基于Curvelet变换和小波变换相结合的图像融合算法研究

针对小波变换在图像边缘表达方面的局限性,以及Curvelet变换在表达图像点特征上的不足,提出了在红外图像与可见光图像融合的过程中采用基于Curvelet变换和小波变换相结合的图像融合算法.首先对图像进行Curvelet分解,对低频系数使用基于小波变换的融合算法,对高频系数结合融合图像的特点分别采用了两种不同的选取方法:模值绝对值取大法和基于系数相关性法.最后,对最终系数进行反Curvelet变换,得到融合结果图.采用该算法进行了大量的红外图像与可见光图像融合实验,实验结果表明,此算法的融合结果图获得了更好的目标信息和光谱信息.     

基于小波变换与像元对目标的短波红外图像增强算法

弱光夜视是短波红外成像的重要应用领域之一。针对短波红外弱光图像对比度低,增强后噪声也被放大的特点,提出了一种基于小波变换与像元对目标的短波红外图像增强算法。首先通过小波变换获得不同频率成分的子带图像;然后对低频子带图像进行基于像元对目标的灰度变换处理,对高频子带图像进行可变阈值降噪处理;最后通过小波反变换将处理后的子带重构得到增强结果。将该算法与基于直方图的增强算法,全局优化线性窗口色调映射算法和自然保持增强算法进行比较,采用图像的信息熵和基于Michelson法则的对比度增强度量作为客观评价指标,结果表明本文算法更为有效地提高了短波红外弱光图像的对比度,抑制了噪声的增强,提升了图像的视觉效果。     

基于三次B样条小波变换和Franklin矩亚像素级图像边缘检测算法

为了满足精密测量和红外与可见光图像配准对图像边缘定位的高精确度和高抗噪性的要求,提出一种基于三次B样条小波变换和Franklin矩结合的亚像素级图像边缘检测算法。首先,利用三次B样条小波窗函数对图像边缘多层分解,根据小波模极大值原理对各层检测得到初始边缘信息,随后将其边缘点与多尺度范围下3×3邻域内的点进行比较,将模值和幅角相近的点保留,建立新的边缘图像。然后,建立亚像素边缘模型,根据Franklin矩旋转不变性原理,分析图像边缘旋转至一定角度之后各级Franklin矩之间的关系,得到计算亚像素边缘点的模板关键参数,将模板在小波变换得到的新边缘图像上移动并与其覆盖下的子图进行卷积运算,进而得到图像的亚像素级边缘点。实验结果表明,并与当下表现较优的3种算法进行对比,本文提出的基于三次B样条小波变换和Franklin矩结合的算法精确度更高且抗噪性更强,能够更好地满足对于红外与可见光图像配准稳定可靠及高精度测量的要求。     

基于三次B样条小波变换和Franklin矩亚像素级图像边缘检测算法

为了满足精密测量和红外与可见光图像配准对图像边缘定位的高精确度和高抗噪性的要求,提出一种基于三次B样条小波变换和Franklin矩结合的亚像素级图像边缘检测算法。首先,利用三次B样条小波窗函数对图像边缘多层分解,根据小波模极大值原理对各层检测得到初始边缘信息,随后将其边缘点与多尺度范围下3×3邻域内的点进行比较,将模值和幅角相近的点保留,建立新的边缘图像。然后,建立亚像素边缘模型,根据Franklin矩旋转不变性原理,分析图像边缘旋转至一定角度之后各级Franklin矩之间的关系,得到计算亚像素边缘点的模板关键参数,将模板在小波变换得到的新边缘图像上移动并与其覆盖下的子图进行卷积运算,进而得到图像的亚像素级边缘点。实验结果表明,并与当下表现较优的3种算法进行对比,本文提出的基于三次B样条小波变换和Franklin矩结合的算法精确度更高且抗噪性更强,能够更好地满足对于红外与可见光图像配准稳定可靠及高精度测量的要求。     

基于目标增强的红外与可见光图像融合技术研究

针对红外和可见光图像融合算法中存在背景模糊和目标不清晰等问题,提出一种基于目标增强的红外与可见光图像融合算法。首先,利用均值滤波的方法获得透射率的粗估计,通过图像统计信息实现粗透射率的细化,依据大气散射模型实现红外图像的目标增强;然后,对目标增强的红外图像和可见光图像采用改进的Prewitt算子进行边缘检测,并将检测结果二值化,对边缘部分采用基于二值信息的融合规则,对非边缘部分采用比值加权分析的融合规则。实验结果表明,采用基于目标增强的图像融合算法不仅能凸显红外图像的目标信息,还能尽可能多的保留可见光图像丰富的细节信息,具有更好的视觉效果和更高的客观质量评价指标。     

基于边缘检测的图像提升小波降噪方法

图像边缘是图像最有用的高频信息。因此,在图像降噪的过程中,能否较好地保存图像的边缘信息,直接决定了降噪处理的成败。鉴于这一思想,提出了基于边缘检测的图像提升小波降噪方法。该方法在图像降噪之前,先通过提升小波边缘检测的方法确定图像的边缘信息,然后将图像的边缘信息与噪声信息进行区分,有针对性地对含噪图像进行降噪,这样便可有效地保护图像的边缘信息,达到预期降噪的效果。提升小波以计算速度快,能形成整数到整数的可逆变换的优势在数字图像处理领域有着广泛的应用。     

基于多阈值分割的红外图像伪彩增强算法

针对现有图像增强中的彩虹编码采用固定阈值分割方法,导致增强后的图像缺乏层次感、视觉效果模糊的问题,提出一种基于多阈值分割的红外图像伪彩色增强算法.该算法通过建立伪彩映射模型,采用多阈值分割手段,将不同灰度值映射成丰富的颜色值,以突出图像边缘的细节信息.实验结果表明,该算法处理后的红外图像具有目标轮廓清晰、视觉效果理想的优点.     

基于小波变换的红外图像边缘提取研究

红外图像的边缘提取是其判读和识别的重要技术基础。红外图像背景复杂、噪声较为严重。针对这一特点，利用小波变换易于消除噪声、运算方便的特点，提出了一种基于小波变换的红外图像边缘提取算法。首先利用小波算法对红外图像进行滤噪，然后利用高斯函数作为平滑函数对图像进行水平和垂直方向的小波变换，提取红外图像边缘特征。给出了仿真实例，证明了该算法的科学性和可靠性。     

改进的基于小波变换的图像边缘检测方法的研究

本文介绍一种基于小波变换模极大值进行图像边缘检测的方法。对图像进行二维小波变换,其梯度模值反映了图像的边缘,用这种方法可以检测到图像所有边缘的细节,但同时也会检测到一些伪边缘和噪声点。本文采用图像分块方法确定阈值,并用该阈值来限定模值,与传统边缘检测方法相比,可以得到更好的边缘检测效果。     

基于积分图像的红外图像降噪去条带方法

针对红外图像中普遍存在的高噪声与边缘模糊问题,提出了一种新的红外图像处理方法。基于积分图像理论,结合高频增强滤波法,给出了红外图像降噪去条带算法,设计了软件并实现了处理效果。仿真结果表明,与传统的方法相比,该方法具有速度快、自适应能力强和条带去除明显等优势,并可以尽可能多地保留原始图像的细节特征。     

Nonlinear multiscale wavelet diffusion for speckle suppression and edge enhancement in ultrasound images

This paper introduces a novel nonlinear multiscale wavelet diffusion method for ultrasound speckle suppression and edge enhancement. This method is designed to utilize the favorable denoising properties of two frequently used techniques: the sparsity and multiresolution properties of the wavelet, and the iterative edge enhancement feature of nonlinear diffusion. With fully exploited knowledge of speckle image models, the edges of images are detected using normalized wavelet modulus. Relying on this feature, both the envelope-detected speckle image and the log-compressed ultrasonic image can be directly processed by the algorithm without need for additional preprocessing. Speckle is suppressed by employing the iterative multiscale diffusion on the wavelet coefficients. With a tuning diffusion threshold strategy, the proposed method can improve the image quality for both visualization and auto-segmentation applications. We validate our method using synthetic speckle images and real ultrasonic images. Performance improvement over other despeckling filters is quantified in terms of noise suppression and edge preservation indices.     

维纳滤波和非线性扩散相结合的图像去噪

提出一种基于小波和非线性扩散的新的图像去噪算法。小波域局部维纳滤波是一种简单有效的去噪方法,利用该方法先对原始图像进行初步去噪,以此引导非线性扩散模型中的边缘检测函数,再用非线性扩散进行去噪。实验表明:该算法不仅很好地保存了图像的边缘信息,而且有效地去除了图像中的大部分噪声,无论是视觉效果还是客观标准上都优于单纯的小波域维纳滤波或非线性扩散去噪。     

一种基于曲率变分正则化的小波变换图像去噪方法

噪声和图像的细节特征主要集中于图像高频部分,在图像去噪过程中,图像的某些重要特征（如边缘、细小纹理等）易受到破坏.针对这一情况,本文提出基于曲率变分正则化的小波变换图像去噪方法,首先用小波提取图像的高频成分,对图像进行增强处理,然后用增强图像的水平集曲率建立一个基于水平集曲率的曲率驱动函数,再将曲率驱动函数作为一个校正因子引入到变分模型中,建立曲率变分模型,用以控制图像的整体结构.在缺乏图像梯度信息的情况下,该模型克服了ROF模型错误扩散这一缺点,符合图像处理的形态学原则.最后,用建立的曲率变分模型处理提取的高频成分,重构处理后的高频成分和原来的低频成分,得到去噪后的图像.分析和仿真结果表明,新算法可有效抑制噪声,有极高的图像结构相似度,去噪效果明显.     

一种抗噪的红外图像对比度增强方法

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,利用所提出的去噪方法对分辨率较好的各高频子带直接去噪;并利用所提出的非线性增益法结合文中的去噪法对分辨率较差的各高频子带进行增强。实验结果表明,提出的方法在有效地增强红外图像对比度的同时,又能很好地抑制相关噪声。算法在视觉质量上优于传统的反锐化掩膜法、直方图均衡法。     

基于小波变换的图像边缘检测

介绍了利用小波变换进行图像边缘检测的原理与方法。基于小波变换的模极大值原理,利用不同尺度小波变换后的不同方向获取图像的高频信息,并通过小波系数的模极值点与过零点,检测出图像在四个方向上的模极大值,得到该位置模的局部最大值。仿真测试表明,利用小波变换进行图像边缘检测可以较好的检测图像边缘的细节特征,取得了很好的效果。     

基于小波变换的目标检测关键算法研究

图像去噪和边缘检测都是目标检测中至关重要的过程。结合半软阈值法和比例萎缩法,提出了一种改进的小波局部自适应阈值图像去噪算法,给出了一种高斯小波模极大值算法进行图像边缘检测。实验证明,去噪算法优于传统的半软阈值算法,较好地保留了图像的细节信息。边缘检测算法与经典的Canny算子相比得到了更多细节信息,使图像变的更真实。     

高分辨率红外图像的分层自适应阈值Curvelet系数萎缩去噪方法

高分辨率红外图像在基于小波系数阈值萎缩的去噪过程中,容易导致边缘模糊或丢失等失真。文中首次引入基于wrapping的第二代快速Curvelet变换,对图像边缘信息进行有效的稀疏保存,并采用分层自适应阈值算法独立估计每个尺度、方向上的Curvelet系数噪声阈值,并针对红外图像的Curvelet系数能量高度集中于低尺度系数的特点,采用尺度相关的硬阈值对染噪图像的Curvelet系数进行处理。实验结果表明：在不同噪声条件下,与基于小波系数的Visu Shrink,Penalized,sparsity-norm阈值等去噪算法相比,文中提出的去噪算法取得了较好的去噪效果,在噪声方差σ=30时,使用该方法的峰值信噪比(PSNR)可高达31.77 dB,去噪后的图像边缘保持良好,具有较好的视觉效果;同时,文中建议算法的计算量比传统Curvelet降低了70%以上,适合在DSP等嵌入式系统应用。     

Moving window-based double Haar wavelet transform for image processing.

Image denoising is a lively research field. The classical nonlinear filters used for image denoising, such as median filter, are based on a local analysis of the pixels within a moving window. Recently, the research of image denoising has been focused on the wavelet domain. Compared to the classical nonlinear filters, it is based on a global multiscale analysis of images. Apparently, the wavelet transform can be embedded in a moving window. Thus, a moving window-based local multiscale analysis is obtained. In this paper, based on the Haar wavelet, a class of nonorthogonal multi-channel filter bank with its corresponding wavelet shrinkage called Lee shrinkage is derived. As a special case of this filter bank, the double Haar wavelet transform is introduced. Examples show that it is suitable for a moving window-based local multiscale analysis used for image denoising, edge detection, and edge enhancement.     

基于边缘定向增强的各向异性扩散抑噪方法

本文提出了一个新的边缘定向增强扩散模型.针对现有各向异性扩散方程中,边缘增强扩散模型不能正确地对边缘定向,而相干增强扩散模型易在光滑处产生虚假边缘的缺点,本文的模型采用基于非线性光滑算子的边缘定向算子对边缘定向,并根据边缘的位置和方向设置扩散张量的特征根,使其在光滑区域沿边缘方向和垂直边缘方向均具有较大值,而在边缘区域垂直边缘方向值小,沿边缘方向值大,从而达到既保护边缘又去除噪声的目的,在整幅图像上均具有较好的去噪效果.理论分析和数值计算结果均表明,本文方法具有比现有扩散去噪方法更好的去噪效果,同时在峰值信噪比和边缘保护指数方面具有显著优势.     

SAR图像增强的前向-后向扩散方程方法

本文研究SAR图像域去噪和增强处理问题．通过构造符合SAR成像工程背景的扩散系数矩阵，提出了基于SAR图像幅度信息的前向．后向扩散方程，同时设计了相应的快速算法．该方法能有效增强目标的强散射点，显著抑制噪杂波区的噪声，保护目标．并利用3dB主瓣宽度和辐射分辨率对计算结果进行评价，计算结果表明该方法的有效性。