结构相似性灰关联在强噪声图像增强中的应用

为提高强噪声环境下的图像质量,提出一种图像增强新算法．该算法首先对含噪图像进行多尺度小波分解,得到不同尺度、不同方向下的频域信息,然后利用图像中噪声与边缘在不同频带上的分布规律和衰减特性,通过灰色理论中的灰色关联度来区分噪声与边缘,从而在噪声抑制和边缘增强两个方面提高图像的质量．实验结果初步显示,与传统的空域滤波方法和相对较新的小波自适应阈值去噪、Contourlet域自适应阈值去噪等方法相比较,新算法所得图像的视觉效果得到了改善,峰值信噪比最优,可用于强噪声环境下的图像增强预处理．     

基于人眼视觉特性和模糊集的自适应图像增强算法

根据人眼的视觉特性，利用梯度和差分原理相结合而产生的锐化算子处理图像，进一步提升了图像中细节丰富的区域和灰度变化平坦区域的边缘，然后结合模糊集合理论对不同的区域进行不等的灰度拉伸，提出了一种基于人眼视觉特性的自适应图像增强算法。该算法可有效地在提高图像灰度动态范围的同时，增强图像的细节和对比度。该算法兼有增强和平滑作用，在增强图像的同时，能较好地抑制噪声。     

一种基于图像融合的红外图像增强新方法

提出了一种红外图像增强的新方法，该方法对红外图像处理过程中不同类型的噪声采用不同的方法滤波，有效地滤除了高斯噪声和脉冲噪声，同时增强了目标和背景中的边缘成分．该方法以增加检测系统硬件复杂程度为代价换取对红外图像特定信息的增强，可用于地面背景下红外图像目标检测或匹配跟踪的预处理．     

基于NSCT变换的红外图像增强新算法

针对夜间红外图像噪声大、对比度低的问题,探讨一种基于正态分布特性和NSCT变换相结合的夜间红外图像增强算法。充分利用了高频子带的系数标准差、系数均值和每个子带系数最大值的构造自适应阈值,保护图像的边缘细节,抑制图像噪声;提出一种新的弱边缘系数增益函数,有效地提升了图像的弱边缘信息。低频系数采用了基于正态分布特性的对比度拉伸增强算法。     

可变阶次分数阶微分实现图像自适应增强

为了改善图像增强的效果,提出了一种可变阶次的分数阶微分图像自适应增强算子.该算子的数学原理是根据图像的局部统计信息和结构特征来动态调整分数阶微分的阶次.在图像增强的过程中,分数阶微分的阶次满足在图像“强边缘”处具有较大的微分阶次,在图像“弱边缘”或纹理处具有较小的微分阶次,在图像平滑处具有微小的微分阶次,在判断为噪声处具有负阶次.建立了图像增强效果和分数阶微分阶次之间的非线性量化关系,构造了相应的自适应函数,实现了图像的自适应增强.实验结果表明,在无噪声的情况下,该方法较传统的分数阶微分算子在图像增强方面效果更好;在有噪声的情况下,该方法具有一定的噪声免疫能力.     

基于小波域边缘检测的图像增强方法

提出了一种基于小波域边缘检测的图像增强方法,首先对图像高频部分进行边缘检测,然后对边缘单独增强,再经过小波逆变换后得到增强的图像.实验仿真结果表明,该方法优于传统的图像增强方法,不但使图像中较模糊的、对比度差的细节得到增强,而且减少了噪声的影响.     

基于第二代小波的增强边缘的图像去噪

传统的一些去噪技术往往是以牺牲图像的边缘和细节为代价的。为了去掉图像的噪声,同时又能够很好地保留图像的边缘和纹理细节,在介绍第二代小波变换的原理的基础上,提出使用边缘检测的方法检测出图像的边缘和纹理细节,将它和该图像进行融合,用第二代小波对含噪图像进行分解,对图像高频进行自适应去噪。由于图像在去噪前融合了边缘信息,因此边缘和细节部分得到了增强。仿真结果表明：该去噪方法优于传统小波阈值去噪方法。     

一种基于模糊增强的图像边缘提取改进算法

分析了Pal的模糊边缘提取算法的缺陷，即图像增强区域单一、图像增强后造成低灰度信息的损失、没有做抑噪处理。并针对Pal的模糊增强算法的缺陷提出一种改进的基于模糊增强的边缘提取算法。通过定义新的隶属函数和一种新的模糊增强算法，结合图像平滑滤波处理进行图像边缘提取，有效地增强了边缘信息且抑制了噪声的干扰，并给出了该方法在图像边缘提取中的应用实例。     

一种改进的非锐化掩模深度图像增强算法

针对深度图像平滑过程中会模糊细节的缺点,提出了自适应的非锐化掩模深度图像增强算法.首先将深度图对应的彩色图像作为联合双边滤波的引导图,利用彩色图像相关特征修复了深度图像的缺失和毛糙,然后将双边滤波后的深度图像与高斯滤波后的深度图像作差,提取出不含噪声的高频部分,克服了经典非锐化掩模算法放大高频噪声的缺点,最后根据边缘以及细节的模糊程度,自适应地调节叠加到图像上的高频部分.实验结果表明,设计的算法有效地增强了深度图像细节,抑制了平坦区域的噪声,并填补了边缘缺失,较好地改善了深度图像的质量.     

小波域声呐图像自适应增强

声呐图像受噪声污染严重、对比度低,给后期的定位识别带来不便,而传统的处理方法容易造成边缘模糊.针对这一问题,提出了一种图像自适应增强算法.该算法利用形态小波对声呐图像进行自适应的多分辨率分析,分别增强不同尺度上的信号或细节,通过多通道重构图像的加权实现去噪和对比度提高.仿真结果表明该算法快速有效,对高斯噪声和冲击性噪声都具有较好的鲁棒性,处理后的声呐图像边缘细节信息保留完好,得到了理想的增强效果.     

基于小波变换的数字全息再现像质量提高方法

数字全息再现像中存在的散斑噪声严重影响了数字全息的应用,通过分析边缘检测方法和小波变换阈值去噪方法的原理,提出了一种基于边缘检测的小波变换散斑噪声去除方法。首先利用高斯-拉普拉斯算法获得边缘图像,进而通过Neyman-Pearson准则获得自适应阈值,并采用改进折中阈值函数对边缘图像和非边缘图像小波系数进行处理,将两者处理后的小波系数相加,并进行反变换得到处理后的图像。研究结果表明,该方法能够较好地在去除散斑噪声的同时保留图像细节。     

基于小波变换的针叶苗木彩色图像分割

苗木图像分割是形态参数提取的前提条件。利用小波变换及分开-合并法实现了对苗木图像的分割。对图像的色度分量进行小波变换。其变换系数作为分开-合并法中区域一致性的度量。通过改变小波变换的尺度,可以将边缘与噪声区分开来,减小图像分割中噪声带来的影响,有利于提高分割的准确性。实验表明,该算法取得了满意的结果。     

基于小波域的图像增强算法

针对图像边缘增强和滤噪的矛盾,提出了符合视觉特性的基于小波域的图像增强算法.将图像的小波变换结果看成一幅图像,则在空域中的阶跃边,在小波域的高频通道中表现为屋脊边,而空域中的屋脊边,在小波域高频通道中表现为成奇对称的屋脊边缘对.在高频通道中,用高斯函数或升余弦函数拟合屋脊边,用正弦函数拟合屋脊边对.通过修改拟合函数的参数来改变其形状,从而使反变换回来的图像的边缘斜率提高,进而达到图像增强的目的.由于在对屋脊边的识别中采用了方向信息测度,使算法能很好地处理边缘增强和滤噪的矛盾.分别对测试图像和实际图像进行处理,并与传统的高通滤波方法进行了对比,实验结果表明,本文提出的方法具有更好的视觉效果.     

基于MAS小波的噪声污染图像边缘检测方法

提出了一种基于MAS小波变换多尺度相关的噪声污染图像边缘检测方法.该方法采用二进MAS小波对图像进行多尺度分析,由于小波变换的模极大值充分刻画了图像的奇异点,利用模极大值得到所有的奇异点包括边缘和噪声的图像;利用边缘和噪声具有不同的Lipschitz指数造成它们的小波变换模在不同尺度下的不同传播特性,根据小波变换模尺度相关性区分边缘和噪声,得到边缘轮廓不太光滑的图像;将两幅图像进行融合,得到最终检测结果.实验结果表明,该方法能够有效地对噪声污染的图像进行边缘检测.     

一种基于小波去噪的遥感图像显著性区域检测算法

传统的图像检测方法未获取遥感图像亮度、色度、饱和度信息,图像显著性区域检测效果较差,为此,论文提出一种基于小波去噪的遥感图像显著性区域检测算法。利用小波变换的正交方式将遥感图像转换为一维图像,采用二进小波变换获取遥感图像边缘信息,根据新阈值函数去除图像边缘噪声;依据IHS变换（Intensity-Hue-Saturation）方式计算遥感图像亮度、色度、饱和度信息,并经离散小波变换计算遥感图像高、低频系数向量,通过模糊C均值聚类获取低频系数聚类数据后,利用显著性因子完成遥感图像显著性区域检测。实验结果表明：本文方法能够有效提取图像边缘信息,去除噪声能力强,所检测到的图像显著性区域层次分明,对比度较高,检测效果好。     

基于小波模极大值的火灾图像边缘检测方法

目的 提出一种基于小波模极大值和自适应阈值的火灾图像边缘检测方法 .方法 计算火灾图像小波变换后的梯度模极大值,采用自适应阈值法去除伪边缘,从而实现火灾图像的边缘检测.结果 实验结果 表明,笔者算法可以从带有噪声的火灾图像中有效地进行边缘检测,并且算法计算量小,具有良好的鲁棒性与实时性.结论 能够提高边缘检测的准确性,并且能够满足火灾图像边缘检测的实时性要求.     

基于图像融合技术的阶梯型边界检测

在Canny算子和模角分离的小波变换(MAS)算法的基础上,针对Canny 边缘检测算法抗噪性差以及MAS算法检测边缘的连续性差的缺点,利用融合技术,提出了一种能够结合Canny算子和MAS算法的方法,保留了各自算法的优点,实现了对阶梯形边界的检测,得到了理想的效果.     

基于B样条小波的自适应阈值多尺度边缘检测

利用小波变换的特点,设计了3次B样条平滑滤波算子。对图像进行多尺度滤波,得到了不同尺度的小波变换。结合自适应阈值方法,在每种尺度下分别提取了图像边缘;而后利用边缘信息的多尺度特性,综合多尺度边缘得到单像素宽边缘。通过计算机仿真对该方法进行验证表明:该方法不仅能准确检测出图像边缘,而且能有效地抑制噪声,明显优于已有的边缘检测方法。     

Image Edge Detection Based on Wavelet Transform

ＩｍａｇｅＥｄｇｅＤｅｔｅｃｔｉｏｎＢａｓｅｄｏｎＷａｖｅｌｅｔＴｒａｎｓｆｏｒｍＺＨＡＮＧＹｅ；ＳＨＩＭｅｎｇ；ＲＥＮＧｕａｎｇｈｕｉ（张晔）（时萌）（任广辉）（Ｄｅｐｔ．ｏｆＲａｄｉｏＥｎｇｉｎｅｅｒｉｎｇ．ＨａｒｂｉｎＩｎｓｔｉｔｕｔｅｏｆＴｅ...     

自适应阈值的小波变换在纸病去噪中的应用

以图像噪声会影响下一步图像处理、分析及识别为启示,分析了常用的数字滤波算法优缺点,提出一种自适应阈值小波变换去噪方法．该方法根据含噪信号特性和信噪比,自适应地选择小波变换的最优分解层数和最佳软阂值,达到最优的降噪效果．仿真结果表明,这种算法在高斯噪声和椒盐噪声滤波能有效地滤除噪声,同时还能较好地保护图像细节,使图像达到更好的视觉效果．