基于小波多尺度积的图像增强新算法

在分析小波变换对噪声影响规律的基础上,结合小波多尺度积的特性,提出了一种基于小波多尺度积的图像增强新算法,利用二进小波变换中各尺度上小波系数间的相关性,有效改善了图像增强过程中噪声放大问题.     

基于尺度相关性的自适应图像增强新算法

针对图像增强算法通常会放大原图像中噪声分量的问题,结合小波变换中相关系数理论,提出了一种基于小波变换的图像增强新算法,利用二进小波变换中各尺度上小波系数间的相关性,有效改善了增强过程中噪声放大问题。实验表明,该方法无论是增强效果还是抗噪性能都明显优于传统的图像增强算法。     

基于小波多尺度积的边缘检测算法

在分析小波变换对噪声和边缘点影响规律的基础上,结合多尺度乘积的特性,提出了一种基于小波变换的多尺乘积边缘检测新算法。通过边缘检测性能评测计算和实验验证表明,该算法能有效增强边缘、抑制噪声,且定位精度高。     

基于多尺度小波的图像增强改进算法的应用研究

现有的医学CT图像一般存在明暗对比度较差、灰度分布范围小、部分有用信息很不明显等缺陷,从而影响了对图像的正确分析,因而进行图像增强是非常有必要的.一些传统算法在对图像增强的同时,也增强了图像中的噪声信号,不利于图像的后期处理.本文在现有的图像增强算法的基础上,采用了基于多尺度小渡图像增强的新方法,有效地抑制了噪声,处理后的图像明暗较为明显,利于进一步的分析和处理.     

基于多尺度边缘表示的图像增强快速算法

低对比度结构广泛存在于各种数字图像之中，研究如何通过后期处理增强数字图像的对比度是很有意义的。灰度图像对比度的高低总是与图像灰度梯度幅值的大小相联系，受这种思想的启发，提出了一种基于图像多尺度边缘表示的，利用对信号小波变换模极大值的拉伸和Hermite插值多项式实现的图像增强快速算法。此算法可以实现对噪声的抑制和对图像中不同尺度特征的增强。数值实验结果表明，该算法增强效果明显，运算速度快，是一种实用性较强的图像对比度增强算法。     

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。     

小波多尺度分析目标图像复原

为了有效复原模糊图像以得到可辨识的目标图像,需要根据目标图像的纹理特征来进行有约束的正则化复原。针对大尺度模糊图像的复原处理,通过分析常见的自适应正则化方法在抑制噪声及虚假波纹方面存在的问题,提出基于小波多尺度分析的正则化复原方法,该方法利用小波变换的多尺度分析技术直接分析模糊图像,结合形态学操作得到合理反映目标棱边分布的图像,并利用该图像加权调节正则化参数进行复原操作。实验表明该算法能够有效处理大尺度模糊,并能够较快地收敛到易于辨识的目标图像。     

基于小波多尺度分析的图象快速匹配模型

提出了小波多尺度分析理论在计算机中层视觉二维图象识别中的一种应用，并给出了一个高效匹配模型。利用二维图象的小波多尺度分解来模拟２个最主要的生物视觉通路，并对不同通道分别进行匹配计算，由粗到精地实现了基于扫视和凝视的二维图象的快速识别。与传统的模板匹配法相比，该方法具有速度快、搜索范围大、精度高、抗噪能力强等优点     

基于小波多尺度分析的图像边缘检测

提出了小波多尺度分析的图像边缘检测方法,给出了该边缘检测方法的算法步骤及流程,解决了第一代多尺度边缘检测所存在的"边缘仅定义为信号的奇异性表现和滤波尺度参数难以选择"问题.应用小波变换在不同尺度和同一尺度下呈现的规律性,对轴类零件图像进行边缘检测实验,获得了清晰且精度较高的图像边缘检测效果.     

基于小波多尺度奇异值分解的人脸识别

作为一种矩阵分解方法,奇异值分解可用于提取图像的代数特征。图像的奇异值特征具有很多好的性质,如稳定性、几何不变性、对噪声的不敏感性。但是只用一个尺度的图像奇异值特征难以获得高识别率。基于小波变换和奇异值分解,提出了基于小波多尺度奇异值分解的图像特征提取方法,将多个尺度的小波子图奇异值特征组合起来用于人脸识别,在ORI, YALE和JAFFE 3个人脸数据库上的识别率分别达到82.11%,100%和95.68%.     

基于小波融合的射线图像增强算法*

提出一种基于小波融合的射线图像增强算法,利用射线成像的特点,对射线成像系统采集信号作分段灰度变换,将变换得到的多幅图像利用小波变换进行图像融合,以增强射线图像的显示效果。融合中采用低频图像的小波系数均值作为融合后的低频系数,高频图像根据梯度和一致性检测确定融合规则,调整高频小波系数大小,很好地将来自不同图像的特征与细节融合在一起,并对融合图像质量进行了对比评价。实验结果表明,这种方法能够在保留图像微小细节方面获得满意的结果,且优于传统的射线图像增强方法。     

基于小波变换的图像增强新算法

传统的小波增强算法应用于光照不足或不均匀的图像时处理效果一般,针对该问题提出了基于小波变换的图像增强新算法。首先,对图像进行多级小波分解,得到尺度系数和多个层次的小波系数;然后,对不同层次的小波系数采用不同的增强算法进行处理,同时,对图像的尺度系数采用多尺度方法进行处理;最后,利用得到的小波系数和尺度系数进行小波逆变换。实验表明,该方法无论是增强效果还是抗噪性能都明显优于传统的图像增强算法,同时对光照不足或不均匀的图像具有较好的处理效果。     

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。     

An effective algorithm for fingerprint image enhancement based on wavelet transform

Among all the fingerprint identification/verification systems, such as minutiae-based or filterbank-based fingerprint matching, the performance relies heavily on the quality of the input fingerprint images. In this paper, we propose an effective algorithm of fingerprint image enhancement, which can much improve the clarity and continuity of ridge structures based on the multiresolution analysis of global texture and local orientation by the wavelet transform. Experimental results show that the enhanced image quality by using the wavelet-based enhancement algorithm is much better than the other existing methods for improving the minutiae detection.     

基于小波变换的红外显微图像融合

图像融合是指把来自多传感器数据的互补信息合并形成一幅新的图像,以便达到进行目标监视与识别等目的。本文提出了基于小波变换的图像融合方法,并分析了可见光与红外的显微图像的融合结果。结果融合效果不错,结果图像比较清晰,在一图像中即可得到比较完整的信息。因而,这一方法具有广阔的应用前景。     

基于小波的小尺寸物体的图像边缘提取方法

基于小波变换的“多分辨”特性，采用一种利用小波模极大值，找到图像中的边界点，从而实现对灰度图像的边界检测的方法，通过分析图像中是否有灰度突变特征，来判断边界的存在。在进行边界检测之前。首先要滤除原图像的寄生噪声的干扰。实验结果表明：基于小波变换的边界检测方法可对图像边界进行敏锐提取，从而得到小尺寸物体的图像的细微特征。     

基于第二代Curvelet变换的自适应图像增强

Curvelet是继小波和Ridgelet之后一种新的图像多尺度表示方法,Curvelet具有多尺度,多方向的特性,属于高度各向异性的变换。第二代Curvelet变换克服了第一代Curvelet变换的高数据冗余度问题,特别是基于”Wrapping”方式的第二代离散Curvelet算法,不仅运算快速、几何真实,而且快速可逆。因此,将第二代Curvelet变换用于图像增强,并通过自适应地确定Curvelet分解子带的噪声水平,实现了一种自适应图像增强方法。实验结果表明,同基于小波变换的图像增强方法相比,该方法具有明显的优势。     

一种时间自适应阈值的小波包改进语音增强算法

针对传统小波语音增强算法存在过度周值处理的问题,提出一种改进的时间自适应阈值小波包去噪算法.该方法采用听觉感知小波包对噪声语音进行分解,得到小波包听觉感知节点上的系数,并基于语音存在概率估计按帧自动调节去噪周值,因改进的闲值能更好地避免语音小波包系数被过度阈值处理的情况,从而在抑制噪声的同时保留了更多的原始语音成分,进一步提高了降噪效果,实验结果表明,该算法比常规小波自适应闻值算法能得到更清晰的语音增强信号.     

直方图重建图像细节增强算法

针对传统大动态范围图像数据压缩方法易受场景变化影响,量化后的8位显示图像整体模糊、图像细节和弱小目标丢失问题,提出了一种基于直方图重建图像细节增强算法。对图像直方图统计值进行重新赋值,保留图像中出现的细节部分,并缩小相邻灰度级间间隔;采用二维Gabor滤波器来模拟视觉感知系统,将Gabor滤波器与图像进行卷积运算,得到滤波后的平滑图像;采用局部对比度增强方法来增强图像细节部分,并将增强后的中间结果线性映射为8位显示图像。实验结果表明,与其他大动态范围数据压缩方法相比,该算法量化后图像清晰度高,无图像细节和目标丢失现象。