小波分析在SARS胸片图像增强中的应用

通过对非典型肺炎的胸部X线图像的特征分析,提出采用小波分析方法,对图像做小波变换,提取各层小波分解系数,利用阈值法对各系数作去噪预处理,然后再利用阈值法对各系数做衰减或增强处理,最后重构出清晰图像.结果显示,用此方法处理的非典型肺炎胸部X线图像,效果较好,既增强了图像对比度,又不损失细节信息,为医生鉴别诊断疾病提供了清晰影像依据.     

基于提升格式小波变换和Snake模型的红外目标边缘增强与分割算法

针对红外图像对比度差、信噪比低的特点,将提升格式小波变换和Snake模型相结合,提出了一种红外图像边缘增强与分割算法。该算法先采用提升格式小波变换对原图像进行增强,以提升图像中目标与背景的对比度;而后再利用Snake模型对目标的边缘进行提取,最终实现目标的边缘分割。实验结果验证了这种算法可有效地对红外图像的对比度进行提升,从而提取出更为精确的目标边缘。     

基于小波变换的自适应阈值图像去噪技术研究

主要研究了基于小波变换的图像去噪技术在图像去噪过程中的阈值选择问题,对图像信号进行小波变换得到小波系数,选择合适阈值处理小波系数,再将处理后的小波系数经过小波逆变换得到重构后的去噪图像。仿真实验通过对基于小波变换的软阈值去噪、硬阈值去噪以及自适应阈值去噪方法对图像进行处理,达到对图像的降噪效果。仿真实验证明,基于小波变换的自适应阈值去噪技术去噪结果最优,能够清楚地保留图像中的细节,无锐化、过度平滑的现象,且它的信噪比、峰值信噪比的值为最大、均方误差的值最小,从而提升了图像的整体质量。     

小波分析在SARS胸片图像增强中的应用

通过对非典型肺炎的胸部X线图像的特征分析，提出采用小波分析方法，对图像做小波变换，提取各层小波分解系数，利用阈值法对各系数作去噪预处理，然后再利用阈值法对各系数做衰减或增强处理，最后重构出清晰图像．结果显示，用此方法处理的非典型肺炎胸部X线图像，效果较好，既增强了图像对比度，又不损失细节信息，为医生鉴别诊断疾病提供了清晰影像依据．     

基于多小波阈值收缩与子带增强的图像去噪

为保证在图像去噪的同时,尽量保留图像的边缘特征,提出一种新的基于多小波阈值收缩与子带增强相结合的图像去噪方法.该方法以多小波变换为基础,将变换后的多小波系数分为噪声相关系数和边缘相关系数,对变换系数进行软阈值多小波收缩消去噪声相关系数;阈值收缩是非线性变换,对图像边缘有平滑作用,因此,该方法提出在阈值收缩后进行线性的子带增强,增强边缘相关系数.实验表明:与单一的阈值收缩方法相比,该去噪方法不仅保留了图像的边缘特征,而且提高了去噪图像的峰值信噪比,优于普通的阈值收缩方法.     

基于形态学方法的红外小目标检测

为了降低复杂背景下红外小目标检测的虚警率,在分析目标特性的基础上,给出了一种高提升滤波与形态学Top-hat算子相结合的检测方法.该方法首先对红外图像进行高提升滤波,提高图像对比度;通过Top-hat变换滤除背景,利用伽马变换提高信噪比（SNR）,经阈值分割检测出可能的目标,然后通过对序列图像的处理最终确定目标,并形成稳定航迹.仿真结果表明：与单一的Top-hat变换相比,该方法能够更准确检测出信噪比不小于2的目标,且虚警率低.     

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。     

带钢表面缺陷图像的小波阈值降噪研究

以典型带钢表面缺陷图像为例,采用小波阂值降噪方法研究带钢表面缺陷图像的小波阈值降噪规律,并论述了带钢表面缺陷图像闽值的选择和小波基的选取。结果表明,图像经过小波变换后具有低熵性、多分辨率和选基灵活性等特点,使得小波闽值降噪提高了图像的信噪比、改善图像的质量,并且增强图像的清晰度。     

基于小波的同态滤波算法在ICT图像增强中的应用

针对ICT图像对比度低、边缘模糊、细节不清晰等问题,提出采用基于小波的同态滤波算法来对图像进行增强。同态滤波可以有效地减少亮度不均匀,并对感兴趣的景物进行有效增强。首光使用基于照明反射模型的同态滤波方法,介绍模型的原理、实现过程和特点,给出了适用的滤波模型和表达式。引入基于小波变换的同态滤波方法,采用高通滤波对小波变换系数进行处理,在保持图像总体原貌的基础上对图像局部对比度增强,效果显著。     

基于指数阈值的小波包变换图像去噪方法

小波包分析是一种比小波变换更加精细的分析方法,在对分解后的小波包系数进行软、硬阈值化处理时,易使重构后的图像产生马赛克现象,造成图像失真,为此提出一种基于指教阈值的小波包变换图像去噪方法.该方法采用小波包对含噪图像进行分解,然后利用指数降噪因子除小波包系数.实验表明,本算法去噪后的图像在峰值信噪比及主观视觉效果两方面均得到了明显改善.     

基于混沌粒子群优化的Contourlet域红外图像自适应增强

为进一步增强红外图像的对比度、提高清晰度并抑制噪声,提出了一种基于混沌粒子群优化(PSO)的Contourlet域红外图像自适应增强方法。首先对红外图像进行Contourlet变换,调整低通图像和细节图像在原始图像中的比例,并经灰度线性拉伸增强图像对比度;然后通过非线性增益函数调整含噪带通方向子带系数;利用兼顾对比度、清晰度和信噪比3个指标的定量综合评价函数作为混沌PSO的适应度,寻找基于Contourlet的空间域增强和带通方向子带系数调整的非线性增益函数所涉及的最优参数。大量实验结果表明:与近年提出的4种图像增强方法相比,该方法能使红外图像的对比度和清晰度提高,噪声降低,整体视觉效果更佳。     

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。     

平移不变与系数放大小波变换图像消噪方法

平移不变量小波变换在图像降噪中的应用,主要通过阈值方法来有效的降低图像的噪声,但它的结果中会出现诸如伪吉布斯现象之类的情况.为消除此类情况,将平移不变量小波变换引入到小波图像降噪中,并结合阈值方法进行消噪处理,同时在阈值处理前对分解后的高频与低频系数进行适当放大,从而形成平移不变量与系数放大法的有机结合.经仿真实验,证明这种方法比一般的图像消噪方法有很大改进,特别是图像的均方误差有很大的降低,提高了信噪比.     

平移不变与系数放大小波变换图像消噪方法

平移不变量小波变换在图像降噪中的应用，主要通过阈值方法来有效的降低图像的噪声，但它的结果中会出现诸如伪吉布斯现象之类的情况。为消除此类情况，将平移不变量小波变换引入到小波图像降噪中，并结合阈值方法进行消噪处理，同时在阈值处理前对分解后的高频与低频系数进行适当放大，从而形成平移不变量与系数放大法的有机结合。经仿真实验，证明这种方法比一般的图像消噪方法有很大改进，特别是图像的均方误差有很大的降低，提高了信噪比。     

基于图像边缘检测的小波去噪算法

针对传统小波去噪时图像边缘被破坏因而丢失有用细节信息的问题，提出了一种基于图像边缘检测的小波阈值去噪新方法，即先对边缘图像和非边缘图像进行小波分解，然后分别对其进行阈值处理，最后重构得到去噪图像．实验结果表明，这种方法与传统小波变换的全局阈值去噪方法相比，在去噪的同时有效地保留了图像边缘信息，图像信噪比有明显的提高．     

小波变换和自适应变换相结合的图像增强方法

对比度受限的自适应直方图均衡是一种提高图像的局部细节有效的算法(简称为自适应变换CLAHE)。针对它在应用过程中存在对比度和过度拉伸噪声增强问题,提出了一种有效的图像增强方法,命名为CLAHE离散小波变换,它结合了CLAHE与离散小波变换。首先,原始图像由离散小波变换分解为低频和高频部分。然后,分别使用CLAHE增强低频系数和对高频带小波系数进行滤波,以限制噪声增强。这是因为高频分量对应于细节信息,低频部分包含雾霾图象的大部分噪声。最后,通过采取新的系数小波逆变换重建图像。     

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。     

融合同态滤波和小波变换的图像去雾算法研究

针对雾天时图像退化严重,对比度低的问题,提出了一种改进算法。从时频分析的角度出发,将同态滤波算法中的傅立叶变换用快速小波变换代替,然后在变换域内用改进的滤波器对小波系数进行处理,从而达到增强雾天降质图像的目的。实验结果表明,改进算法能够有效校正雾天图像光照,保持图像原有信息不丢失,增强图像的对比度,使处理后的图像更具有可视性。     

一种基于高斯混合模型的红外图像自适应均衡和对比度增强算法

从红外图像的特性出发,分析了红外图像的直方图、噪声、分辨率及对比度等本质属性,在此基础上,针对红外图像信噪比高、对比度低的缺点,以高斯混合模型的参数设想和高斯分布的特定规律来模拟红外图像的像素分布和动态区间,通过对分割到高斯混合模型后的图像信息进行相应的变换,来实现对红外图像的自适应均衡和对比度增强处理。实验效果表明,图像亮度和对比度增强明显,并很好地保留和增强了图像细节,整幅图像的视觉效果得以显著改善,达到了图像增强的预期目的。     

基于3σ准则的小波阈值法在去除红外图像噪声中的应用

针对红外图像去噪领域中,传统小波阈值选取不当造成的图像模糊、峰值信噪比低等问题,提出采用以“3σ”准则确定小波阈值的方法。该方法以高斯噪声的统计特性为基础,若分解后的小波系数幅值大于3σ则保留,小于3σ则置零。将保留的小波系数采用小波逆变换重构,可得去噪后红外图像。去噪实验表明,该方法有效可行,与传统硬、软阈值法、SVD分解法相比,该方法还原红外图像效果更佳。