一种红外图像对比度增强的小波变换法

提出一种基于离散平稳小波变换和非线性增益的红外图像对比度增强方法．对红外图像进行离散平稳小波变换后,对分辨率较好的各高频子带直接利用所提出的去噪方法去噪;对分辨率较差的各高频子带利用所提出的非线性增益法结合文中的去噪法进行增强;并给出一种评价增强图象质量的准则．实验结果表明,本文提出的方法在有效的增强红外图像对比度的同时,又能很好的抑制红外图像中相关噪声、加性高斯白噪声和乘性噪声．     

基于离散正交小波变换的红外图像去噪方法

提出红外图像去噪方法，将小波变换与广义交叉确认原理相结合，在噪声方差未知的前提下，只利用红外图像的输入数据就可以确定所要求的渐近最优阈值。对红外图像进行离散正交小波变换后，分别对各个分解层的高频子带利用所提出的方法进行迭代去噪，使各个高频子带分别收敛于其最大信噪比。实验结果表明，该方法在有效地去除噪声的同时，能较好地保持红外图像的细节信息。算法在性能指标和视觉质量上均优于Donoho提出的小波阈值去噪方法、Johnstone提出经过调整的小波阈值法和传统的中值滤波法。     

基于离散平稳小波变换的红外图像对比度增强

提出一种基于离散平稳小波变换的红外图像增强方法,对红外图像进行离散平稳小波 变换后,分别对各个分解层的高频子带利用所提出的非线性增强方法进行对比度增强。实验结果表明,本文提出的方法在有效的提高红外图像中目标对比度的同时,又能突出红外图像的细节部分信息。算法在性能上优于传统的直方图均衡法、反锐化掩膜法和基于离散正交小波变换的对比度增强方法。     

基于多尺度小波变换的图像对比增强方法

首先应用多尺度小波变换对图像进行小波塔式分解,并根据各子图像的特性,在去噪和不损失边界信息的情况下,采用非线性增强函数对各子图像进行对比度增强,然后再进行重构。最后通过视觉效果和图像的信息熵两方面将文中的方法与传统的图像增强方法进行比较,结果表明文中的方法明显优于传统的图像增强方法。     

基于小波和灰度形态学的红外图像增强方法

针对红外图像对比度差、信噪比低的特点,提出了一种基于小波变换和灰度形态学的红外图像对比度增强的算法,对红外图像进行小波分解后,利用灰度形态学对低频系数进行对比度增强,同时计算局部阈值,并利用确定的阈值对小波系数进行去噪处理,最后重构得到去噪后的增强图像。实验结果表明,本文算法有效的提高了目标的对比度,同时突出了目标的细节信息,算法在性能优于传统的中值滤波与直方图均衡法相结合、维纳滤波与灰度变换法相结合的对比度增强算法。     

一种改进的小波阈值去噪法

基于小波变换的阈值去噪法是去除数字信号中白噪声的有效算法,其中阈值函数的选择关系着重构信号的连续性和精度。但是硬阈值函数在阈值点具有不连续性,软阈值函数中估计的小波系数与信号的小波信号间存在恒定偏差的缺陷,这些缺点限制了阈值去噪法的进一步应用。将硬阈值和软阈值函数进行加权平均,选取适当的权值函数,可以构造出一种克服了软硬阈值缺点的新的阈值函数。仿真结果表明,该方法具有较好的去噪效果。     

一种改进阈值函数的小波语音去噪方法

在分析了软阈值法和硬阈值法等常用用值函数的优缺点基础上,提出了一种改进的阈值函数,该阈值函数结合了折中阈值函数和μ律阚值函数的优点.实验仿真表明,不管语音信号输入信噪比高低,改进的方法均可获得满意的去噪效果.     

一种红外图像对比度增强新方法

针对红外图像分辨率低、对比度低和目标弱小等缺点,提出了一种红外图像对比度增强新方法。该方法利用频率域的同态滤波,对红外图像的细节进行对比度增强处理。同时为进一步增强图像对比度,提高分辨率,利用限制对比度自适应直方图均衡方法调整图像的有效灰度动态范围。通过大量实验验证表明,该方法显著提高红外图像的对比度和可辨识率,改善了图像质量。     

基于模糊小波的图像对比度增强算法

针对传统的图像对比度增强方法存在的诸多问题,本文提出了一种模糊小波增强算法.首先,将低对比度图像进行规范化,选定一个确定小波对规范化后的图像进行小波变换,得到小波系数.然后,模糊化低通小波系数,再采用全局和局部信息进行调整.对高通小波系数,采用非线性运算进行调整.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,并且很好的抑制了噪声,没有出现局部区域过增强或增强不足的现象.     

一种新的小波消噪阈值的估计方法

小波多尺度分解是一种有效的信号去噪方法，对于非平稳信号的消噪，主要是选取合适的小波及每层小波系数的阈值。基于传统的阈值去噪方法，在分析研究了它们的优缺点之后，本着改进滤波效果，提高去噪质量的目的，提出了一种改进方案。该改进方案克服了传统阈值去噪方法的缺陷，并适用于进一步的自适应滤波的需求，仿真试验证实了该改进方案的有效性和优越性。     

A low light natural image statistical model for joint contrast enhancement and denoising

We study the problem of joint low light image contrast enhancement and denoising using a statistical approach. The low light natural image in the band pass domain is modeled by statistically relating a Gaussian scale mixture model for the pristine image, to the low light image, through a detail loss coefficient and Gaussian noise. The detail loss coefficient is statistically described using a posterior distribution with respect to its estimate based on a prior contrast enhancement algorithm. We then design our low light enhancement and denoising (LLEAD) method by computing the minimum mean squared error estimate of the pristine image band pass coefficients. We create the Indian Institute of Science low light image dataset of well-lit and low light image pairs to learn the model parameters and evaluate our enhancement method. We show through extensive experiments on multiple datasets that our method helps better enhance the contrast while simultaneously controlling the noise when compared to other state of the art joint contrast enhancement and denoising methods.     

一种基于平稳小波域的红外图像增强方法

针对红外图像对比度和分辩率低、噪声大的特点,提出一种基于平稳小波域的红外图像增强新方法.对高频子带中幅值较小的噪声系数进行衰减,幅值较大的边缘细节系数进行放大;对低频子带系数的幅值采用所提出的正弦函数进行伸缩处理.实验结果表明,本文提出的方法在有效地增强红外图像对比度及边缘细节的同时,又能很好地抑制背景噪声,综合性能明显优于传统的直方图均衡化和反锐化掩膜增强方法.     

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.     

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。     

Enhancing underwater image via color correction and Bi-interval contrast enhancement

Underwater captured images often suffer from color cast and low visibility due to light is scattered and absorbed while it traveling in water. In this paper, we proposed a novel method of color correction and Bi-interval contrast enhancement to improve the quality of underwater images. Firstly, a simple and effective color correction method based on sub-interval linear transformation is employed to address color distortion. Then, a Gaussian low-pass filter is applied to the L channel to decompose the low- and high-frequency components. Finally, the low- and high-frequency components are enhanced by Bi-interval histogram based on optimal equalization threshold strategy and S-shaped function to enhancement image contrast and highlight image details. Inspired by the multi-scale fusion, we employed a simple linear fusion to integrate the enhanced high- and low-frequency components. Comparison with state-of-the-art methods show that the proposed method outputs high-quality underwater images with qualitative and quantitative evaluation well.     

基于脊波的红外图像自适应增强算法

图像增强是目标检测和识别中的基本问题,为了在红外图像中能够更好地检测出目标,根据多尺度几何分析工具脊波特别适合表示各向异性和奇异性的特性,结合红外成像的特点,利用脊波对图像进行增强,并利用统计学原理对脊波系数变换原则进行自适应改进,利用统计学原理构造了目标细节特征量和脊波子带系数特征量,将这些特征量进行匹配,并且评估匹配效果,从而找出子带系数中与目标特征关联度高的部分,有针对性地对该部分系数进行放大,其余部分系数进行抑制处理,处理后的系数进行脊波逆变换还原的图像。检测结果与对比度增强、线性滤波等方法进行比较说明:该方法效果良好。