基于小波变换的反锐化掩模图像增强新算法

针对传统的基于小波变换的反锐化掩模图像增强算法中存在的问题，即对比度相同而幅角不同的边缘达到的增强效果之间差别较大，提出了一种新的基于小波变换的反锐化掩模图像增强算法。该算法在对原始图像进行小波分解的基础上，根据小波变换所提供的幅角，对小波系数进行自适应增强处理。实验结果表明，与传统算法相比，新算法使对比度相同而幅角不同的边缘达到的增强效果之间的差别明显减小。     

一种新颖的医学图像锐化增强算法

针对医学图像组织间不明显现象,提出了一种基于模糊规则和小波变换的医学图像锐化增强算法。对不同尺度的小波系数进行锐化增强时,首先根据该尺度低频系数中心像素与其邻域像素的相容性利用模糊规则自适应计算非线性细节增益系数。然后把增益系数与细节小波系数相乘,小波重建后得到增强图像。实验结果表明,提出的算法对图像细节进行增强的同时能够有效地抑制噪声。     

形态学算子和小波变换的虹膜去噪算法

为了解决虹膜识别过程中睫毛噪声干扰的问题,提出了一种基于形态学算子和小波变换相结合的睫毛抑制算法.该算法首先将虹膜图像中的睫毛区域模拟成背景图像中的“裂缝”,通过形态学膨胀算子对裂缝区域进行像素填充,然后利用小波变换的多分辨率特性,对变换后的高频系数进行非线性小波阈值处理,低频部分进行反锐化掩膜,最后经小波逆变换重构虹膜图像.样本仿真实验表明:该算法可以使Daugman和Wildes定位算法的精确度分别提高2.1％和2.43％,定位时间相对减少24.3％和22.6％.     

基于小波变换的雾霾立体图像增强算法研究

针对立体图像在雾霾环境下的质量问题,运用小波变换的多尺度特征,提出了一种雾霾环境下的立体图像增强算法,主要用于中度污染情况下的雾霾立体图像,以提高图像资源的清晰程度。该算法将原始雾霾立体图像的深度信息与多尺度小波分解相结合,在不同尺度下分解得到的小波高频子图中设置人为操控因子,调控对比度增强的强度;锐化分解后的小波低频子图边缘来突出整体轮廓。实验从PSNR指标、视觉效果和DMOS主观评价值三个方面验证了算法的成效,该方法的增强性能均好于传统的边缘锐化和四层小波变换方法,具备很好的图像边缘增强能力,细节保护能力,且与传统小波变换有相同的算法时间复杂度。     

基于邻域与FCM的多小波域盲水印算法

提出一种基于邻域与FCM的多小波域盲水印算法。该算法根据人类视觉系统的掩蔽性对多小波域的中频系数进行模糊聚类分 析,自适应地找到适合嵌入水印的纹理边缘子块,并结合子块的局部相关性嵌入二值水印图像。为保证增强水印的安全性和鲁棒性,在嵌入前将水印置乱,嵌入时重复嵌入水印。实验结果表明,该算法对JPEG压缩、剪切、锐化及边缘锐化、椒盐噪声、滤波等常规攻击有较强的鲁棒性。     

基于反对称双正交小波重构的图像增强方法

详细给出了基于反对称双正交小波重构的多尺度边缘检测方法的相关理论基础, 即推导了反对称双正交小波变换所具有的卷积运算性质; 分析了反对称双正交小波变换的微分算子功能; 提出了一种针对图像多尺度边缘提 取的小波重构算法. 在此基础上, 提出了基于反对称双正交小波重构的图像锐化增强方法. 首先对图像进行多尺度小波分解; 然后在小波重构中, 计算模值图和相角图, 提取各尺度边缘图像, 并根据边缘图像, 增强半重构图像的对应边缘点; 最后继续逐级重构,实现图像增强. 该方法在小波塔式分解数据的重构过程中有针对性地实现对图像边缘的锐化增强, 对图像增强和图像滤噪增强提供了一种新的解决问题的思路. 实验结果验证了 该方法的有效性.     

一种小波域隔点嵌入数字水印算法

本文提出了一种基于小波域数字水印算法,算法选择在图像中相间隔位置的象素点作小波变换,再利用低频细节子带部分的三个系数之和的特点嵌入水印,水印嵌入时每个系数均只需作非常小的修正,测试结果证明该算法有效保证了水印的不可见性,同时对JPEG压缩、噪声、模糊及锐化等常见的图像处理具有较强的鲁棒性。     

红外图像全局和局部对比度增强的非线性增益法

提出一种基于模拟退火算法和离散平稳小波变换增强红外图像全局和局部对比度的非线性增益算法.基于原始红外图像的灰度直方图提出一种判据,利用该判据判断原始红外图像的对比度类型,以指导模拟退火算法的搜索方向和初值的选取;并利用模拟退火算法优化非线性灰度变换参数,实现对图像进行全局对比度增强.对全局增强后的图像进行离散平稳小波变换,分别对各个分解层的高频子带利用所提出的非线性增强算法进行细节增强.实验结果表明,该算法在有效地提高红外图像整体对比度的同时,能突出红外图像中目标的细节部分信息,在视觉质量上优于传统的直方图均衡法、反锐化掩膜法等.     

基于小波变换的混合作用域医学图像增强算法

医学图像对比度低,细节不清晰,要对其进行增强处理才能满足临床诊断的需要,而目前常用的小波增强算法自适应性差,丢失细节,为此提出了一种基于dbN小波变换的混合作用域医学图像增强算法,该算法结合Sobel算子提取的边缘,经过滤波变换,得到原图像的锐化图像,再采用能够扩展其灰度范围的幂次变换,实现图像增强。该算法通过实例验证,与常用的分段小波增强算法比较,自适应性强,增强后的图像细节丰富,具有良好的视觉效果。     

基于中值滤波的小波域水印算法

提出一种小波域鲁棒图像水印算法,水印信息被嵌入小波变换的低频子带。为检测对视觉不敏感的离散小波变换低频系数,将小离散波变换的低频子带进行中值滤波,并与原小波变换低频子带的小波变换系数比较,对变化程度小的系数嵌入水印信息。实验结果表明,该算法与基于小波低通滤波的水印算法相比,保证不可见性,对压缩、中值滤波、剪切、锐化等具有更强的鲁棒性。     

一种基于DWT的数字水印算法

提出了一种基于离散小波变换的数字水印算法,选择低频子带嵌入水印,保证了水印的不可见性;该算法选择了对JPEG2000彩色多分量图像的Y分量嵌入Arnold变换水印,简化了水印的检测。实验结果表明,该方案能抵御压缩、模糊和锐化等攻击,具有较好的鲁棒性。     

基于GHM和FCM的自适应图像水印算法

提出一种基于GHM多小波变换域上的模糊自适应水印算法。利用多小波系数块的能量、重要系数对小波块进行分类,结合图像自身的局部特性,在多小波系数中的两个相关的细节子图像中自适应地嵌入一幅二值水印图像;为了增强水印的鲁棒性,采用冗余嵌入方法;水印的提取不需要原始图像。实验结果证明,该算法对剪切、JPEG压缩、锐化等多种图像处理具有很好的鲁棒性。     

基于Sobel算子的小波去噪算法

文章在分析Sobel算子边缘锐化与小波边缘检测的基础上,提出了一种能保持图像边缘的去噪方法。对加噪图像进行平稳小波变换以后,在各尺度下利用Sobel算子对小波高频系数进行边缘锐化,采用局部模极大值进行边缘检测,对于非边缘小波系数采用小波阈值滤除。实验结果表明,该方法不仅能够滤除图像的噪声,而且能够保持图像的边缘。     

基于双正交小波变换和图像复杂度的水印算法

数字水印技术是一门将数字信息嵌入多媒体数据并能提取的一门技术。本文提出一种基于双正交小波变换和图像复杂度的可逆水印算法。该算法对原始图像进行双正交离散小波变换后分解成频带,基于熵的值决定嵌入频带,通过图像复杂度的五个特征值决定嵌入位置。仿真结果表明,该算法取得良好的效果,且能较好地抵抗模糊、噪声、锐化等滤波操作,具有良好的鲁棒性。     

基于二维离散小波变换的红外图像增强算法

针对红外图像对比度差、噪声较大的缺点，提出一种基于二维离散小波变换的红外图像增强方法。对红外图像进行离散小波变换后，得到图像各个方向的梯度信息，对该信息进行正则化和线性滤波，最后将图像复原，提高了红外图像对比度，同时也降低了噪声。实验结果表明，提出的方法在性能上优于传统的直方图均衡法和反锐化掩膜法。     

一种基于小波变换的鲁棒数字图像水印

提出了一种基于小波变换的鲁棒数字图像水印算法。该算法首先对水印信息进行置乱以降低空间相关性,然后把原始图像进行三级小波变换。并将水印信息嵌入到原始图像的低频子带中,最后经三级小波反变换得到嵌入水印后的图像。实验结果表明,该算法具有较强的鲁棒性。     

基于快速非抽样小波变换的岩屑多聚焦图像融合

针对传统非抽样小波变换算法较复杂的缺点,结合空、频域处理上的特点,提出了一种基于快速非抽样小波变换的多聚焦图像融合算法。与之前基于非抽样小波变换的融合算法不同,该算法取消了反变换,它根据高频小波系数绝对值和取大原则,融合图像像素值直接在对应源图像的相应位置取值,从而大大提高了图像处理的实时性,改善了融合效果。通过与六种非抽样小波变换融合算法的比较,以及快速非抽样小波变换与非抽样小波变换的融合时间对比,直观地给出了该算法的效果和时间优势。     

一种基于小波变换的图像边缘增强算法

基于小波变换,提出了一种新的图像边缘增强的算法.与通常所用的非锐化模板方法相比较,具有更好的边缘增强特性.实验表明所提出的方法是可行的.     

一种新的多聚焦图像融合算法

提出了一种基于小波-Contourlet变换的多聚焦图像融合算法;该算法首先采用小波-Contourlet变换对源图像进行多尺度分解,得到高频和低频图像;接着根据高、低频分量各自的区域特性,采用不同的融合规则进行处理,得到小波-Contourlet变换域的融合系数,最后通过反变换得到融合图像;采用信息熵、标准差和互信息3个评价标准,将该算法和传统的小波算法和Contourlet算法的融合结果进行了比较;实验结果表明,该算法获得的评价指标都优于其它算法,且融合图像较好地从源图像中提取了有用信息,提高了融合质量.     

基于小波变换的图像去噪算法的实现

图像的有效去噪是图像信息预处理的关键步骤,该文描述了利用正交小波变换和软阈值方法对数字图像的去噪的实现算法。它主要包含正交小波变换、阈值去噪与小波反变换部分,其中,正交小波反变换是指对包含噪声的数字图像进行正交小波变换,得到小波系数;阈值处理是指对小波系数进行软阈值处理,去除噪声;正交小波反变换是指对去噪后的小波系数进行正交小波反变换,得到去噪图像。此外,为了减少图像边缘失真,进行了滤波处理。