红外图像全局和局部对比度增强的非线性增益法

提出一种基于模拟退火算法和离散平稳小波变换增强红外图像全局和局部对比度的非线性增益算法.基于原始红外图像的灰度直方图提出一种判据,利用该判据判断原始红外图像的对比度类型,以指导模拟退火算法的搜索方向和初值的选取;并利用模拟退火算法优化非线性灰度变换参数,实现对图像进行全局对比度增强.对全局增强后的图像进行离散平稳小波变换,分别对各个分解层的高频子带利用所提出的非线性增强算法进行细节增强.实验结果表明,该算法在有效地提高红外图像整体对比度的同时,能突出红外图像中目标的细节部分信息,在视觉质量上优于传统的直方图均衡法、反锐化掩膜法等.     

第二代Curvelet变换在低剂量CT图像增强中的应用

低剂量CT图像信噪比低,图像对比度差。对婴幼儿低剂量颅脑CT图像应用第二代Curvelet变换,分别对低频子带进行非线性增强、对高频子带应用自适应域值方法进行去噪后再进行非线性增强,再经Cuverlet反变换后,其结果与小波变换增强及直方图均衡增强的结果进行比较。结果显示第二代Curvelet变换增强图像对比度及信噪比明显提高,图像细节显示清晰,效果良好。     

基于自适应伽马转换函数的遥感图像增强

针对传统的遥感图像增强方法视觉效果不够理想的缺点,提出了一种基于平稳小波变换和分段自适应伽马灰度转换函数的遥感图像对比度增强方法。首先,对遥感图像进行平稳小波变换,接着对得到的最大尺度低频子带图像采用基于核函数的样本加权模糊C-均值聚类算法将该图像分为低、中和高亮度区域,并对各亮度区域依据其各自特点分别采用不同的自适应伽马灰度转换函数进行增强,然后利用贝叶斯萎缩阈值法和非线性自适应增益函数相结合计算高频子带的增益系数,从而得到增强后的高频子带图像;最后,由低频子带图像和高频子带图像重构得到增强后的图像。实验表明,该方法提高了遥感图像的全局对比度,改善了视觉效果,增强了图像的细节并抑制了噪声,获得了较好的图像增强整体效果。     

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.     

基于小波变换和光照补偿的人脸识别方法

针对光照对人脸识别影响的问题,提出一种结合小波变换和光照补偿的人脸识别方法。该方法首先利用离散小波变换将人脸图像的低频子带和高频子带分离,在小波变换的低频子带上分别进行直方图均衡化和对数变换,将处理后的低频子带进行融合构成新的低频子带。接着对高频子带进行阈值去噪后乘以一个标量,构成新的高频子带。最后利用小波逆变换重构出新的人脸图像并利用PCA算法进行识别。实验结果表明,该方法能有效地削弱光照的影响,提高人脸识别率。     

一种混合噪声图像去噪方法

首先分析了含有高斯白噪声和脉冲噪声的图像必须采用不同去噪方法的原因;然后分别给出了小波变换后的低频子带图像与高频子带图像的去噪方法：用改进的邻域平均法对低频子带图像进行去噪处理。对高频子带图像采用中值滤波、阀值处理、小波系数增强方法去除脉冲噪声;最后对经过处理后的各子带图像进行小波逆变换得到恢复图像;实验结果证明了理论分析的正确性。     

基于FDCT的低对比度指纹图像增强算法

针对传统方法在增强低对比度指纹图像时,效果不佳的状况,研究了一种利用快速曲波变换增强低对比度指纹图像的方法。图像经曲波分解后,对于低频分量引入基于SMQT的非线性函数调整低频子带系数,以提高指纹图像的对比度;对于高频分量使用阈值去噪增强图像细节。实验表明,该方法优于直方图均衡化方法和基于小波变换的增强方法。该算法在增强低对比度指纹图像的同时降低了噪声。增强后的图像取得了较为理想的视觉效果。     

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。     

基于第二代Curvelet变换的低对比度图像增强

针对传统图像增强方法用于低对比度图像时,存在对噪声敏感、局部过增强等问题,提出了一种基于第二代 Curvelet 变换的增强方法。将图像进行多尺度多方向的 Curvelet 变换;引入分段非线性函数的思想,调整低频子带系数,提高图像整体的对比度;对各尺度的高频子带系数进行非线性加权,增强图像细节,并进行阈值降噪。实验表明,该方法优于常用的空间域直方图均衡化和小波域图像增强法,能有效地提高图像的对比度、降低噪声,并且较好地保留边缘信息,具有良好的视觉效果。     

基于系数相关性的小波变换红外图像去噪

提出了一种基于层内邻域相关性的正交小波变换红外图像去噪算法.首先对红外图像进行离散小波变换,分别对各个分解层的高频子带进行处理;考虑到小波系数的层内邻域相关性,通过基于最小均方误差算法的邻域小波系数向量估计小波系数,然后由估计的高频子带小波系数,通过小波反变换得到去噪图像.仿真结果表明,该红外图像去噪算法能有效去除图像噪声,在峰值信噪比和主观视觉质量等方面都有明显改善.     

Typhoon cloud image enhancement and reducing speckle with genetic algorithm in stationary wavelet domain

By employing discrete stationary wavelet transform (SWT), generalised cross-validation (GCV), genetic algorithm (GA), and non-linear gain operator, an efficient de-noising and enhancement algorithm for typhoon cloud image is proposed. Having implemented SWT to a typhoon cloud image, noise in a typhoon cloud image is reduced by modifying the stationary wavelet coefficients using GA and GCV at fine resolution levels. Asymptotical optimal de-noising threshold can be obtained, without knowing the variance of noise, by only employing the known input image data. GA and non-linear gain operator are used to modify the stationary wavelet coefficients at coarse resolution levels in order to enhance the details of a typhoon cloud image. Experimental results show that the proposed algorithm can efficiently reduce the speckle in a typhoon cloud image while well enhancing the detail. In order to accurately assess an enhanced typhoon cloud image's quality, an overall score index is proposed based on information entropy, contrast measure and peak signal-noise-ratio (PSNR). Finally, comparisons between the proposed algorithm and other similar methods, which are proposed based on discrete wavelet transform, are carried out.     

小波模极大值在图像消噪中的应用

提出利用小波模极大值进行图像消噪方法,对含噪声图像进行离散平稳小波变换和噪声标准差的估计,在Bayes-shrink阈值计算的基础上,得到消噪的阈值计算公式。对各尺度各子带的小波系数模极大值进行判断,获得由图像边缘产生的小波系数,使用自适应多阈值的方法在小波各尺度、各子带萎缩非图像边缘产生的小波系数。经平稳小波逆变换得到消噪后的图像。实验结果表明,与以前消噪方法相比,该方法具有更好的效果。     

Adaptive typhoon cloud image enhancement using genetic algorithm and non-linear gain operation in undecimated wavelet domain

By combining discrete undecimated wavelet transform (UWT) with genetic algorithm (GA) an efficient enhancement algorithm for typhoon cloud image is proposed. Having implemented UWT to a typhoon cloud mage, noise in a typhoon cloud image is reduced by modifying the undecimated wavelet coefficients by combining with generalization cross validation at fine resolution levels. GA and non-linear gain operation are used to modify the undecimated wavelet coefficients at coarse resolution levels in order to extrude the details of a typhoon cloud image. Experimental results show that the proposed algorithm can efficiently reduce the additive gauss white noise in a typhoon cloud image while well extruding the detail. In order to accurately assess an enhanced typhoon cloud image’s quality, an overall score index is proposed based on information entropy, contrast measure and peak signal-noise ratio. Finally, comparisons between the proposed algorithm and five other similar methods, are carried out.     

结合熵主成分变换与优化方法的遥感图像融合

在遥感图像融合中,融合图像光谱失真是主要存在的问题,为此提出一种结合熵主成分变换与优化方法的图像融合方法。通过熵主成分变换将庞杂的多波段数据用尽可能少的波段表示出来,减少光谱维数,且从熵的贡献角度出发完成投影变换保留更多的源波段信息。取第一熵主分量,与直方图匹配后的全色图像进行小波变换,分别获取低频和高频子图。对低频子图采用量子粒子群优化方法搜索线性加权的最优融合权值,对高频子图采用统计特征与统计模型相结合的方式完成融合,小波融合结果作为第一熵主分量。最后,熵主成分逆变换得到融合后的遥感图像。选用熵、交叉熵、标准差、梯度、相关系数和光谱扭曲度作为客观评价指标。实验结果表明,所提方法能够提升空间细节且避免融合图像光谱失真。     

Visual enhancement of digital ultrasound images using multiscale wavelet domain

Ultrasonography has been considered as one of the most powerful techniques for imaging organs and soft tissue structures in the human body. The main disadvantage of medical ultrasonography is the poor quality of images, which are affected by multiplicative speckle noise. In this paper, we present a novel method for despeckling medical ultrasound images. The primary goal of speckle reduction is to remove the speckle without losing much detail contained in an image. To achieve this goal, we make use of the wavelet transform and apply multi-resolution analysis to localize an image into different frequency components or useful subbands and then effectively reduce the speckle in the subbands according to the local statistics within the bands. The main advantage of the wavelet transform is that the image fidelity after reconstruction is visually lossless. The objective of the paper is to investigate the proper selection of wavelet filters and thresholding schemes which yields optimal visual enhancement of ultrasound images, in particular. We employ the wavelet shrinkage denoising techniques with different wavelet bases and decomposition levels on the individual subbands to achieve the best acceptable speckle reduction while maintaining the fidelity of the image and also examine the effects of different thresholding techniques as well as shrinkage rules for denoising ultrasound images. The proposed method consists of the log transformed original ultrasound image being subjected to wavelet transform, which is then denoised by a thresholding technique using a shrinkage rule. Experimental results show that the subband decomposition of ultrasound images, using Bior6.8 and level 3 with soft thresholding based on Bayes shrinkage rule, performs better than other techniques. The performance is measured in terms of Variance, Mean Square Error (MSE), Signal-to-Noise Ratio (SNR), Peak SNR (PSNR) and Correlation Coefficient (CC). The results of wavelet shrinkage techniques are compared with common speckle filters. We observe that the proposed method achieves better visual enhancement of ultrasound images which would lead to more accurate image analysis by the medical experts.     

基于小波变换和模糊理论的裂纹图像增强算法

针对传统图像增强算法的缺陷, 提出了一种基于小波分析和模糊理论的图像增强算法, 该算法先对原始图像进行小波变换得到图像的高频和低频小波系数, 再定义新的模糊隶属度函数对低频系数进行模糊增强, 对不同方向上的高频系数进行小波阈值去噪, 通过小波重构得到增强后的图像, 所有算法通过Matlab编程验证, 能有效的增强图像, 改善图像的视觉效果. 实验结果表明, 算法是可行有效的.     

基于正交小波变换的心冲击图自适应去噪方法

研究了心冲击图的正交小波变换最小均方自适应去噪;阐述了基于正交小波变换的最小均方自适应去噪原理;利用径向高斯核函数对心冲击图进行自适应时频联合分析,得到了中心频率并确定了小波分解尺度;提出了通过选择小波基函数和输入信号长度确定自适应滤波器阶数的方法;从矩阵角度给出了算法的实现步骤,并分析了正交小波变换提高最小均方算法收敛速度的原因.实验结果表明,正交小波变换最小均方算法使自适应去噪后的心冲击图更快达到稳态,随心动周期的变化趋势更加明显.比较去噪前后心冲击图的功率谱密度可知,正交小波变换最小均方算法在保留心冲击图特征的同时自适应地去除了其中的时变噪声,获得了良好的去噪效果.     

基于关系矩阵的快速嵌入零树小波图像编码算法

为了快速获得更好的图像复原质量,提出了一种基于关系矩阵的快速嵌入零树小波(EZW)图像编码算法。该算法的基本工作步骤为:(1)对原始图像进行小波分解;(2)对最低频小波子带进行DPCM编码;(3)对所有高频子带系数构造零树结构;(4)首先确定初始阈值,并构造小波系数的关系矩阵,然后结合关系矩阵对高频子带系数进行逐次逼近量化编码。实验结果表明,该算法具有较好的图像复原质量和较快的编码速度,整体性能明显优于EZW方案(特别是低比特率下)。