基于小波域热红外降质图像滤波增强方法研究

随着现代网络传输和视频通信技术的快速发展,大大拓宽了热红外图像的应用领域。提出了一种基于小波变换的热红外将质图像滤波增强方法。该方法以受到不同强度高斯白噪声和脉冲噪声构成的混合噪声模型的热红外降质图像为研究对象,首先对其进行二维小波变换,从而获得高频和低频小波分解系数;鉴于低频小波分解系数包含图像大部分信息,基本不受噪声干扰的特点,引入直方图均衡化法进行增强处理,以改善图像低频信息的对比度;根据各方向的小波高频分解系数中噪声的分布特征,对经典数学形态学滤波算法进行研究,分别设计出几类多尺度多方向的结构元素,实现对各高频小波分解系数中噪声的三级串联滤波处理,在此基础上进行自适应同态滤波增强,以最大限度改善滤波后图像质量。最后进行小波分解系数重构。实验结果表明,该算法对于热红外将质图像的处理效果优于单纯进行经典数学形态学滤波和已有的改进数学形态学滤波,为该类降质图像的滤波增强处理提供了一条可供借鉴的思路。     

基于小波分析的红外图像非线性增强算法

红外图像具有对比度低和信噪比低等特点,实际应用中需要进行增强处理。将小波分析与模糊逻辑相结合,提出了一种基于小波变换的红外图像非线性增强算法。该算法首先利用小波分析对图像进行分解,提取图像的多尺度特征信息;然后通过模糊非线性增强算子分别对各个分解层的子带系数进行运算以改变目标特征的强度;最后利用小波反变换重构图像,实现图像的对比度增强和背景抑制。与几种常用的红外图像增强算法进行了实验对比,验证了该算法的有效性。     

基于离散小波框架变换的遥感影像薄云去除

遥感影像可见光波段受云层变化影响较大,如何有效去除云的影响是遥感图像处理中的一个重要问题.本文提出了一种基于离散小波框架变换的薄云去除算法.在小波框架变换多尺度分析的基础上,算法在低频图像上将云区和清晰区区分出来,并进行均值匹配.然后对于小波高频系数在不同尺度上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,最后通过反变换得到去云后的图像.实验表明,该算法能有效地去除薄云,增强图像对比度,减小噪声的增强幅度,使结果图像具有很好的视觉效果.     

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,...     

一种基于数学形态学与小波域增强的滤波算法

为了有效滤除图像高斯噪声,将数学形态学与小波域增强相结合,提出了一种高斯噪声新型滤波算法.该算法首先将噪声图像进行二维小波分解,得到低频和高频子图像;然后保留低频子图像不变,对各高频子图像根据其噪声分布特点分别设计出多角度、多结构逐级形态学滤波器进行滤波处理,并进行小波分解系数重构;最后对经过形态学滤波后的图像进行2层小波分解,通过设计出一种新型小波增强函数对不同幅值的小波系数进行不同程度的收缩处理,在此基础上进行分解系数重构.将自适应中值滤波与数学形态学滤波与本文算法进行比较,实验证明本文滤波算法其去噪效果优于前两种算法.     

基于Contourlet变换和多尺度Rentinex的水下图像增强算法

针对水下图像对比度低、边缘模糊、噪声大等特点,提出一种基于非下采样Contourlet变换和多尺度Retinex的水下图像增强算法。将水下图像进行多尺度多方向的非下采样Contourlet变换;利用多尺度Retinex算法调整低频系数,提高图像整体对比度;在各带通方向子带上估计噪声,抑制模值小于阈值的系数,改进神经网络中的Sigmoid函数用于调节模值大于阈值的系数;经非下采样Contourlet逆变换得到增强图像。与几种传统增强算法相比,本算法处理的图像达到了抑制噪声、改善图像对比度、突出目标轮廓的目的,具有较高的对比度评估值。     

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。     

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Contourlet变换和模糊理论的红外图像增强算法

红外图像具有噪声大、对比度低等特点,针对该特点,提出了一种基于Contourlet变换与模糊理论的红外图像增强算法。首先对图像进行Contourlet变换,得到多尺度多方向的低通子带和带通子带。对低通子带,进行基于子带系数最大最小值的线性变换,提高图像的整体对比度;对于带通子带,先估计噪声阈值,对子带系数进行抑制噪声处理,然后通过模糊增强算法,对高频系数进行非线性增强,增强目标边缘纹理的特征,抑制背景信号。最后经过Contourlet逆变换得到对比度增强,噪声被抑制的图像。经过算法仿真,与几种现有的图像增强算法相比,该算法更能有效地抑制噪声,增强图像的对比度,突出图像的边缘与细节纹理信息。     

一种图像脉冲噪声小波域广义滤波算法

提出了一种脉冲噪声滤波算法.首先对噪声图像进行二维小波分解,得到高频和低频子图像;其次对高频子图像序列采用改进自适应加权中值滤波进行处理,以排除水平、垂直、对角方向的噪声;然后对于低频子图像引入基于修正系数的维纳滤波进行处理,并进行小波系数重构;最后设计出一种小波域图像增强模型,通过设置调节系数,将图像分为不同区域分别进行相应比例的对比度拉伸处理,结合实验定量讨论了噪声强度与模型系数的函数关系.实验表明,该滤波算法不仅优于几类单一滤波算法,相对于某些组合滤波算法而言,也具有一定的优势.     

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.     

基于小波变换与像元对目标的短波红外图像增强算法

弱光夜视是短波红外成像的重要应用领域之一。针对短波红外弱光图像对比度低,增强后噪声也被放大的特点,提出了一种基于小波变换与像元对目标的短波红外图像增强算法。首先通过小波变换获得不同频率成分的子带图像;然后对低频子带图像进行基于像元对目标的灰度变换处理,对高频子带图像进行可变阈值降噪处理;最后通过小波反变换将处理后的子带重构得到增强结果。将该算法与基于直方图的增强算法,全局优化线性窗口色调映射算法和自然保持增强算法进行比较,采用图像的信息熵和基于Michelson法则的对比度增强度量作为客观评价指标,结果表明本文算法更为有效地提高了短波红外弱光图像的对比度,抑制了噪声的增强,提升了图像的视觉效果。     

基于小波变换和直方图均衡的红外图像增强

基于红外图像低分辨率、低对比度、视觉特性差的特性,以及传统的利用直方图均衡化进行红外图像增强的方法会丢失图像的细节信息、增强红外图像的噪声的特性,将小波变换的多尺度、多分辨率的特点和直方图均衡化的方法相结合,提出一种更好的实现红外图像增强的算法。并将该算法在Matlab上进行了仿真验证。     

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。     

基于图像增强的改进自适应加权均值滤波算法

为了尽可能滤除图像中的椒盐噪声同时改善图像视觉效果,将改进自适应加权均值滤波与小波域图像增强技术有机结合,提出了一种具有增强效果的图像滤波算法。该算法分为滤波和滤波后处理两个阶段。滤波阶段,对经典均值滤波分别从噪声检测策略、权值计算机方法噪声滤波模版设计等方面进行适当改进,给出了具体实现步骤;滤波后处理阶段,首先将滤波后图像进行三层小波分解;然后构造出一种小波图像增强模型,根据小波系数的幅度值将其分为三个部分,分别进行不同程度的拉伸处理;最后进行拉伸后小波系数重构。将该滤波算法与经典均值滤波,加权均值滤波、自适应加权中值滤波等性能比较,实验结果表明,本文滤波算法在噪声滤除和图像细节保持方面,效果较好。     

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。     

基于小波变换的CR图像增强

数字X光影像仪（CR）图像对比度低、细节不清晰,要对其进行增强处理方能满足临床诊断的需要,而目前通用的CR图像增强算法对比度和噪声增强过度、丢失细节,为此提出了基于小波变换的CR图像增强法。该算法将CR图像进行小波变换分解,针对各子图像的特征,对高频细节部分采用非线性函数进行对比度增强,提高细节清晰度;对低频平滑部分采用反锐化掩模（UM）的方法对图像进行增强,以保证CR图像整体增强效果,最后进行小波变换得到增强后的CR图像。实验证明,该算法处理后的CR图像细节丰富,细节方差（DV）比通用增强算法提高了将近3倍,而且信噪比高,细节方差和背景方差（BV）之比（DV/BV）约为其他算法的3．5倍,具有良好的视觉效果。     

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.     

人眼视觉拟合函数的小波系数插值图像增强

空域中直方图增强图像容易产生灰度级断层,导致对比度过分增强、图像局部过亮、细节不清晰等问题。提出一种人眼视觉拟合函数的小波系数插值均衡图像增强方法。算法通过二代小波整数变换,对待增强图像作单层小波分解;在小波低频系数中进行均衡、插值、再均衡计算;最后,将新的低频系数重构图像并归一化,通过人眼视觉拟合函数输出图像。实验结果表明,本方法有效解决了增强图像亮度过亮造成细节不清或丢失、灰度层次感不强的问题。本算法增强的图像视觉效果柔和,更适合图像后续处理与分析。