一种基于小波变换的非线性红外图像增强算法

针对红外图像对比度低,噪声干扰大,用传统增强算法增强时,增大噪音的问题,提出了一种基于小波变换的非线性红外图像增强算法.该算法先对原始图像进行小波变换获得低频和高频系数,接着根据低频系数的特点设计了非线性函数对低频系数进行增强,并对高频系数进行小波去噪,最后通过小波重构得到增强的图像.仿真实验表明,该方法不仅解决了红外图像对比度低的问题,并且降低了噪声,突出了图像细节,该方法无论是增强效果还是抗噪效果都明显优于传统的图像增强方法.     

基于双域分解的夜间车辆红外图像研究

夜间车辆交通红外图像光照不均,导致车辆图像细节纹理较弱,识别难度较大。为此,提出基于双域分解的夜间车辆交通红外偏振图像增强方法。采用改进Retinex低照度图像光照补偿算法,分解图像为低频图像与高频图像,对低频图像去雾、优化其对比度,对高频图像去噪与增强,合成低频、高频图像实现夜间车辆交通红外偏振图像增强。实验测试结果证明,对比传统方法,所提方法增强后图像亮度与对比度得以优化,且细节信息更丰富,具有理想的视觉效果。     

小波变换在大景深成像系统图像复原中的应用

为消除大景深成像系统引起的图像模糊问题,提出综合维纳滤波和小波变换进行图像复原和增强的一种新方法.维纳滤波不能对大景深模糊图像的高频分量进行较好的复原,利用小波变换算法进一步对维纳滤波复原的结果进行高频增强,以使模糊图像在高低频均获得理想的复原结果.仿真实验首先对标准样本进行大景深模糊,然后对模糊图像先采用维纳滤波算法进行复原,再进一步采用小波变换算法增强复原图像高低频对比度.结果表明:采用了小波变换算法后大景深模糊图像的复原效果得到了有效提高,图像的峰值信噪比提高了近50%.     

结合人眼视觉特性的红外图像增强新技术

红外图像具有边缘模糊和对比度较低的缺点,不适合人眼观察,所以要对其进行增强.但是现有的增强方法没有考虑人眼的视觉特性,视觉效果不好.提出基于小波的多分辨分析方法和Retinex图像增强算法相结合的红外图像增强方法,对红外图像不同的高频细节进行有针对性增强,同时用Retinex算法把人眼的视觉特性融入其中,能够使得增强的红外图像光照均匀,亮度适中,更适合人眼观察.算法既增强了图像的细节,又增强了图像的对比度,实验证明:该方法解决了红外图像低对比度和细节模糊的问题.     

一种混合的遥感图像增强方法

根据遥感图像细节信息丰富,信息量大,目标和背景区分度小等特点,针对目前的遥感图像增强方法无法满足在去噪的同时增强图像对比度、细节和边缘的现象,提出了一种混合的遥感图像增强方法。首先将遥感图像做直方图均衡化,从全局增强图像的对比度,然后对遥感图像做NSCT变换,将其分解为一个低频子带和多个高频子带,对高频部分进行自适应阈值去噪和模糊对比度增强处理,为了防止过增强,对低频部分不做处理。最后对逆变换回空间域的图像用拉普拉斯滤波器增强图像的边缘。实验结果表明本文方法对遥感图像增强效果显著。     

基于小波变换的红外图像融合算法研究

小波变换具有良好的多分辨分析特性,可用于可见光图像与红外图像的图像融合。一般情况下,对于分解后得到的低频分量采用加权平均的方法来进行简单处理,这对融合后图像的对比度和视觉效果有很大的影响。采用基于小波变换的图像融合算法来分别处理分解后的低频分量和高频分量,并与其他融合方法进行分析比较。实验结果表明,使用所提出的算法进行融合后的图像内容清晰,具有增强图像的空间细节能力,提高图像分辨效果和人眼对场景目标的发现和识别概率,在不影响互信息量值的情况下,融合后图像的边缘保持度提高了将近2倍。     

基于多尺度几何分析的SAR图像融合

在穿墙雷达成像技术中,建筑布局成像对确定墙后人体目标的空间相对位置以及多径虚假目标的提取有重要意义。目前的建筑布局成像一般采用多通道多视角图像融合方法,对此提出一种基于多尺度分析,即基于小波分解下的多通道多视角图像融合算法。该算法分为两个阶段,第一阶段涉及到单视角下的多通道图像融合,该阶段的融合目的主要是为增强图像细节信息和提高图像清晰度。因此对其小波分解后的图像高频分量采用平均梯度增强的加权融合算法,低频分量采用平均加权融合,后经小波反变换后形成多幅单视角图像;第二阶段涉及到多视角融合,该阶段的融合目的主要是为了增强图像的对比度,并且考虑到此阶段不同视角下图像经小波分解后的三个高频分量对比度各不相同,因此高频分量采用对比度增强的加权融合算法,低频分量仍采用平均加权融合,后将融合后的频率分量经小波反变换,便可得到一幅完整融合图像。仿真结果表明,提出的基于小波分解下的多通道多视角图像融合算法不论在图像视觉效果的改善和信噪比的提高等方面都有较大的作用。     

边缘和对比度增强的NSST域红外与可见光图像融合

为了将红外图像的全局信息与可见光图像的细节信息进行有效结合,进一步提高融合后图像的质量,提出了一种同时增强图像边缘细节和对比度的非下采样剪切波变换(NSST)域红外和可见光图像融合方法。首先,通过平移不变剪切波将图像分解成为低频子带与高频子带,通过全局显著性图分析图像的对比度信息;利用改进型局部显著度图分析图像局部边缘信息。针对不同频带系数,结合边缘信息和对比度信息对频带系数进行融合,最后,利用逆变换得到最终的融合图像。大量实验结果表明,本文方法在提高图像整体对比度的同时增强了图像的边缘细节表现能力,优于现有的基于小波变换,非下采样轮廓波变换(NSCT)和显著度图等几种图像融合方法。     

一种基于平稳小波域的红外图像增强方法

针对红外图像对比度和分辩率低、噪声大的特点,提出一种基于平稳小波域的红外图像增强新方法.对高频子带中幅值较小的噪声系数进行衰减,幅值较大的边缘细节系数进行放大;对低频子带系数的幅值采用所提出的正弦函数进行伸缩处理.实验结果表明,本文提出的方法在有效地增强红外图像对比度及边缘细节的同时,又能很好地抑制背景噪声,综合性能明显优于传统的直方图均衡化和反锐化掩膜增强方法.     

基于离散平稳小波变换的图像同态增强

同态增强可用于减少光照不均匀引起的图像降质,提出了一种基于离散平稳小波变换的图像同态增强算法,对图像进行离散平稳小波变换后,对变换后的各个高频子带采用不同的同态滤波器进行增强处理,实验结果表明,提出的方法能有效地提高图像对比度,又能突出图像的细节部分信息,其效果优于传统的同态增强。     

基于视觉传达技术的低分辨率激光图像增强方法

以提升低分辨率激光图像视觉传达效果为目的,提出基于视觉传达技术的低分辨率激光图像增强方法。将小波增强算法与色觉一致性增强算法相结合,利用小波变换的多分辨率特性提取激光图像的多尺度特征信息,通过模糊非线性增强算子对高频区域内各层子带系数实施运算,对激光图像不同高频细节实施针对性增强;同时考虑人眼视觉特性,采用色觉一致性增强算法,针对小波的低频尺度系数,利用多尺度视网膜增强将灰度值处理到人眼视觉敏感的灰度区域,由此实现低分辨率激光图像的对比度增强与背景噪声抑制。应用测试结果显示,该方法增强后各激光图像的信息熵均值与标准差均值分别达到8.96和80.77,利于激光图像的视觉传达。     

一种新的多聚焦图像融合方法

提出了一种新的多聚焦图像融合方法,该方法是基于改进的方向对比度和区域能量相结合的一种融合方法。该方法先对两幅聚焦位置不同的源图像进行小波变换,然后分别计算对应分解层上的方向对比度、高频局部区域与对应的低频局部区域的能量,将得到的最大的方向对比度和区域能量作为融合规则得到融合后图像的小波系数,最后通过小波逆变换得到融合后的图像。采用这种方法得到的融合后的图像中各个位置都是聚焦清晰的,并且增强了对比度。最后通过仿真可以得出结论,这种方法比仅考虑方向对比度的方法要有效。     

一种改进的雾天监控图像增强算法

视频监控或激光成像在大气环境监测中有着广泛应用,然而在雾天条件下获取的图像不可避免存在视觉质量降低问题。针对雾天图像对比度增强以及噪声抑制的需要,提出了一种改进的雾天图像增强算法。首先对原图像进行正反双向的双直方图均衡处理与融合,然后重复采用上述方法对融合图像的小波分解低频系数矩阵进行增强处理,最后将处理结果和高频系数矩阵进行小波重构得到输出图像。实验结果表明,该算法处理雾天监控图像能够取得较好的对比度增强与噪声抑制性能。     

基于形态小波变换的低对比度图像增强算法

针对传统的图像对比度增强方法所存在的一些问题,提出了一种基于形态小波变换的图像增强算法.首先,将低对比度图像采用基于提升格式的形态Haar小波进行小波变换,得到小波系数,该小波变换实现结构简单,计算量低,并且有利于图像重要的几何信息在低分辨率空间中的保留.然后,对低频子带小波系数,采用直方图双向均衡方法进行调整,对高频子带小波系数进行基于软阈值滤波的细节系数增强,将调整后的小波系数反变换到空域上,得到增强后的结果.最后,给出几种增强算法实验结果的比较和分析,表明该算法对低对比度图片的增强是非常有效的,可以有效地增强图像的细节信息,保持图像的边缘特征,改善图像的视觉效果.     

基于小波变换与Retinex的电路板红外图像增强技术

电路板红外图像发热芯片区域的增强是红外图像故障检测系统中一项重要研究内容。针对电路板某些芯片的发热量小,芯片区域红外图像与背景差异弱的特点,为提高故障检测效率,设计了一种融合小波变换与改进的多尺度Retinex红外图像增强算法。首先,通过小波变换获得不同频率的子带图像;然后,利用多尺度Retinex算法对低频子带图像进行增强处理;对于高频子带图像,利用可变阈值去噪,引入图像清晰度参数,依据参数值对高频图像进行适度增强。最后,对处理后的高、低频图像进行小波逆变换与重构,实现电路板红外图像增强。对增强后的红外图像进行的定量以及定性评价表明:与单一的利用直方图均衡算法、小波变换法以及多尺度Retinex增强算法相比,本文算法改善了某些发热芯片区域红外图像对比度低且细节模糊问题,抑制了噪声,提升了电路板红外图像整体视觉效果。     

基于边缘的小波图像融合算法

提出一种基于边缘的小波图像融合算法,针对小波分解的不同频率域,分别对高频系数和低频系数设计不同的融合规则。采用小波系数局部模极大和定义的局部信号强度比相结合的方法融合高频系数;对低频系数采用一种基于边缘的方法,在两幅原图像中选择最有可能是边缘的点加以保留。实验结果表明:采用此融合规则得到的融合图像具有良好的融合效果。     

一种新的实时红外图像增强技术

提出了一种新的实时红外图像增强技术.此方法首先对图像进行多尺度滤波处理,得到图像的低频部分和高频部分;然后利用自适应平台直方图均衡的方法(APE)对低频部分进行了对比度增强,利用阈值XP方法对图像的高频部分进行了边缘锐化和降噪处理.很好的解决了红外图像存在的目标与背景对比度差、边缘模糊、噪声较大等缺陷.而且此方法的处理时间为每帧25ms满足实时显示的要求.实验表明此方法能在实时红外图像系统中取得了非常好的显示结果,红外图像经该方法增强后,目标与背景的对比度、边缘清晰度等都有一定改善.     

基于多小波增强的雾天运动目标跟踪技术

在雾天等能见度极低的天气环境下应用联合变换相关器对运动目标进行跟踪识别，针对目标由于灰度对比度极低、能见度差及环境中背景噪声干扰所引起的低识别率问题，提出了一种基于多小波增强的预处理方法，该方法在多小波变换优点的基础上，根据分解后系数的不同特点，采用不同方法分别增强高、低频系数，使处理后的图像在不失真的同时，对比度和目标边缘同时增强，且背景噪声得以抑制。对模拟雾天环境下拍摄的大量运动目标进行光学相关实验，结果表明:该方法能有效提高在雾天天气环境下运动目标的跟踪效率，验证了算法的可行性。     

小波变换和形态学相结合的图像融合新算法

针对边缘模糊导致图像融合质量下降,结合小波变换方法和数学形态学方法各自的优势,提出了一种将小波变换和数学形态学理论相结合的图像融合算法.针对高频系数融合,选用绝对值取大法,并适当地增强边缘;针对低频系数融合,对低频子图像运用形态学方法获得边缘灰度图像,若边缘灰度图像中该点像素值在153～255之间,标记该点为边缘点,选用区域空间频率取大法融合边缘点处对应的低频系数;若该点像素值在O～152之间,标记该点为非边缘点,选用平均法融合非边缘点处对应的低频系数.实验结果证明,该算法的融合质量得到了进一步改善和提升.     

基于小波变换与模糊理论的医学超声图像增强与去噪方法研究

医学超声图像的增强与去噪一直是医学图像处理的重要课题,针对传统超声图像增强处理算法的不足,本文提出一种基于小波分析理论和模糊理论的超声图像增强与去噪算法,首先对医学超声图像进行对数变换,将乘性噪声转换成加性噪声;然后再对超声图像进行多尺度小波变换,得到图像的高频和低频小波系数;再对低频系数进行模糊域增强,对高频系数进行小波软阈值去噪;最后通过小波重构得到增强后的图像。实验证明,该算法能有效增强超声图像的视觉效果,去除噪声,具有一定的应用价值和意义。