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。     

红外图像增强方法的研究

为解决对比度差、边缘细节模糊等问题,提出了用分段增强法提高红外图像对比度.分段小波增强算法能有效地同时增强红外图像对比度及边缘细节,并抑制噪声.建立了表征图像边缘的特征向量.根据红外图像边缘的特征,准确提取红外图像的边缘.通过神经网络边缘检测法对样本集训练,使网络具有依据边缘特征向量求解场景中物理边缘的能力.实验结果表明神经网络边缘检测算法的精度优于其他算法,抗噪声能力强、边缘定位能力强、检测精度高.     

基于多尺度边缘的血管内超声图像增强算法

血管内超声图像同时具有低对比度和低信噪比的特征,传统的图像增强算法会明显放大噪声.为此,提出一种基于边缘表示的算法来增强血管内超声图像的对比度,采用平滑函数的导数作为小波函数对图像进行二进小波分解,使用小波系数在各尺度间的局部极大值来刻画图像的多尺度边缘,通过拉伸小波系数极大值再重构图像来增强灰度图像的对比度.实验结果表明,本文提出的增强算法在有效增强图像对比度的同时避免了放大噪声,并且可以通过调节不同尺度的拉伸因子来获得不同的增强效果,同时提高了运算速度.     

炭素制品X射线图像的小波边缘提取

针对经典的边缘检测算法在炭素制品X射线有噪图像的边缘检测效果问题,提出了基于小波变换的多尺度局部模极值边缘检测算法.该方法充分利用了小波变换优越的时频局部化分析能力及图像边缘点和噪声点的小波变换局部模值和方向在不同尺度下呈现不同的特性的特点.首先对图像进行小波增强处理,改善了图像的质量,在此基础上,确定了检测X射线图像边缘的最优边缘检测滤波器(小波基)和尺度,给出了小波多尺度局部模极大值的算法,并将该算法与经典的边缘检测算子进行了比较.实验结果表明,该方法明显比传统检测算子的效果要好,为进一步的缺陷模式识别等高层处理奠定了良好的基础.图3,参15.     

基于软阈值小波痕迹图像去噪算法及应用

针对痕迹图像的结构特点及传统图像去噪中所存在的问题，提出了一种基于软阈值的小波图像去噪方法．首先将痕迹图像经过小波分解得到一系列不同程度上的子带图像，再根据噪声和图像信号的不同特性，在不同尺度的子带图像上进行软阈值滤波，最后进行小波重构，得到去噪后的图像．实验结果表明，该算法可较好的保留图像信号的边缘特征，改善图像的视觉效果．     

基于单层小波变换的加权压缩感知图像处理

针对简单正交基不能足够稀疏表示信号问题,提出了一种基于单层小波变换改进的加权压缩感知算法。根据图像小波变换的特点,对图像进行单层小波分解,保留低频系数,对高频系数进行测量;并提出设置加权系数矩阵,作用于信号小波正交变换后的高频稀疏系数,增强其系数的稀疏性,增强图像的重构质量;重构算法采用贪婪算法中的OMP算法。实验结果表明该算法对重构精度有进一步提高。     

基于二进小波变换的图像增强技术

文章给出了图像的二进小波分解与重构,通过理论分析和实验研究了基于二进小波变换的图像子带增强算法,重点是二进小波基的选取以及图像分解层次对图像中目标边缘增强的影响研究。二进小波变换提供平移不变表示,导致完备的高频分量适于图像增强,实验结果表明,二进小波变换增强方法可以减少噪声的放大,在增强图像微小细节和避免放大噪声两方面获得令人满意的结果。     

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阃的矛盾.     

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。     

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。     

一种新的图像重建的扇束卷积反投影算法

通过Radon变换的小波反演公式,得到了扇束投影重建的卷积反投影算法。利用Lemarie-Mayer小波束构造该算法的窗函数,分别进行了全局重建和局部重建。与其他传统的重建算法相比较,在全局重建,特别是局部重建上都能取得一些不错的结果。     

SPECT局部重建中小波去噪方法研究

针对单光子发射断层成像技术中全局图像重建时间过长的问题,提出了局部重建的思想,同时为了提高局部重建图像的质量,需要在局部重建之前,对投影图像进行噪声去除.利用基于小波变换的复数改进二元萎缩相关去噪法,对噪声投影图进行处理,并利用局部重建算法进行图像的局部重建,在保留图像细节的同时,降低了图像噪声,缩短了重建时间.利用均方误差评价标准,对去噪结果进行评测,结果表明:在局部重建中,利用该方法进行去噪处理具有良好的效果.     

基于自适应小波基和Smoothed-l0的压缩感知图像重构算法

使用压缩感知进行图像重构的意义在于能显著减少采样次数,节约系统资源。从提高图像重构质量和算法执行速度角度出发,在已有的算法基础上加以改进,提出了基于自适应小波基和Smoothed-l0的图像重构算法(AWSL0),即根据测量矩阵行向量的个数,自适应地选择合适的小波基进行图像稀疏化,并使用Smoothed-l0算法进行图像重构。仿真结果表明,该算法在图像重构质量上和执行速度上都比原算法有较大的提升,且在鲁棒性上也有明显的改善。     

基于DWT的多尺度分块变采样率压缩感知图像重构算法

利用压缩感知理论改善图像重构的质量是目前图像处理技术研究的焦点。通过DWT域对图像每级分解时的每个子带中应用分块采样并结合平滑投影Landweber重构算法,提出一种多尺度分块变采样率压缩感知图像重构算法。比较BCS-SPL和TV以及多尺度GPSR图像处理算法,文中提出的算法使重构的图像质量提高了1～3 dB。     

基于小波框架的有限角度CT重建算法

针对有限角度CT重建问题,结合压缩传感相关理论,提出了基于小波框架的有限角度CT迭代重建算法．该算法利用小波框架的冗余性及框架系数稀疏性原理,首先建立了小波框架图像重建模型,通过共轭梯度法求解投影方程,得到重建图像,然后通过分裂Bregman迭代法对重建图像的小波框架系数进行阈值收缩,减小图像L1范数,提高重建精度．实验结果表明在有限的投影数据下该算法重建出的图像内部结构边缘清晰,对比度高,重建误差低,对噪声有一定的抑制作用．     

基于JPEG图像的改进小波变换信息隐藏算法

利用小波多分辨率分析技术,提出一种基于JPEG图像的改进小波变换信息隐藏算法.信息嵌入时,该算法在JPEG图像上使用YCb Cr颜色空间变换进行二维小波分解和重构,保证了嵌入后的图像不失真.验证试验表明:在嵌入容量相同的情况下,改进算法比原算法具有更好的鲁棒性,可以做到图像的无损恢复.     

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...     

基于小波变换的改进暗通道去雾算法

针对暗通道先验算法在景深较大处会出现颜色失真,且易受噪声干扰和运行时间久等问题,提出了一种基于多尺度小波变换的改进融合暗通道去雾方法。首先对有雾图像作二级小波分解,再对得到的高频分量利用软阈值去噪,对低频分量利用改进的自适应融合暗通道进行去雾。最后利用一个局部线性模型将高低频分量系数关联进行小波重构。实验结果表明,提出的算法具有较高的去雾效率,且能很好的提高去雾图像的质量。     

采用稀疏表示和小波变换的超分辨率重建算法

为了提高超分辨率重建图像的质量,提出一种基于稀疏表示和小波变换的超分辨率重建算法.首先,将小波变换的多尺度性、多方向性与稀疏表示的灵活性相结合,构建一种双稀疏编码(DSC)模型,提高稀疏系数的精度.然后,在双稀疏编码模型中引入局部线性嵌入正则化项(LLER),以更好地保留图像的结构;在重建过程中,对输入的低分辨率图像进行小波分解,得到3幅不同方向的高频子图,并采用提出的模型对其进行重建.最后,利用逆小波得到最终的高分辨率图像.实验结果表明:与多种主流的超分辨率算法相比,文中算法无论在主观视觉效果还是在峰值信噪比和结构相似度两个客观评价指标上,都取得了更好的效果.