|
|||||
|
|
| 人工蜂群优化的非下采样Shearlet域引导滤波图像增强 | |
| 作者单位： | ;1.南京航空航天大学电子信息工程学院;2.华中科技大学数字制造装备与技术国家重点实验室;3.国土资源部地质信息技术重点实验室;4.东华理工大学江西省数字国土重点实验室 |
| 摘 要： | 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%。 |
| 关 键 词： | 图像增强 非下采样Shearlet变换 引导滤波 人工蜂群优化 非线性增益函数 |
An Image Enhancement Algorithm with Guided Filtering in Non-Subsampled Shearlet Transform Domains Based on Artificial Bee Colony Optimization |
|
| Abstract: | |
| Keywords: | |
| 本文献已被 CNKI 等数据库收录！ | |