红外夜视图像自适应增强系统设计

提出了一种高效的红外夜视图像增强系统.该系统主要由小波变换预处理、低频子带增强和高频子带增强三个处理流程组成.预处理过程将图像分解为低频主要信息和高频细节信息.根据红外夜视图像的特点,对低频信息进行自适应动态范围扩展,扩大了图像暗区主要内容的灰度层次.利用高频子带的方向性,对高频系数进行纹理保护高斯滤波,并对滤波后的系数进行噪声抑制边缘增强.实验结果表明,本文算法不仅在主观视觉方面的表现超越了直方图均衡化算法,且离散信息熵提高了48％ ～ 58％,噪声指数仅为直方图均衡化算法的5％,满足人眼观察和智能图像分析检测的要求.     

基于自适应权重Retinex和小波变换的彩色图像增强算法

针对现有图像增强技术容易出现细节丢失、局部曝光不足、过曝光或颜色失真,不能兼顾对比度和色彩保真的问题,提出了基于自适应权重Retinex与小波变换结合的彩色图像增强算法(AMSR-WT)。将图像从RGB空间转换到HSI空间,对亮度分量I进行小波变换分解为低频亮度图像和若干高频亮度图像,对低频图像使用自适应权重Retinex进行增强,对高频图像使用改进的阈值去噪算法进行去噪,通过小波逆变换重构亮度分量,经过Gamma校正进一步增强对比度并转换回RGB空间得到增强图像。实验结果表明,该算法有效提高了图像对比度和颜色保真度,较好地保留了图像的细节和纹理。     

基于自适应阈值的小波增强方法

针对传统的小波系数线性增强方法处理图像时容易导致过增强的问题,提出基于自适应阈值的增强方法。首先对图像进行二维小波分解,然后针对低频系数的统计信息得出最优的自适应阈值,根据阈值对低频系数进行处理,最后小波重构得到增强图像。实验结果表明这种方法对低对比度图像有较好的增强效果,该方法适合于图像的增强处理。     

基于小波和统计特性的自适应图像增强

本文提出一种用于图像特征增强的空频分析方法--图像经过多级小波分解后,依据邻域特性来判断各带通子带图像上的边缘点;依据统计特性来估计噪声在空频域上的分布,并依此构造具有空频自适应性的边缘增强增益;最后用调整后的小波系数重建图像.实验结果表明,本文算法在增强图像边缘的同时,能够有效减小对噪声的放大作用.     

一种基于小波相位滤波及视觉非线性的医学图像自适应增强新方法

针对经典方法对ＳＮＲ低的医学图像存在噪声过度放大及伪像产生问题,本文在精细尺度上,根据信号与噪声的ＷＴ相位在相继尺度上关联性的不同进行去噪,在大尺度上则采用Ｓｅｍｉｓｏｆｔ阈法对ＤＷＴ系数进行快速缩减去噪,根据人眼的视觉特性对ＷＴ系数的增益进行非线性的自适应控制,较之经典方法,本文方法具有增强图像视觉效果佳,无伪像产生的优点,且在噪声抑制、保边沿及增强各种细节上效果良好。     

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.     

基于广义模糊集合的红外微弱目标图像自适应增强算法

在广义模糊集合及局部自适应增强算法研究的基础上,提出一种针对红外微弱目标图像的实时模糊域自适应增强算法,利用反正切函数作为映射,将空间域的灰度图像变换为对应的广义隶属函数.实验结果证明,该算法不仅能有效地提高图像灰度动态范围,使各区域之间层次更加清楚,而且同时能自适应地增强图像局部区域不同灰度层次的边缘和细节,使边缘和细节明显地突出.     

基于小波变换的自适应多分辨率语音增强算法

本文提出了一种基于小波变换的自适应多分辨率语音增强算法，它在尺度上和尺度间同时对受噪声污染的语音信号作自适应滤波处理，从而使得听觉影响最严重的频段上的噪声被有效地滤除掉，滤波后的语音信噪比和主观听觉质量都得到了很大的改善。     

小波变换域数字图像增强算法及实现

图像增强是数字图像预处理中的重要方法,其主要目的是改善视觉效果.小波变换在图像压缩和图像分割两个方面应用较为广泛,图像增强方面应用较少.现概括了图像增强的原理,阐述了图像增强的方法,分析了一种小波变换域的图像增强算法并在Matlab环境下仿真实现.该算法首先使用haar小波对图像进行2层分解,然后对低频部分进行增强,对高频部分进行衰减,实验结果证明这是对图像去噪和增强的一种有效方法.     

手指静脉图像小波增强算法

针对低质量的手指静脉图像,提出一种小波域静脉图像滤波增强算法。首先采用小波变换,然后对其低频系数进行频域增强,最后进行小波逆变换得到增强后的图像。实验表明:该方法能很好地抑制噪声,准确定位图像边缘信息,大大的改善了图像的质量,提高了图像的特征提取准确性和识别精度,使图像取得很好的增强效果。     

Adaptive multiresolution speech enhancement algorithm based on wavelet transform

In this paper, an adaptive multiresolution speech enhancement algorithm based on wavelet transform is put forward. It can make adaptive filtering to noise speech both at scales and among scales. So that the noise parts during the frequency intervals which decrease hearing quality mostly are reduced efficiently. Both the SNR and subject hearing quality of denoised speech are high and good.     

基于小波变换的低对比度图像增强

针对传统算法存在噪声过增强的问题,提出了基于小波分析的图像增强算法。在小波变换多尺度分析的基础上,算法对图像多尺度分解得到的小波系数进行缩减去噪,然后在不同尺度上对各分解系数进行不同程度的增强;对同一尺度的系数进行非线性处理以增加对比度;增强低频子带图像的对比度以保证整体的增强效果。实验表明,该算法能有效地增强低对比度图像,减小了噪声的增强幅度,使结果图像具有很好的视觉效果。     

Low light image enhancement with dual-tree complex wavelet transform

In low light condition, low dynamic range of the captured image distorts the contrast and results in high noise levels. In this paper, we propose an effective contrast enhancement method based on dual-tree complex wavelet transform (DT-CWT) which operates on a wide range of imagery without noise amplification. In terms of enhancement, we employ a logarithmic function for global brightness enhancement based on the nonlinear response of human vision to luminance. Moreover, we enhance the local contrast by contrast limited adaptive histogram equalization (CLAHE) in low-pass subbands to make image structure clearer. In terms of noise reduction, based on the direction selective property of DT-CWT, we perform content-based total variation (TV) diffusion which controls the smoothing degree according to noise and edges in high-pass subbands. Experimental results demonstrate that the proposed method achieves a good performance in low light image enhancment and outperforms state-of-the-art ones in terms of contrast enhancement and noise reduction.     

基于小波分析的图像融合评述

图像融合是将同一场景的多幅图像的互补信息合并成一幅新图像,以便更好地对场景进行监视和侦察。小波分析具有多分辨等特点,可以有效地将特征明显、分辨率高的图像融合在一起,得到比任何一幅源图像效果都好的图像。阐述了基于小波分析的图像融合的基本原理、方法及优点。比较了各种图像融合规则和融合算子的特点。介绍了基于小波包图像融合、小波框架图像融合和多小波图像融合方法。     

Real-world image dehazing with improved joint enhancement and exposure fusion

In this work, a single image dehazing method that improves the haze removal capacity of the Joint Contrast Enhancement and Exposure Fusion (CEEF) method with Smoothing-Sharpening Image Filter (SSIF) is presented. In this method, the hazy image is first sharpened with SSIF to obtain a sharper image. In this way, the difference between haze and objects is amplified. Then, the AHE procedure in CEEF is replaced by CLAHE to obtain an enhanced CEEF. The enhanced CEEF is applied to the filtering result to obtain the final dehazed image. Observations demonstrate that the proposed method obtains enhanced results while reducing the amount of haze. The visual and quantitative comparisons between the proposed method and state-of-the-art dehazing methods show that the proposed method has better dehazing performance and has a 50% improvement in terms of the FADE metric compared to the closest result.     

小波变换的自适应阈值图像边缘检测方法

在Marr的计算机视觉系统中，图像边缘检测占据着重要位置。但由于问题本身的复杂性和技术手段的限制，图像边缘检测的研究困难重重。近10年来，由于小波分析技术在工具和数学方法上的重大突破，试图将小波理论应用于图像边缘检测。根据边缘检测的评价标准，参照最佳边缘滤波器的设计要求，确定选择用于边缘检测的小波母函数的一般准则，并在此基础上构造出二次B样条小波，提出了基于小波变换的自适应阈值图像边缘检测的新方法。通过计算机仿真对该算法进行了验证，结果成于采用固定阈值的小波边缘检测。     

可见光与红外图像增强融合算法研究

提出了自适应图像增强算法，用于可见光和红外图像的融合。首先对输入的可见光图像和红外图像进行自适应增强，然后采用基于图像空间能量窗及归一化互相关测度构造融合图像，利用图像的信息熵评估算法的融合效果，最后给出了一组可见光和红外图像融合的试验结果，表明该算法十分有效，融合图像有丰富的互补信息，有利于人眼观察和目标识别。     

Image coarsening by using space-filling curve for decomposition-based image enhancement

We propose a novel space-filling curve based image coarsening method, which automatically extracts a base-layer from an input image while still preserving its structural context, meaningful details, et cetera. In the proposed method, specifically, a one-dimensional edge-preserving smoothing filter, which is called a vector ε-filter, is applied to an input image along a space-filling curve. In this regard, the space-filling curve is constructed by using a minimum spanning tree which extracts the structural context of the input image. This novel image coarsening approach is completely different from all conventional approaches employing any kind of two-dimensional filter window. Furthermore, this coarsening method can effectively produce an aggregation of texture details as well as enhance sharp edges, while preserving structural contexts such as thin lines and sharp corners. The main benefit of the coarsened image by the proposed method is its suitability for extracting fine features of an input image for decomposition-based image enhancement. In this paper, the structural-context-preserving image coarsening capability of the proposed method is verified by some results from experiments and examples. Then we show our new method’s characteristics in practical application to decomposition-based image enhancement by using some other examples.     

基于小波变换和纹理特征的自适应数字水印的算法

文章提出了一种基于图象纹理特征和DWT变换相结合的自适应数字水印算法，该算法利用了图象本身固有的纹理特征来寻找水印的嵌入位置，实验结果表明这种选择方法可以在降低原始图象视觉失真和经压缩变换后水印图象的失真两方面都达到较好的效果。