基于非降采样 Contourlet变换的非线性图像增强新算法

为了克服传统去图像噪声算法的限制,该文提出一种基于非降采样(Nonsubsampled)Contourlet变换的增强新算法(NNIEM-NSCT)。此新算法通过充分利用方向子带相关性的自适应贝叶斯阈值,既保护了图像边缘细节,又可更好地抑制图像噪声。其次,文中构造的非线性增强匹配函数,通过改变变换域的系数能有效对图像强弱边缘进行不同程度的增强。实验结果证明,该文新算法在图像细节处理上,优于基于NSCT的方法,细节方差( DV) 大约为NSCT的2倍,背景方差(BV)基本保持不变,并且具有更好的视觉效果。     

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Contourlet变换的图像增强方法

针对传统图像增强不能同时兼顾去噪和增强细节及小波变换在增强图像细节上的明显不足,提出一种了基于平移不变Contourlet变换的图像增强方法。采用平移不变Contourlet变换对图像进行多尺度分解,再利用非线性变换对Contourlet系数进行处理从而达到抑制噪声和增强细节的目的。实验结果表明本方法达到了良好的图像增强视觉效果,与传统的直方图均衡和小波域图像增强方法相比,其信噪比、(细节方差/背景方差)值都有了显著的提高。     

基于Contourlet变换的焊缝X射线图像增强

为了改善X射线成像对比度低、背景噪声明显、被测工件细节不易显示等缺点.针对X射线图像的特点及常规增强方法的不足,应用一种基于Contourlet变换的增强算法,对X射线图像进行图像增强,提高了原图像的对比度和像质,达到了细节区域的最佳视觉效果.实验结果表明,该算法与直方图均衡和小波域图像增强方法相比,有效的增强了对比度、抑制了背景噪声.该算法对X射线图像增强后,图像所达到的射线检测标准比前两种算法高.     

基于离散平稳小波变换的红外图像对比度增强

提出一种基于离散平稳小波变换的红外图像增强方法,对红外图像进行离散平稳小波 变换后,分别对各个分解层的高频子带利用所提出的非线性增强方法进行对比度增强。实验结果表明,本文提出的方法在有效的提高红外图像中目标对比度的同时,又能突出红外图像的细节部分信息。算法在性能上优于传统的直方图均衡法、反锐化掩膜法和基于离散正交小波变换的对比度增强方法。     

基于小波和侧抑制网络的红外图像增强算法

针对红外图像存在的对比度差、信噪比低等问题,提出了一种基于小波和侧抑制网络的红外图像对比度增强算法.该算法首先利用小波变换法对图像进行小波分解,然后分别采用优化局部阈值和侧抑制网络法对分解后的高频系数和低频系数进行处理,最后进行小波重构,即得到增强后的图像.实验表明:该算法能够在实现图像增强的同时,较好地抑制图像噪声,...     

一种改进的低对比度图像增强算法

为提升图像对比度,增强图像细节,抑制图像噪声,在认真研究图像增强的基础上,对图像进行小波变换,低频子带系数采用广义模糊算子进行处理,能够更大程度地提升图像对比度和局部亮度.采用贝叶斯萎缩阈值算法将高频子带系数分为噪声和细节信息,通过非线性增益函数抑制噪声并放大细节信息.对传统非线性增益函数进行改进,引入调节因子α,以实现不同程度的细节增强.同时根据信息熵来选取非线性增益函数中参数c的值,以提高算法的自适应性.仿真结果表明,所提算法取得了较高的信息熵、峰值信噪比、清晰度和对比度,图像增强质量较好.     

灰度遥感图像去云技术及其质量的分析

为了尽可能地呈现灰度遥感图像的信息,对灰图遥感图像分别用小波变换法、改进型多尺度Retinex算法、同态滤波法进行了图像增强处理,分别采用亮度、对比度、亮度与对比度乘积、图像信息熵和变换后的图像与原始图像相比较的保真度等指标对增强后的图像进行分析。结果表明,以采用多尺度Retinex算法增强后,在亮度平均值附近1倍标准差截断、拉伸后得到的图像亮度、对比度、亮度与对比度乘积最高,图像质量最好;小波变换后得到的图像对比度和信息熵最高,去云效果较好;取参量n=1的同态滤波法增强后得到的图像其保真度最高,与原图像最接近,去云效果一般;改进型多尺度Retinex算法和小波变换分别对乌云和白云去除效果最佳。     

小波变换和直方图均衡化的保持色调不变彩色图像增强算法

彩色图像增强的目的是保持色调的前提下加强图 像对比度,提高彩色图像视觉效果,文中提出小波变换域内色调不变 彩色图像增强算法,RGB彩色空间中,对各通道进行小波分解,高频部分进行非线性变换, 突出细节信息,然后通过小波逆 变换重构图像,然后对图像进行限制对比度直方图均衡化后与原图比较算出增强因子,最后 处理gamut问题,得到保持色调 不变的增强图像,在相同条件下与其它彩色图像增强算法进行性能比较,实验结果表明,该 算法对质量不同的彩色图像有较 好的增强效果,增强了图像细节和对比度,并具有自适应能力。     

仿生偏振光检测系统的设计与实现

提出一种基于人眼视觉特性的红外图像增强算法。该算法采用符合人眼感知特性的LIP(Logarithmic Image Processing)模型, 并根据人眼视觉在图像变化区域比平滑区域敏感, 使用幂次变换方法对图像的高频和低频成分分别进行增强处理。实验结果表明: 所提算法相比传统算法能够有效增强图像细节信息,提高图像对比度, 明显改善红外图像的视觉效果。     

基于分数阶微分的图像增强算法

相比传统的基于整数阶微分的图像增强算子,分数阶微分增强算子能提升图像的高频边缘信息,且非线性保留图像纹理细节和平滑区域的中低频信息。文中根据Riemann-Liouville分数阶微分定义,构造了5×5大小的分数阶微分增强算子模板,同时采用传统的整数阶图像增强算子Sobel算子、Prewitt算子和Laplacian算子,分别对灰度图像和彩色图像进行图像增强处理实验。最后,引入图像熵的计算,对图像增强的结果进行熵值大小的计算与分析。随着分数阶微分阶次的增加,分数阶微分增强算子处理后的图像熵值呈上升趋势,说明图像的纹理细节信息得到了加强。     

一种改进的红外图像自适应增强方法

对红外图像而言,如何在压缩动态范围的同时增强细节、抑制噪声以提升显示效果是一个重要的课题。文中提出一种改进的红外图像自适应增强方法,首先设计了一种参数自适应的引导滤波方法,并基于引导滤波将原始红外图像拆分成基本层和细节层;然后基于像素灰度分布设计了一种新型的自适应阈值的直方图映射方法,以对基本层压缩动态范围并增强其对比度;之后利用自适应引导滤波的线性系数对细节层进行增强并抑制噪声;最后对增强后的基本层和细节层进行自适应融合得到增强后的红外图像。实验结果表明,与对比度受限的自适应直方图均衡方法、基于引导滤波的高动态红外图像增强方法等几种效果相对较好的方法相比,文中所提出的方法处理后的图像细节更丰富,噪声抑制效果更强,视觉效果更好,且该方法适应性更强,无须调整参数即可应对多种观测场景。     

一种结合单尺度Retinex与引导滤波的红外图像增强方法

针对传统红外图像增强算法中图像对比度低、细节信息丢失与过度增强等问题,提出了一种单尺度Retinex与引导滤波相联合的红外图像增强方法。首先根据Retinex算法,利用主特征提取法获取原始图像的照射分量和反射分量,对照射分量采用平台直方图增强其对比度;然后利用局部方差加权引导滤波将反射分量分解为基本层和细节层,对两层分量的图像分别进行对比度和细节增强操作;最后将各个层次的结果按照合适的权重因子进行融合得到增强红外图像。实验结果表明,相比于其他增强算法,本文所提方法能更有效地提高红外图像的整体对比度,突出其细节特征,增强后的3组图像的信息熵和平均梯度平均值分别为9.7373和5.6922,相较于原图像分别提升了2.7499和3.8296。     

结合多尺度深度学习网络和Retinex理论的低光照图像增强算法

针对低光照增强任务缺乏参考图像及现有算法存在的色彩失真、纹理丢失、细节模糊、真值图像获取难等问题,本文提出了一种基于Retinex理论与注意力机制的多尺度加权特征低光照图像增强算法。该算法通过基于Unet架构的特征提取模块对低光照图像进行多尺度的特征提取,生成高维度的多尺度特征图;建立注意力机制模块凸显对增强图像有利的不同尺度的特征信息,得到加权的高维特征图;最后反射估计模块中利用Retinex理论建立网络模型,通过高维特征图生成最终的增强图像。设计了一个端到端的网络架构并利用一组自正则损失函数对网络模型进行约束,摆脱了参考图像的约束,实现了无监督学习。最终实验结果表明本文算法在增强图像的对比度与清晰度的同时维持了较高的图像细节与纹理,具有良好的视觉效果,能够有效增强低光照图像,视觉质量得到较大改善;并与其他多种增强算法相比,客观指标PSNR和SSIM得到了提高。     

基于路径的Retinex算法在红外图像增强中的应用

为了方便红外目标的检测、识别等后续处理,针对传统红外图像增强算法存在的图像细节增强能力差,视觉效果模糊的问题,提出一种基于Retinex理论的红外图像增强算法.该算法利用固定路径获取反射分量的方法,对整体偏暗的红外图像目标进行增强处理.仿真结果表明,该方法比单尺度Retinex和多尺度Retinex算法更能增强红外图像的细节信息,有效改善虹外图像的视觉效果.     

图像小波增强算法在无损检测中的应用比较

射线数字成像是当前射线检测、诊断技术发展的重要方向,图像降噪增强是提高无损检测图像质量的关键.将基于小波变换的图像增强技术引入到射线无损检测(NDT)图像处理中,介绍了基于小波变换的反锐化掩模法、子带增强法和自适应增强法3种增强算法,并分别用这3种算法对射线NDT图像进行增强处理.通过对实验结果数据进行对比分析得出,相比另外两种小波增强算法,自适应小波增强算法处理后的图像更贴近实际,能够更好地在抑制图像噪声的同时增强图像细节.     

一种改进的SAR与可见光图像融合算法

针对现有SAR与可见光遥感影像融合算法的计算复杂度较高,细节信息保留较差等问题,提出了一种NSST-IHS结合自适应PCNN改进的融合算法。该方法先利用IHS 变换提取可见光图像的亮度分量I,并将得到的亮度分量I与SAR图像分别进行NSST变换;然后,针对低频子带分量采用方向信息即空间频率和平均梯度自适应调整PCNN的外部刺激与链接强度;高频子带分量上运用改进的拉普拉斯能量和(SML)的融合规则;最后,运用逆 NSST变换和逆IHS变换得到最终融合图像。实验表明,本文算法所得融合图像比传统算法在视觉效果方面提升明显,光谱信息及线性结构特征得到更多保留、各类评价指标上比传统算法要更好。     

基于轮廓波变换的红外图像增强算法的研究

尽管红外图像的应用越来越广泛,但其本身存在的不足使得应用受到影响,因此对红外图像进行增强处理就显得十分重要。现有的图像增强算法没有考虑到变换系数中不同分辨率下的各个方向子带之间的能量分布,对所有分辨率下的所有方向子带中的变换系数进行统一的增强处理。因此,提出了一种结合方向子带能量分布的自适应增强算法。Matlab仿真结果表明,该算法不仅能增强目标的清晰度,还能提高红外图像的对比度,改善图像的视觉效果。