一种图像增强空域客观评价方法

针对图像增强效果常用主观评价而没法定量客观评价,提出一种空域结合BRISQUE和JND的图像增强客观评价方法。该方法空域内将测试图像分别进行BRISQUE失真评分和JND视觉评分,然后将所得分数以0.5的权重进行加权处理,所得总分即为增强后图像的客观评价得分。为验证所提方法的有效性,进行了系列实验:首先,认证图像失真相同背景亮度增大BRISQUE值不变,而视觉JND值随之改变;其次,认证相同背景亮度不同失真图像的JND值不变,而BRISQUE值不同;最后对增强后的图像应用所提算法进行评分,得到Score最高分为0.790 5,与主观评价结果一致,而PSNR、SSIM的评分最高为∞和1,但都是和原图像本身比较,不能表明图像增强效果。从而证明所提算法能够定量地对图像增强进行客观评价。     

基于MSPCA的缸盖振动信号特征增强方法研究

针对发动机缸盖振动信号信噪比低的问题,提出了基于多尺度主元分析的故障特征增强方法。将缸盖振动信号小波包分解后,利用主成分分析对所有子带系数进行坐标变换,信号重构后再进行小波包分解,计算新坐标系下各子带的能量作为发动机故障的特征向量。仿真信号验证了本文所提算法对微弱冲击信号的增强能力,与支持向量机结合用于发动机十一种故障的诊断实例表明,故障分类准确率可达到98.76%。     

基于Retinex和同态滤波的X射线电池图像增强算法

针对工业X射线电池图像对比度低、视觉效果不好、不同区域处理效果差异大等问题,提出一种基于多尺度Retinex和同态滤波的X射线电池图像增强算法.首先利用多尺度Retinex算法中的高斯滤波对照射分量估计,从而得到反射分量.用改进的直方图均衡化方法来处理照射分量,采用改进的巴特沃斯高通滤波器对反射分量的局部细节增强.接着,将照射分量与反射分量按比例融合,最后用改进的同态滤波对图像增强,即可得到增强后的图像.采用客观评价的方法对算法的有效性进行评价,结果表明,所提的算法图像增强效果好且可以看到更多的细节.     

基于小波Contourlet系数相关性的红外图像增强算法

针对现有红外图像存在噪声干扰与边缘模糊等问题,提出一种基于方向高频子带各层间系数相关性的红外图像增强算法.利用各层间小波Contourlet系数相关性的不同,合理对图像进行去噪和边缘优化处理.提出一种适用于文章算法的阈值选择方法,从而得到更为精确的去噪和边缘优化效果.仿真结果表明,实验结果与预期目标相符,能获得相比传统增强算法更高的PSNR值与PAI值.     

形态学和小波域杂波抑制的微弱目标检测

本文提出了一种基于形态学和小波域杂波抑制的微弱目标检测方法,该方法将图像序列进行形态擘tophat滤波,然后小波变换,再分别对各小波子带作平滑滤波,按各子带对滤波前后小波系数作差分运算,最后经过小波逆变换得到具有微弱目标的残差图像序列.用残差图像tophat结果估计目标潜在区域,在目标潜在域的约束下,对残差图像序列进行时空域数据融合,实现微弱运动目标的检测.仿真实验表明,该方法杂波抑制后残差图像具有很好的白高斯特性,且目标邻域信杂比(scNR)的平均增益比图像空域平滑滤波和图像频域低通滤波等典型运算的SCNR平均增益有明显改善,目标检测算法在5帧图像集成时能稳定检测出微弱运动目标轨迹.     

基于向量小波与神经网络的图像融合算法

提出了一种基于向量小波和神经网络的图像融合算法.首先对各源图像进行向量小波变换,根据变换后系数计算出各子块图像的清晰度,选取子块图像部分区域清晰度作为前溃神经网络的训练样本,调整神经网络权重;然后用训练好的神经网络组合融合图像的向量小波系数,对组合后的系数进行一致性校验;最后对该系数进行向量小波逆变换,得到融合图像.仿真实验表明,该算法能够较好地解决多传感器图像融合问题,生成的融合图像效果优于有代表性的图像融合方法.     

基于边缘信息的偏振图像融合算法及评价

偏振遥感图像通常都采用强度、偏振度、偏振角来表征目标偏振特性.本文提出的基于边缘信息的偏振图像融合算法是将三幅偏振图像利用离散小波变换把图像分解成不同尺度的低频和高频部分,采用小波区域窗口和子区域窗口统计把小波系数分类成边缘和非边缘系数,通过这些方法进行有效的边缘细节信息提取.在融合处理中,低频图像的小波系数平均值作为融合后的低频系数,高频细节系数根据不同区域特征选择方法以及对应输入图像小波系数的窗口区域方差来确定融合后高频小波系数.仿真实验结果表明,这样使得融合后的图像细节更真实更丰富,图像的偏振特性体现更为充分,同时减少对源图像的预处理要求,使图像在整体上有较好的视觉效果.从而证明这种方法能够在保留图像微小细节方面获得满意的结果,且算法有效性优于其他的图像融合方法.     

基于偏振图像融合的长波红外人脸图像增强技术

针对非制冷型长波红外相机人脸成像模糊的缺点,提出一种基于偏振的红外图像增强方法,该方法在支持度变换基础上有效地将人脸红外偏振信息和红外强度信息相融合.搭建分时偏振成像系统获取红外偏振图像,求解得到红外强度和红外偏振度图像;对它们使用支持度变换方法进行多尺度分解后,采取相应的融合规则进行融合得到最终融合增强图像.实验结果从主观人眼评价和客观参数评价两方面表明,增强图像拥有比红外图像更加丰富的人脸轮廓信息.     

小波和曲波结合的图像增强算法

针对传统的基于小波变换的图像增强算法中,对比度相同幅角不同边缘增强效果差异较大的问题,提出了基于小波和曲波变换相结合的自适应组合增强算法.该算法利用小波变换去增强图像的平滑区域,并利用曲波变换增强图像边缘.仿真实验结果表明,该算法在使图像具有很好的交叉熵和相关系数的同时,能够有效地改善边缘增强效果,使图像具有更好的视觉效果.     

基于静态小波变换的珍珠表面缺陷自适应增强技术

针对珍珠表面带状、线状类型缺陷区域呈现低对比度的特点,提出了一种基于静态小波变换的珍珠缺陷区域适应增强的新算法.该算法以最大化缺陷响应为目标函数设计最优小波基函数;然后利用各尺度上小波系数间的相关性对噪声进行抑制;最后对小波系数进行自适应增强来凸显缺陷区域的细节信息.试验结果表明:与传统的图象增强方法相比,文中提出的方法能较好地抑制噪声、保留原始图像有用信息的基础上增加图像中珍珠表面缺陷区域的对比度.     

一种基于Directionlet变换的图像融合算法

为了提高图像融合效果,提出了一种基于Directionlet变换的图像融合算法.首先对已配准的待融合源图像由给定的生成矩阵分别进行陪集分解,得到每个陪集对应的子图;接着将每两个子图相减,得到源图像的高频和低频分量,其中边缘、纹理等奇异特征包含在高频分量中;然后对低频分量采用直接平均融合的方法进行系数选择,对高频分量选择子区域边缘信息较强的系数;最后,通过Directionlet陪集分解的反变换,得到融合后的图像.多聚焦图像融合实验表明,在主观视觉上,该算法明显更好地融合了边缘等图像特征,从而较好地保持了左右聚焦图像各自的细节信息;在客观评价上,通过熵、平均梯度、标准差和互信息量等性能参数比较,该方法也优于小波变换和其他的融合方法.     

基于Retinex的弱可见光和红外图像融合算法

目的 针对目前弱可见光与红外图像融合后的图像仍存在细节大量丢失、目标模糊不清的问题,提出一种基于Retinex对弱可见光图像进行增强预处理后,再基于NSST和SWT变换进行图像融合的算法。方法 首先用SSR对弱可见光图像进行增强处理,增强后的可见光和红外图像进行NSST分解得到第1次的高低频系数,高频系数采用基于局部能量特征的方法进行融合;低频系数经过SWT分解得到第2次高低频系数,第2次的高频系数采用同样的方法融合,低频系数采用线性加权方法融合,然后将第2次高低频的融合结果经过SWT逆变换得到新的低频系数。最后把第1次高频系数融合结果和新的低频系数进行NSST逆变换得到融合图像。结果 通过仿真实验,将文中算法与NSST,NSCT以及文献[5]算法进行对比,结果表明主观视觉上融合图像细节更加清晰,客观评价上,平均梯度、空间频率（SF）、标准差、信息熵、边缘信息保留量等指标分别提高了35.63%,26.73%,16.89%,7.2%,4.6%。结论 文中算法对图像融合有较好的改善作用,融合图像的可视性和图像质量都得到显著提高。     

采用零树结构分类小波系数的红外图像降噪

红外图像易受噪声污染,为了改善红外图像的质量,提出了一种基于零树结构分类小波系数的红外图像降噪算法.该算法利用小波零树结构表达尺度间的相关性,通过空间自适应阈值将小波系数进行分类,并根据不同类系数的统计特性采用不同的先验分布模型,在贝叶斯框架下实现降噪.实验结果表明,本文算法在峰值信噪比(PSNR)指标上优于传统算法;从视觉效果来看,该算法在有效去除图像噪声的同时能较好地保持空间细节,可以满足当前红外图像降噪的需求.     

改进的Shearlet变换耦合频率特征的图像融合算法

目的解决当前图像融合算法大都直接在图像的像素灰度空间上进行融合,导致融合图像存在视觉效果差及算法鲁棒性不强等问题。方法文中提出改进的Shearlet变换耦合频率特征的多聚焦图像融合算法。将Shearlet变换(ST)和非下采样小波变换(NSWT)进行融合,形成改进的Shearlet变换(ST-NSWT)对源图像分解,获取图像的低、高频子带系数;构建区域能量模型,对源图像之间的低频子带系数进行相关性度量,完成低频子带的融合;对高频子带的频率特征进行分析,建立方差模型、平均梯度模型、空间频率模型,分别对源图像的灰度相关性、清晰度相关性及活跃度相关性进行测量,完成高频子带的融合,最后通过ST-NSWT逆变换,输出融合图像。结果与当前多聚焦图像融合算法相比,文中算法融合的图像能较好地保留更多的细节及边缘信息,使融合图像具备更佳的视觉效果。结论所提算法具有更好的融合质量,可用于遥感探测与包装印刷检测等领域。     

基于导向滤波与分形维度的图像加权融合算法

目的为了解决当前图像融合技术中易丢失图像信息,不能较好地保持源图像的边缘与纹理信息,从而降低了图像分辨率与视觉质量,使其不能对目标进行清晰、完整、准确地信息描述等问题。方法提出一种导向滤波耦合分形维度的图像加权融合方案。首先对源图像进行预处理,通过增强对比度来提高图像的动态范围。通过小波变换将图像分解为低频与高频部分,并引入导向滤波器,对其低频、高频成分进行处理,获取相应的低频、高频权重,较好地保持图像的边缘信息。然后,通过提取局部特征分形维数来获取微小纹理特征。最后,定义一种加权融合方案,根据低频与高频权重进行融合,得到最后融合图像。结果实验数据表明,与当前常用图像融合算法比较,文中算法具有更好的融合视觉效果,更好地保持了源图像的真实信息;在信息熵、交互信息、平均梯度和标准差等4种定量分析指标方面,所提算法具有更大的优势。结论所提算法具有良好的融合质量,在图像处理领域具有一定的参考价值。     

基于小波系数邻域特征的CT与MR图像融合方法

提出一种基于小波变换的像素级CT,MR医学图像融合方法,利用离散小波变换分别将两幅源图像进行多尺度分解,再用不同的小波系数邻域特征指导高频分量和低频分量的小波系数的融合,低频分量采用邻域方差指导,高频分量采用邻域能量指导,最后根据融合图像的各小波系数重构融合图像.实验表明:不论从主观感受,还是采用信息熵和平均梯度两项指标作为客观定量评价标准,该方法都优于传统的融合方法,获得的融合图像有效地综合了CT与MR图像信息,能够同时清晰地显示脑部骨组织和软组织.     

基于NSST多尺度自适应的Retinex低照度图像增强算法

目的在对低照度图像进行增强时,针对传统频率域方法由于尺度不够丰富而不能很好保留图像高频细节的问题,提出一种基于NSST多尺度自适应的Retinex低照度图像增强算法。方法首先将低照度图像转化至HSI颜色空间后,单独对I通道进行处理,实现对图像色彩信息的保真效果;然后对I通道进行Retinex算法得到反射分量,从而去除照度信息对图像亮度的影响;对反射分量进行伽马调整后,进行基于La(平均亮度)、Pa(平均对比度)、Ia(信息熵)等3个特征值的自适应NSST分解,从而得到最佳参数的高频分量。结果在主观观察和客观无参考图像质量评价中,文中算法的增强效果和评价得分都要优于其他算法。结论经过自适应参数优化之后,低照度图像的对比度得到了提高,可视性和图像质量都得到了显著提升。     

区域特征耦合DS证据理论的图像融合算法

目的提高融合图像视觉质量。方法提出区域多特征与改进的DS证据理论规则的聚焦图像融合算法。首先,引入二代Curvelet变换,对源图像进行分解,获取图像的粗尺度系数、细尺度系数;然后,根据区域中粗尺度系数的绝对值,构造最大值融合规则,完成粗尺度系数的融合;再联合区域方差、信息熵以及区域能量等特征,提取细尺度层的区域特征,并通过定义概率约束条件,改进DS证据理论的融合规则,增强DS合成规则的可信度,对图像的细尺度系数进行有效融合,使得融合图像保留更多的细节信息;最后,通过逆Curvelet变换完成图像的融合。结果与当前的图像融合算法相比,在对聚焦图像融合时,文中算法的融合图像具有更丰富的细节信息,其视觉质量更高,且融合时耗较短。结论所提算法考虑了像素之间的互相关性,进一步优化了图像融合质量,可用于遥感探测与包装印刷检测等领域。     

Improving medical image fusion method using fuzzy entropy and nonsubsampling contourlet transform

Many types of medical images must be fused, as single‐modality medical images can only provide limited information due to the imaging principles and the complexity of human organ structures. In this paper, a multimodal medical image fusion method that combines the advantages of nonsubsampling contourlet transform (NSCT) and fuzzy entropy is proposed to provide a basis for clinical diagnosis and improve the accuracy of target recognition and the quality of fused images. An image is initially decomposed into low‐ and high‐frequency subbands through NSCT. The corresponding fusion rules are adopted in accordance with the different characteristics of the low‐ and high‐frequency components. The membership degree of low‐frequency coefficients is calculated. The fuzzy entropy is also computed and subsequently used to guide the fusion of coefficients to preserve image details. High‐frequency components are fused by maximizing the regional energy. The final fused image is obtained by inverse transformation. Experimental results show that the proposed method achieves good fusion effect based on the subjective visual effect and objective evaluation criteria. This method can also obtain high average gradient, SD, and edge preservation and effectively retain the details of the fused image. The results of the proposed algorithm can provide effective reference for doctors to assess patient condition.