基于多尺度小波算子的图象边缘检测

分析了传统的图像边缘检测算法及其存在的问题，论述了基于多尺度的小波分析进行边缘检测的算法，并以实例说明基于小波分析得图像边缘检测算子效果更优。     

基于小波域的多尺度图像融合方法

提出了一种基于小波域的多尺度图像融合方法，对于高频细节部分和低频近似部分采用不同的融合规则，有效地克服了以往图像融合时容易受噪声干扰、空间细节信息丢失的缺点．通过计算机仿真，将融合结果与传统小波融合方法以及基于PCA的融合方法进行比较，该方法获得了更好的图像融合效果，是一种有效的图像融合算法．     

基于多尺度积的磁共振图像增强算法

结合磁共振图像（ MRI）特点,分析了噪声对小波变换的影响,对小波系数间的相关性进行分析和归类,根据图像类型的不同,选取不同的函数进行MRI增强。本文提出了一个新的分段函数对未定点进行增强,实验表明,此函数在对图像中的未定点进行增强的过程中,能较好地抑制其中的噪声点,有效地增强像素点。     

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.     

有限元多尺度小波

利用有限元插值和多尺度分析理论构造出了有限元多尺度小波.这些小波函数集许多优良性质于一身,如固定的短支集,高阶的消失矩,半正交性及正则性等.     

多尺度Retinex灰度图像增强算法

为提高图像识别在分类时的质量,必须在图像的预处理阶段对噪声进行滤除,对图像中的目标对象加以增强.从研究图像增强的空域法入手,利用多尺度Retinex灰度图像增强算法完成图像的增强.做到改善图像颜色恒常性,压缩图像动态范围,提高对比度,有效显示淹没在阴影、光照等区域中的细节. 在仿真实验中,对图像进行高斯滤波,确定了高斯滤波系数.仿真结果证明该方法可行,在完成图像增强的同时,对噪声有较好的抑制作用.     

多尺度小波变换在自适应滤波中的应用

分析了小波变换的基本理论和小波变换的多尺度分析，并根据多尺度小波变换的多分辨率特性，提出基于多尺度小波变换的自适应滤波，构造了其仿真模拟图，并对其进行了仿真，通过LMS自适应滤波和多尺度小波变换自适应滤波的信真图对比，表明该方法可行的。     

多尺度分布式平滑估计方法

利用多尺度分析的思想,将基于模型的动态系统分析与基于统计特性的多尺度信号变换方法相结合,建立起基于小波变换的多尺度分布式平滑估计新算法,并给出了算法的计算机仿真结果。     

基于小波变换的多尺度图象边缘检测

提出了一种新的图象边缘检测方法,这种方法解决了第一代多尺度边缘检测方法中存在的两个问题,即边缘仅定义为信号的奇异性表现和滤波尺度参数难以选择。实验结果表明,本方法和传统的边缘检测算法相比具有定位精度高,去噪效果好等明显的优点。     

基于模平方处理的小波图像增强方法

传统的图像增强算法存在噪声过增强的问题．为了更好地保证图像的整体增强效果,该文提出一种基于模平方处理的小波图像增强方法．实验结果表明,该算法可以有效地增强图像的细节信息,减小噪声的增强幅度,改善图像的视觉效果．     

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.     

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。     

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.     

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。     

基于小波域HMT模型融合的图像分辨率增强

图像的分辨率可以通过预测细节子带中的小波系数来得到提高.采用Gaussian混合模型的小波域隐马尔可夫树可以精确地描述真实图像的统计特性,非常适合于预测图像的细节子带.但是这类方法的缺点是被预测的小波系数是随机生成的,每次算法得到的结果均不相同,只能从中选择一个作为最终结果.本文提出了一种算法,将随机结果根据局部方差融合规则融合到一起,从而产生一幅更适合人类视觉系统的图像.实验结果证明了本文算法的有效性,其主观和客观评价指标均优于传统算法.     

一种基于模糊集的医学超声图像增强的新方法

鉴于灰阶医学超声图像对比度较差使得正常组织和病态组织难以区分，采取了基于小波和模糊集的图像增强方法．实验结果表明，此增强方法能够在增强图像微小细节的同时避免噪声过增大，提高了图像对比度，改善了图像的视觉效果，从而提高了诊断的准确性。