磁共振图像对比度增强算法的仿真研究

研究磁共振图像对比度增强的问题。常用的磁共振图像增强算法在增强对比度的同时引起图像噪声过放大。为提高图像局部区域的清晰度和解决图像噪声过放大的问题,提出一种利用Contourlet变换的非线性图像对比度增强算法。首先利用Contourlet分解图像,得到子带图像;然后通过一种新的非线性增强算子改变变换域各子带的系数,有效地对图像强弱边缘进行不同程度的增强,最后通过Contourlet逆变换得到增强图像,能够在增强磁共振图像微小细节的同时避免噪声增大。仿真结果表明,方法适用于磁共振图像局部区域对比度增强,可改善图像视觉效果,有利于医生分析和诊断病情。     

基于小波阈值的图像增强算法

本文针对传统的图像增强算法中存在的一些问题，如增强噪声、丢失细节、对比度差等，提出了一种基于小波变换的图像增强算法。图像经过多尺度小波分解后，得到不同尺度的小波系数，然后根据噪声在不同尺度的分布情况和小波系数的特点，对不同尺度的小波系数采用不同的小波阂值增强算法，最后进行小波重构，即可得到增强后的图像。经过仿真实验证明该方法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。     

基于小波阈值的图像增强算法

本文针对传统的图像增强算法中存在的一些问题,如增强噪声、丢失细节、对比度差等.提出了一种基于小波变换的图像增强算法.图像经过多尺度小波分解后,得到不同尺度的小波系数,然后根据噪声在不同尺度的分布情况和小波系数的特点,对不同尺度的小波系数采用不同的小波阈值增强算法,最后进行小波重构,即可得到增强后的图像.经过仿真实验证明该方法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.     

一种基于二维离散小波变换的医学图像增强算法

噪声是影响医学图像质量的最重要的因素之一。去除噪声,增强图像以提高图像质量是医学图像处理的重要课题。传统的图像增强方法在改善图像视觉效果的同时还存在噪声过增强问题,不适于医学图像增强。针对这种情况,文章提出了基于二维离散小波变换的医学图像增强算法。在多尺度分析基础上,该算法对小波分解得到的低频子带图像采用两步提升法进行对比度增强处理,而对小波分解得到的不同方向上的小波系数进行不同程度的去噪并增强。实验结果表明,该方法在提高医学图像对比度改善图像质量的同时有效地解决了传统算法中难以克服的噪声放大问题。处理后的图像更利于医生进行分析诊断和医学影像的后续处理。     

基于小波多尺度的图像增强新算法

传统图像增强算法在增强对比度的同时,也很大地提升图像噪声,需要对图像进行降噪处理。小波增强方法兼顾图像信号的空域和频域特性,但没有充分考虑到视觉的非线性特性。针对现有图像增强技术的这一缺陷,在分析小波变换对噪声影响规律的基础上,结合小波多尺度的特性,提出了一种基于小波多尺度的图像增强新算法,利用不同尺度上的小波系数间的相关性和小波分析的时频局部化特性来有效区分噪声和图像信息,有效改善了图像增强过程中的噪声放大问题。     

基于多尺度积视觉特性的多聚焦图像融合算法

针对传统多尺度图像融合算法不能有效抑制噪声的缺陷,提出一种基于提升静态小波变换（LSWT）多尺度积的多聚焦图像融合算法,并在LSWT域中引入了局部可见度以及局部视觉特性对比度的概念.在融合低频子带系数和各高频子带系数时,分别提出了基于局部可见度和基于多尺度积的局部视觉特性对比度的系数选择方案.实验表明,该算法不仅能有效抑制噪声对融合算法的影响,而且能够得到比传统方法视觉效果更好和更优量化指标的融合图像.     

多级分解的Retinex低照度图像增强算法

针对现有算法对图像边缘细节增强不足及无法有效控制各尺度信息增强程度的问题,提出了多级分解的Retinex低照度图像增强算法。该算法在Retinex分解模型和双边滤波的基础上,通过设置不同的滤波参数,获取表征图像不同尺度信息的反射分量和照度分量;通过使用指数函数对分解得到的各级反射分量进行增强,能够有效提升图像边缘细节的表达能力;通过使用S型函数对最终的照度分量进行处理,能够在提升低照度图像整体亮度的同时抑制高亮度区域;通过颜色恢复函数对增强图像进行后处理,进一步避免色彩偏差和失真的问题。实验结果表明,新算法能够改善低照度图像的视觉质量,在清晰度、信息熵、对比度等指标方面都有所提升。     

基于曲波变换的图像非线性对比度增强

考虑到人的视觉特性,提出一种新的基于曲波域的图像非线性对比度增强方法.该方法首先利用曲波变换对循环平移过的图像进行分解,然后根据非线性算子对各子带曲波系数进行调整,最后经逆变换和反平移后得到对比度增强图像.实验表明,本文算法是一种简单而有效的图像对比度增强方法,不仅图像视觉效果改善明显,层次感更强,而且避免了传统图像增强方法的噪声过增强.     

基于PCNN图像因子分解的X线医学图像增强

提出一种基于人眼视觉特性和改进的PCNN图像因子分解的X线医学图像增强算法。利用一种改进的PCNN图像因子分解算法对图像进行因子分解,得到细节程度由粗糙到精细的 一系列图像因子。分别对各层图像因子平滑滤波获得图像因子增益矩阵,根据图像因子的局部对比度是否达到由人眼视觉特性得到的对比度阈值进行自适应调节增益矩阵,对每层 图像因子增强后重构即可得到增强图像。经过对不同X线医学图像进行实验仿真,并对比一些常用图像增强算法,取得了较好的增强效果。     

基于Tetrolet变换与PCNN的图像增强

针对传统图像增强方法易损失边缘对比度以及抗噪性不强的缺点提出了一种基于Tetrolet变换与PCNN结合的图像增强方法。对待增强图像分别进行Tetrolet变换,得到不同尺度的高通和低通子带系数,并将分解后的高通子带系数进行软阈值处理;把经处理后的各尺度高通子带轮廓图像序列作为PCNN神经网络增强算子的外部输入,进而得到增强后的高通子带系数;通过Tetrolet反变换获得增强后的结果图像。数值实验结果表明,该增强算法不但能够有效抑制噪声,而且能够很好地增强图像边缘轮廓的清晰度。     

基于直方图修正的局部对比度增强算法

针对传统直方图均衡化算法经常导致过增强,噪声放大和局部对比度低等缺点,提出了基于直方图修正的局部对比度增强算法。首先,利用自适应部分子块重叠方法把图像划分成一系列的子块,子块的大小能根据图像局部特征自适应调整;然后,对每个子块采用基于直方图修正的对比度增强方法进行处理;最后,融合各重叠子块的处理结果得到最终的增强图像。实验结果表明,该算法具有噪声鲁棒性、可控制增强等级、可调节动态范围和局部对比度较强的优势,增强后的图像具有更自然的视觉效果。     

显卡行情

本月最爆炸性的显卡市场新闻，当然是nVIDIA的G80发布了，随着这款新旗舰产品的发布，相关的技术文章，评测文章也是铺天盖地而来。不过对咱们这些小老百姓而言，G80也是“只可远观”而以，要想将其纳入囊中，那就只能喝两个月的西北风了。除了高端显卡之外，最近的中低端显卡市场也是热闹非凡，市场以“降价”为主旋律，各大品牌也是尽全力比拼年底市场了。     

一种X射线图像增强新方法

针对X射线图像对比度不高,图像偏暗,边缘模糊,噪声大的问题,提出了一种小波变换和模糊理论相结合的图像增强新方法.首先,将射线图像进行小波分解获得低频子带和高频子带,然后,对含有图像基本面貌特征和主要能量信息的低频子带采用广义模糊算子进行处理,能较好地提升图像对比度和局部亮度,对含有噪声和细节信息的高频子带利用软阈值去噪方法进行去噪处理,同时定义了一种新的增强算子,在去噪的同时进行细节增强,最后,对处理后的图像进行小波重构.实验结果表明:该方法可以有效去除图像噪声,提升图像对比度和清晰度,视觉效果良好.     

模糊集与非线性增益相结合的自适应图像增强算法*

提出了一种模糊集增强与非线性增益相结合的自适应图像增强算法,使用双正交小波变换对原始图像进行分解,低频子带系数采用改进的模糊集增强算法,以提升图像的整体对比度;对高频子带,先采用贝叶斯萎缩法估计噪声与信号的阈值,再使用一种非线性增益函数增强图像细节并抑制噪声。对算法中影响增强效果的关键参数进行了研究,并提出了一种模糊集增强算子的阈值选取算法,能够实现不同图像自适应参数选择;将信息熵作为非线性增益函数的参数选取准则,并针对算法中排序算法运算量过多导致算法时间过长的情况,提出了一种替代求解方法,极大地提高了算法效率。对算法进行仿真,结果表明：算法能够有效提升对比度、增强图像细节并抑制噪声,可以明显改善图像的视觉效果,具有参数自适应、算法效率高等优点。     

小波变换在水下图像处理中的应用

因水下信道的特殊性以及成像的复杂性,使得水下图像中的不确定因素给图像处理带来严重的影响。本文主要介绍了一种利用小波变换进行水下图像增强的方法。为降低对水下图像噪声增强程度,方法对不同尺度上的系数进行不同尺度的对比度增强。通过真实水下图像实验证明了该方法的有效性。     

基于改进图像方向信息测度的表格图像增强算法

提出了基于图像方向信息测度的图像增强算法。算法利用图像方向信息测度,在像素级对图像像素进行分类,然后针对表格图像特性,利用改进的图像方向信息测度,对边缘点进行区域连接,使得边缘点能完全地覆盖图像中的字线和表格边缘;利用得到的边缘信息和平滑信息,对图像进行空域滤波处理,初步增强图像;利用模糊增强算法,对图像进行对比度增强,达到较好的增强效果。实验表明,该算法能有效增强对比度极低的表格图像,使得结果图像有很好的视觉效果。     

基于亮度评估技术的特征增强衍生图融合算法

针对由动态范围,光照条件,图像捕获设备等因素获得的低亮度图像,提出了一种基于亮度评估技术的特征增强衍生图融合算法来实现亮度较暗图像的对比度调整和特征增强.首先,利用亮度评估技术对低亮度图像的亮度进行评估优化处理,得到曝光率映射;然后,结合曝光率映射和改进的卡方分布函数模型来获取两幅特征增强的衍生图进行融合.最后,利用改进的衍生图融合算法得到最终融合图像.实验结果表明,所提算法的亮度误差,视觉信息保真度,图像互信息等评估参数优于近期方法,在提升图像对比度同时保留了图像良好曝光率区域,并较好地恢复了低亮度区域的边缘以及纹理等细节信息.     

Image fuzzy enhancement algorithm based on contourlet transform domain

In order to solve the problems of low contrast, global darkness and noise amplification in some hyperspectral and remote-sensing images, a new image fuzzy enhancement method based on contourlet transform (CT) domain is proposed. The algorithm includes the following four steps. Firstly, the cyclic translation method is used to suppress the pseudo-Gibbs phenomenon caused by the lack of translation invariance of the CT. Secondly, a nonlinear gain function is designed to enhance and suppress the high-frequency coefficients adaptively. Meanwhile, the multi-scale Retinex with mixed gray function is used to process the low-frequency sub-band coefficients. Then, the inverse translation and linear averaging and the inverse CT are performed on the enhanced coefficients, and finally the improved fuzzy contrast is used to enhance the texture and edge of the image globally. The experimental results show that the proposed method can make the image texture details more prominent, and enhance the overall visual effect of the images. Furthermore, the absolute mean difference and PSNR of images are also greatly improved .