基于离散余弦变换的自适应图像增强

提出一种自适应的频域增强算法.对图像进行离散余弦变换(DCT),按照图像空间内容和频域系数的对应关系,对低频系数(DC)采用-αrooting算法进行调整,压缩图像的动态范围,增强图像照度分量中明区和暗区的细节.把高频系数(AC)分成4部分,按照人的视觉特性进行多尺度非线性调整,增强图像反射分量中大块边缘细节,抑制弱噪声细节,使图像的对比度得到有效的提升.同时由子块图像频域系数幅值分布特征确定低频系数调整函数的控制参数,消除了图像产生的块效应.实验结果表明增强后的图像清晰,层次分明,视觉效果得到了明显的改善.     

基于小波变换的超声红外热图像处理

超声红外热波检测图像存在对比度低、信噪比不高的问题。为了增强图像视觉效果,提高缺陷检测能力,采用小波变换的方法对红外热图像进行处理。介绍了小波变换和阈值处理的基本原理,先对采集到的红外热图像预处理,再对预处理后的图像进行小波变换获得低频和高频系数,进而采用阈值处理的方法来去除噪声并增强细节系数,最后经过小波重构得到新的红外图像。结果表明,该方法能够有效提高红外图像的对比度和信噪比,为红外图像的缺陷识别奠定基础。     

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。     

基于改进γ-CLAHE算法的水下机器人图像识别

水体及悬浮粒子对光的吸收、折射及反射导致水下图像对比度低及细节模糊,单一图像增强算法难以适用于水下复杂环境识别.为了解决该问题,提出基于小波变换和改进的γ-CLAHE相融合的图像增强算法.通过快速中值滤波去除图像中噪声,向CLAHE算法中加入自适应伽马变换,解决CLAHE算法处理水下图像色彩失真,丢失孤立点、细线,画面突变等问题.利用改进的γ-CLAHE算法处理小波变换分解后的低频部分,增强图像并加快运行速度.通过小波逆变换将γ-CLAHE算法处理后的低频部分和双边滤波处理后的高频部分相融合,得到最终的增强图像.将实验图像同传统CLAHE、Retinex、Singh融合算法的处理图像进行对比,验证本研究算法在水下图像处理方面的有效性和优越性.     

两种变换域相结合的医学图像融合

为了克服单一图像分析方法在图像分解时存在的局限性,采用两种变换域相结合的方法来实现CT/MRI图像融合。利用基函数多尺度和多方向性的特点,对CT与MRI源图像进行非下采样Contourlet变换(NSCT);将分解之后的CT低频近似部分和MRI低频近似部分再分别进行小波变换,小波分解与融合之后得到融合图像的低频系数,而对NSCT变换后的高频细节部分利用邻域能量取大方法得到融合图像的高频系数;再对高频系数与低频系数进行逆NSCT变换得到融合图像。结果表明,两种变换域结合的算法比单一的多尺度分析算法更有效可行,使得融合图像对比度更高、更清晰。     

基于小波变换与二阶差分的低对比度图像增强

针对传统小波增强算法在处理光照不均或光照不足图像时出现的图像细节丢失、图像噪声增大以及信息熵降低问题,提出了新的基于小波变换与二阶差分的图像增强算法。根据小波变换的特性,首先将图像信息分解为高频分量和低频分量,然后通过二阶差分来控制图像细节成分在输出图像中占的比例,对图像信息的高频分量进行了小波重构。实验表明,所提出算法在图像增强效果和抗噪性能上均优于AHE算法、CLAHE算法、HE算法、Laplace算法等传统的图像增强算法,在有效抑制噪声的同时能够突出图像细节信息,具有良好的适用性。     

一种改进的水下偏振图像融合算法研究

针对传统图像融合算法造成的对比度低、细节信息模糊等问题,提出了一种改进的基于二维离散小波变换的图像融合算法.利用光强度相机和分焦平面相机同时对水下运动目标进行探测,获得光强图像和偏振图像.将计算得到的偏振度图像和偏振角图像先进行简单的融合处理,再将融合后的偏振特征图像与光强图像采用改进的二维离散小波变换进行分解,得到低频分量和高频分量.对于低频部分,提出一种基于区域方差加局部能量相结合的图像融合算法;高频部分采用一种基于Sobel算子的图像融合算法.最后将低频分量与高频分量进行二维离散小波重构,得到结果图像.仿真结果表明,与传统图像融合算法相比,该算法获得的融合图像有效地拉升了目标与背景的对比度,增强了水下图像视觉效果,有利于准确识别水下运动目标.     

基于DCT变换的多曝光图像融合方法

针对普通相机拍摄图像中存在区域曝光问题,提出一种改进的基于离散余弦变换的多曝光图像融合算法。分别对同一场景的多幅不同曝光图像分块,并对每个小块进行离散余弦变换。对提取相应位置的低频系数平均加权,获取图像近似部分的融合分量;对高频系数基于区域标准差确定权重系数,根据权重系数的大小获取细节部分的融合分量。最后,通过反离散余弦变换获得较好质量的多曝光融合图像。仿真实验表明,该算法在提取低频系数为25%,高频系数为75%时,展现的图像细节信息更加丰富。     

基于小波变换的路面破损图像降噪增强算法

针对传统的边缘提取算法对提取路面裂缝的不适应问题,提出了一种基于二维离散小波变换的路面裂纹图像降噪增强算法。该算法利用小波变换分解公路裂纹图像,自适应地处理不同层次的细节系数,增强裂纹信息。实验结果证明,面对复杂的图像背景纹理信息和大量噪声,算法能够成功锐化裂纹边缘信息,去除公路纹理噪声,有着较强的鲁棒性。     

基于小波变换的多聚焦图像自适应融合

图像融合是对来自同一场景的不同源图像的信息进行互补和合成,从而获得更为准确、更为全面、更为可靠的图像。采用了一种基于小波变换的自适应图像融合方法,首先将配准好的图像进行小波分解,并提取出细节分量和近似分量。其次,针对不同的频率域选择不同的融合规则,对低频系数选取区域均匀度和变化率相结合的融合规则,对高频系数选用区域方向对比度和区域匹配度相结合的自适应融合规则。最后通过小波逆变换得到融合图像。将其它融合算法和文中所提算法进行主观和客观的对比,结果表明,该算法是一种有效可行的图像融合算法。     

基于亮度小波变换和颜色改善的彩色图像去雾研究

针对户外薄雾条件下彩色图像对比度降低问题,提出了一种有效的图像去雾方法.先将图像亮度分量进行小波变换;然后对该分量图像的低频部分利用大气散射简化模型进行反锐化掩蔽高通滤波,亮度分量图像的高频部分采用非线性变换提升后,进而将处理过的低频、高频部分进行小波反变换重构出新的亮度图像,再利用HIS反变换出初级去雾图像;最后采用...     

基于小波变换方向信息的奇异值图像去噪研究

提出一种基于小波变换方向信息的奇异值图像分解去噪方法.由于图像噪声主要集中在小波域中的高频子图部分,且系数较小,可以利用奇异值分解后较大的奇异值和对应的特征向量重构出去噪图像,然而由于奇异值分解固有的行列方向性,对于高频对角线子图重构出的图像去噪效果不理想,故采取旋转至行列方向后再进行常用的奇异值滤波.低频子图仅作简单维纳滤波,最后将去噪后的低频和高频子图进行小波反变换重构出最终的去噪图像.实验结果表明,该方法在有效去噪的同时较好地保留了原有的高频细节信息.     

基于小波包的遥感图像融合新算法

提出了一种基于正交小波包的局域方差遥感图像融合新算法．该算法利用正交小波包变换,把图像分解成不同尺度的低频和高频部分,采用小波包局域窗口和子区域窗口统计,把小波包系数分类成边缘和非边缘系数．在融合处理中,把低频图像的小波包系数平均值作为融合后的低频系数,高频细节系数根据不同区域特征选择方法以及对应图像小波包系数的多窗口区域方差,来确定融合后高频小波包系数．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,有效且优于其他图像融合算法．     

一种自适应的小波方向对比度图像融合算法

对多传感器获得的图像序列进行图像融合,可以采用基于小波变换的多分辨率分析图像融合方法。首先,对两幅待融合图像进行小波变换,采用平均加权的方法来获得融合后的低频分量;采用一种基于图像对比度的自适应算法来获得融合后的高频分量。最后从最高分解层到最低分解层依次对得到的高频小波系数和该分解层的低频小波系数进行小波逆变换,最终得到具有原图像有用信息的融合图像。实验结果表明,这种算法可以很好地保留原图像的有用信息,是一种有效的图像融合算法.     

一种基于小波变换和直方图均衡的图像增强方法

提出了一种基于小波变换和直方图均衡相结合的图像增强方法,该方法既能增强图像对比度,又能有效抑制噪声,突出图像细节信息。实验分析表明：该方法可以使图像的清晰度得到很大改善。     

基于小波变换的遥感图像增强方法

为了有效地提高遥感图像的整体对比度,提出一种基于小波变换的图像增强方法来增强遥感图像。在小波域中通过对主要亮度层的图像进行分解,得到低亮度层、中亮度层、高亮度层,对三个亮度层分别进行对比度加强,将加强后的亮度层通过逆离散小波变换得到增强图像。实验结果表明,新方法提高了遥感图像的整体对比度,使图像的局部细节有更好的可视性。     

基于小波变换的扩散焊超声C图像融合算法

为了提高钛合金扩散焊界面微小缺陷的检测能力,提出一种基于小波变换的超声C图像融合算法,综合多幅图像中的缺陷信息,重构出包含微小缺陷在内的超声C图像。利用小波变换将待融合的超声C图像分解为低频和高频部分,并根据高、低频系数的不同特征,对高、低频系数进行差异化融合处理,对融合后的系数使用小波逆变换得到融合图像;为了提高图像对比度、丰富图像细节信息,使用改进的同态滤波器对融合图像进行增强,从而获得结果图像。制备不同类型的人工缺陷试样进行测试,并将所提算法和常规超声C扫描检测的缺陷长度进行定量比较。实验结果表明：对于线形微小缺陷和弱结合缺陷,使用所提算法重构的超声C图像的平均误差分别为2 mm和4.2 mm,常规超声C扫描的平均误差分别为8 mm和9.5 mm。所提算法重构的超声C图像能够更为准确地反映出缺陷信息。     

基于提升小波变换的多传感器图像融合算法研究

为了更好的进行图像融合,基于提升小波变换,采用了一种基于区域方差和方向对比度的融合规则相结合的图像融合新算法.该算法结合提升小波的优势,将图像进行多分辨率分解;针对变换后的低频分量和高频分量的不同特点,采用了不同的融合规则进行融合;最后通过提升小波逆变换得到融合图像.实验结果表明,该算法具有增强图像空间细节的能力,使得融合后的图像内容清晰,相比于传统小波变换法,具有更好的融合效果.     

基于小波变换的人脸表情特征提取

首先通过直方图均衡化处理增强图像的整体对比度,使图像的细节更加清晰.通过离散余弦变换来降低图像特征维数、去除冗余信息、保留重要的低频信息.然后利用Gabor小波变换,选取不同的尺度和方向对人脸表情特征进行提取.最后通过实验结果对比证明预处理后的图片在进行小波变换时能节省大量的运算时间.     

基于DCT及高频屏蔽窗的小波图像去噪方法

为精确估计噪声方差,提出一种基于离散余弦变换及高频屏蔽窗的去噪方法,利用离散余弦变换（DCT）对小波高频子带进行局部特征提取,在此基础上对由噪声引起的小波系数的幅值进行估计,从原小波系数中屏蔽噪声部分的幅值,并用小波逆变换对剔除噪声分量后的小波系数进行恢复,从而得到去噪后的图像．该方法避开了噪声方差的估计,并在去噪效果和保留细节方面要好于传统的阈值去噪方法．