处理,并提出了一种局部阈值估计方法.同时采用了基于多尺度边缘表示的,利用小波系数极值拉伸和Hermite多项式插值实现的快速增强算法.实验结果表明,与现有单独进行去噪处理的方法相比,该方法在抑制血液斑点噪声的同时增强了图像对比度,具有更好的实用性.     

基于小波分析的方向滤波算法研究

针对采集到的指纹库中存在指纹过湿,以及存在高频噪声的问题,提出了一种基于小波分析的方向滤波算法。该算法在小波域利用低频系数图估计纹线方向,抑制了高频噪声的影响,实现了小波域低频图的方向滤波。最后利用小波逆变换实现方向滤波后的指纹图像的重构,试验表明,该算法对低质量指纹图像的增强效果明显。     

基于多小波变换非线性自适应增益的图像增强

随着多小波理论的发展,它所拥有的对称性、光滑性、紧支性、正交性等重要的数学性质弥补了单小波的不足．提出了一种基于多小波变换非线性自适应增益的图像增强算法,将图像进行多小波分解,高频细节图像采用多尺度非线性自适应增益增强．低频平滑图像采用反锐化掩模增强．实验结果表明：该算法能突出图像中的细节部分,可以有效地消除噪声,并且具有良好的增强效果．     

改进的直方图均衡化和NSCT变换的红外图像增强

针对红外图像对比度低、噪声大等特点,提出一种基于改进的直方图均衡化和NSCT变换(nonsub sampled contourlet transform)相结合的的红外图像增强方法。首先对红外图像进行NSCT变换,得到多尺度多方向的高频子带系数和一个低频子带系数。高频子带首先采用自适应降噪函数降低高频系数的噪声同时很好地保护边缘信息,然后采用非线性增益函数调整高频分量;在低频分量上采用改进的直方图均衡化方法进行增强。最后经NSCT逆变换得到增强图像。实验结果表明,提出的算法可以有效地提高红外图像的对比度,抑制图像的噪声,增强图像对比度,突出图像的边缘轮廓信息。     

图像域阈值与维纳滤波组合的图像去噪方法

用小波变换方法获得与带噪图像具有相同尺寸的各尺度与方向的图像域子图,并对各细节子图进行阈值化处理;然后,将去噪的各图像域细节子图与低频子图相加得到初级去噪图像;最后,对初级去噪图像执行图像域维纳滤波,进一步去除噪声斑点.讨论图像域阈值参数的估计方法,提出一种与小波域BayesShrink对应的图像域BayesShrink阈值估计方法.实验结果表明:与小波域阈值或者小波域阈值与图像域维纳滤波组合的方法相比,对于非高度细节的图像,除去低噪声细节相对丰富图像的情况外,图像域阈值与维纳滤波组合在去除平坦区大部分噪声的同时,能更好保留边缘与纹理细节,得到更好的图像质量与更高的峰值信噪比.