基于双重域的图像去雾新算法

户外场景的图像经常会由于恶劣的天气而降质退化,从而形成雾霾图像。目前为止,大部分基于单幅图像的去雾算法忽略了噪声的影响,因此本文考虑噪声污染建立新的去雾模型,提出一种三阶段去雾新算法。第一阶段,对降质图像进行预处理,消除噪声对图像的干扰;第二阶段,运用中值暗通道优先(MDCP)算法在空域复原预处理图像,增强其全局对比度;第三阶段,在变换域增强图像的局部对比度,进一步恢复图像的细节信息。与仅仅运用空域和没有考虑噪声的算法相比,所提算法显著改善了图像的质量,增加了图像的清晰度。     

基于自适应维纳滤波的单幅图像快速去雾算法

在雾霾天气中,摄像头拍摄图像的对比度和清晰度都会受天气影响而降低,针对这类问题,提出一种基于自适应维纳滤波的快速去雾算法。算法基于大气散射物理模型,通过软件阈值分割法估计全局大气光,利用自适应维纳滤波算法估计大气光模型。实验结果表明,该算法具有较高的处理效率,能够较好还原无雾图像和保持图像的边沿细节。     

结合分数阶微分及Retinex的NSCT自适应低照度图像增强

针对低照度图像存在亮度低、对比度低、边缘模糊等问题,首先将低照度图像NSCT多尺度分解,获得低频子带图像和高频子带系数;接着将低频图像采用多尺度Retinex提升图像亮度,借助非线性的双边滤波函数估计其照度分量,利用Gamma校正函数对照度分量进行校正,提高图像的动态范围,利用影响因子校正反射分量,丰富其层次性,对图像的整体轮廓进行增强;然后将高频部分用Bayes阈值隔离噪声,利用自适应分数阶微分对图像的边缘、纹理等细节进行增强;最后对处理后的图像进行NSCT重构。实验结果表明,本文算法的对比度、清晰度及信息熵与现有增强方法相比,平均提高了10.7%、9.8%、2.3%。增强后的图像在细节、边缘保持等方面也优于现有算法,改善了图像整体的视觉效果。     

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.     

基于三边滤波的Retinex图像去雾算法

针对传统Retinex算法采用高斯滤波估计图像的照射分量易产生边缘模糊,不能有效去除脉冲噪声且处理后的图像颜色易失真等问题,提出一种基于三边滤波的Retinex图像去雾算法。该算法利用三边滤波器估计图像的照射分量,三边滤波器继承了双边滤波器既可以有效降低图像加性高斯噪声又可以保持图像边缘细节的特性,同时又解决了双边滤波器与高斯滤波器不能有效滤除脉冲噪声,易产生伪边缘等问题。为验证该算法的有效性,采用5种不同的客观评价参数对处理后的图像进行评价。实验证明,该算法能有效地改善雾天图像的退化现象,提高图像的清晰度。     

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。     

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。     

基于暗原色先验的夜视图像增强算法

在夜晚条件下拍摄到的图像对比度低,信息缺失,对诸多领域获取图像细节信息造成不便。提出了一种改进的基于暗原色先验的夜视图像增强算法来增强这类图像。采用形态学开运算替换软抠图估计透射率,缩减了算法的时间复杂度。经过暗原色先验增强的图像会放大噪声,为了克服这个缺点,对处理后的图像局部去噪获得保真度更高的图像。实验结果表明,算法可有效增强夜视图像,提高图像对比度、突出细节信息并且减少噪点。     

Retinex理论下的自适应红外图像增强

本文对Retinex的图像对比度增强方法进行修正,引入了非线性变换函数修正红外图像的照射分量和反射分量以及全局对比度增强函数拉伸图像照射分量,改善了全局图像视觉效果.同时使用非线性自适应S型函数进行局部灰度拉伸,从而更好地改善了图像对比度.提出的算法在增强红外图像细节,提高图像对比度方面优于已有的Retinex算法.该算法处理后的图像能够更有效地增强图像的对比度,突出图像的边缘与细节信息.     

基于模糊增强信息的图像边缘检测改进算法

针对经典的Pal和King模糊增强算法存在的固有缺陷,提出改进的模糊增强算法;为增强图像的对比度而获取更多的图像边缘细节信息,提出基于模糊对比度的图像增强算法;结合全局模糊增强与局部模糊对比度增强两种算法思想,提出基于模糊增强信息的图像边缘检测改进算法,由于该算法在增强图像边缘细节信息的同时也增强了噪声,因此,采用中值平滑滤波方法消除噪声.实验证明,该算法取得了良好的边缘检测效果.     

基于红外图像处理技术的钢构件损伤识别

针对现有红外图像处理算法在处理桥梁钢制构件损伤图像时信噪比差,对比度低,分辨率低,图像细节丢失,边缘模糊,损伤识别精准度差等问题,本文提出空域滤波与时域滤波结合的红外图像增强算法,以弥补现有算法不足,从多方位抑制图像背景噪声,增强图像细节信息,强化损伤边缘轮廓,实现钢构件损伤部位精准识别与提取,并结合清晰度,对比度,峰值信噪比,均方误差四大指标对处理结果进行定量评价,评价结果表明基于高频强调滤波与非线性灰度转换结合的红外图像增强算法切实可行,且针对红外图像检测下的钢构件损伤识别效果显著。     

医学图像增强系统设计

为了改善医学图像的视觉效果,提高图像的清晰度,使之更适合于机器的分析处理以及人的视觉特性,并突出病灶点,为病理学诊断和临床诊断提供可靠依据。设计了一个对医学图像十分具有针对性的图像增强系统。针对CT图像的电子噪声提出了基于修正维纳滤波的小波包去噪算法;针对B型超声图像的散斑噪声提出了基于脉冲耦合神经网络(PCNN)模型的小波自适应斑点噪声滤除算法;针对医学图像对比度低,边缘信息模糊等特点,提出了基于小波变换的医学图像增强算法。当噪声方差为0.01时,基于脉冲耦合神经网络(PCNN)模型的小波自适应斑点噪声滤除算法获得的PSNR比经Wiener滤波方法获得的PSNR高出9 dB。系统能快速找到噪声点进行定点去噪,能有效提高医学图像的对比度,增强边缘细节信息,突出病灶点的位置,从而达到较好的处理效果,为医疗工作者观察病症提供更加清晰准确的依据。     

对含脉冲噪声的图像去噪算法的研究

在传统均值滤波和中值滤波的基础上,结合聚类算法理论,采用硬聚类算法和模糊模型两种算法消除图像中的脉冲噪声。与传统的滤波算法和硬聚类模型去噪算法相比,基于模糊模型的去噪算法更好地提高了图像的清晰度和信噪比。     

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。     

基于视觉对比度分辨率的红外图像增强算法

针对传统红外图像增强方法存在增强后目标边缘模糊及背景噪声过增强的缺陷,结合人眼视觉特性,提出了基于视觉对比度分辨率的非线性变换算法。该算法根据人类视觉在不同背景灰度下分辨目标的能力不同,自适应调整灰度变换曲线,使目标映射到人眼分辨的敏感区域,同时使背景噪声映射到人眼分辨的不敏感区域。经测试表明:提出的算法与传统算法相比更易突出红外图像目标的细节信息及其边缘轮廓,峰值信噪比提高近1倍,对比度增益提高近0.5倍。     

基于窗口的自适应中值滤波算法

滤波窗口是影响椒盐噪声滤除效果的重要因素。针对自适应中值滤波算法(RAMF)的不足,提出了一种基于窗口的自适应中值滤波算法。该算法分为噪声的检测和滤除两部分。在噪声检测部分,主要通过混合窗口检测出准噪声点,将其用窗口中值代替,而其余信号点保持不变。重复此方法,直至所有的准噪声点处理完毕。然后,在噪声滤除部分,主要根据噪声密度选择合适的最大滤波窗口半径,进而实现噪声滤除。最后,为验证算法的有效性开展了仿真研究,仿真结果表明本算法对椒盐噪声的滤除具有很好的效果,增强了图像的清晰度。     

基于CMOS图像传感器混合噪声的自适应滤波算法

针对中值滤波导致部分图像细节损失和均值滤波出现模糊现象,设计了一种适用于椒盐和高斯混合噪声的自适应滤波算法.该算法先用最小邻域的均值和阈值判断噪声类型,然后使用加权中值滤波处理椒盐噪声,再利用拉普拉斯算子和相应阈值判断图像边缘细节,最后对高斯噪声进行加权均值滤波.实验仿真结果表明,从图像视觉效果来看,相比单独使用中值和均值滤波降噪,自适应滤波算法对图像的还原效果更好,图像细节保存较好,模糊程度相对较弱,图像更清晰.通过对比峰值信噪比(PSNR)和均方误差(MSE),对混合噪声进行处理时,滤波算法的PSNR和MSE值优于中值和均值滤波,有效还原了噪声图像.整个算法是在最小邻域空间进行,易于实现,对混合噪声的处理效果较好,为图像处理的系统集成化设计提供了技术支持.     

基于信息系数矩阵的多聚焦图像融合

提出了一个新的图像融合方法——基于信息系数矩阵的融合方法,首先对源图像进行离散小波框架变换,根据离散小波框架变换系数求取各图像中像素的清晰度指标,然后通过计算图像信息系数矩阵来决定在小波域当中如何选择一个像素值来完成最终的融合图像.仿真实验表明,该算法得到的融合图像具有良好的视觉效果和量化指标,体现出更强的融合性能.     

低照度环境监控的图像增强算法研究

在档案库房安防系统中,光照是图像清晰度的重要因素,对后续处理和最终监管有着至关重要的影响.本文针对灰暗天气和夜间等低对比度图像,通过采用直方图均衡化(HE)、自适应直方图均衡化(AHE)和受限对比度自适应直方图均衡化算法(CLAHE)进行图像处理和对比,提出了一种基于受限对比度自适应直方图均衡化的改进算法.该方法首先进行了RGB和彩色空间转换,其次仅对亮度分量进行受限对比度自适应直方图均衡化变换和非线性拉伸变化,最后做RGB的图像输出.实验结果表明,该方法不仅提高了图像的对比度,而且在档案库房安防系统的监控中良好的保持了图像的目标信息,提高了后续识别和监控的有效性.     

基于升降编解码全卷积神经网络语音增强技术

步兵战车强噪声背景下由于强背景噪声的存在,既影响了口令识别的正确率,又降低了指挥所后台监听的清晰度,为了提高语音质量,本文对口令数据进行增强处理。为此,本文提出了一种基于升降编解码全卷积神经网络(Increase Decrease Encoder Decode Convolution Neural Network,IDEDCNN)的语音增强算法,该算法将输入语音信号通过预处理,获取其傅里叶幅度谱特征,并将连续8帧的语音信号作为网络的输入,通过编码器来对相邻多帧语音信号建模以提取上下文信息,利用解码器挖掘当前待增强语音帧和上下文信息之间的联系,从而实现语音增强的目的。通过实验证明了该算法能够实现较好的语音增强效果。