基于视觉传达的低亮度激光图像细节信息增强方法

针对激光图像亮度较低,导致内部细节信息缺失,图像应用性下降等问题,提出基于视觉传达的低亮度激光图像细节信息增强方法。从视觉传达角度出发将低照度激光图像转换为Lab色彩模式,采用Curvelet变换将激光图像分解为高频分量与低频分量,利用细节增强网络模型增强高频分量,通过基于照度图估计的微光图像增强方法增强低频分量,融合增强后的高、低频分量,实验结果显示,采用该方法对所选图像进行细节信息增强处理后,各图像的信息熵均高于8.35以上,而对比度与相关系数则分别在0.846和0.815以上,增强后的图像更符合人眼视觉特性。     

人眼视觉拟合函数的小波系数插值图像增强

空域中直方图增强图像容易产生灰度级断层,导致对比度过分增强、图像局部过亮、细节不清晰等问题。提出一种人眼视觉拟合函数的小波系数插值均衡图像增强方法。算法通过二代小波整数变换,对待增强图像作单层小波分解;在小波低频系数中进行均衡、插值、再均衡计算;最后,将新的低频系数重构图像并归一化,通过人眼视觉拟合函数输出图像。实验结果表明,本方法有效解决了增强图像亮度过亮造成细节不清或丢失、灰度层次感不强的问题。本算法增强的图像视觉效果柔和,更适合图像后续处理与分析。     

基于人眼视觉特性的ROI渐进编码算法

一般基于感兴趣区域(ROI)的图像编码算法都没有充分考虑人眼视觉特性,在分析了JPEG2000中感兴趣区域编码的优缺点后,利用小波变换的特点并结合人眼视觉的掩蔽效应,提出了一种改进的ROI图像编码算法。首先将图像小波域中的所有低频系数进行移位处理,而对于小波域中的高频系数,仅对其属于ROI区域的系数进行移位处理,再利用等级树集合分割(SPIHT)算法进行编码传输。仿真实验证明了该算法比原有算法的图像主观质量更好。     

基于小波变换和直方图均衡的红外图像增强

基于红外图像低分辨率、低对比度、视觉特性差的特性,以及传统的利用直方图均衡化进行红外图像增强的方法会丢失图像的细节信息、增强红外图像的噪声的特性,将小波变换的多尺度、多分辨率的特点和直方图均衡化的方法相结合,提出一种更好的实现红外图像增强的算法。并将该算法在Matlab上进行了仿真验证。     

基于小波分频与直方图均衡的图像增强算法

传统直方图均衡化算法在增强图像的同时也丢失了图像细节、增强了图像的噪声信号,导致信息熵下降。结合小波变换多尺度、多分辨率的特点和直方图均衡的优势,提出一种基于小波分频和直方图均衡的高亮度图像增强算法。首先利用小波变换将图像分解为低频分量和高频分量,然后仅对低频分量做直方图均衡处理,再由均衡后的低频分量与各高频分量进行小波重构。实验结果表明,该算法对于亮度较高的灰度图像有较好的增强效果。     

红外夜视图像自适应增强系统设计

提出了一种高效的红外夜视图像增强系统.该系统主要由小波变换预处理、低频子带增强和高频子带增强三个处理流程组成.预处理过程将图像分解为低频主要信息和高频细节信息.根据红外夜视图像的特点,对低频信息进行自适应动态范围扩展,扩大了图像暗区主要内容的灰度层次.利用高频子带的方向性,对高频系数进行纹理保护高斯滤波,并对滤波后的系数进行噪声抑制边缘增强.实验结果表明,本文算法不仅在主观视觉方面的表现超越了直方图均衡化算法,且离散信息熵提高了48％ ～ 58％,噪声指数仅为直方图均衡化算法的5％,满足人眼观察和智能图像分析检测的要求.     

基于人眼视觉灰度识别特性的图像动态范围小波变换处理方法

常用的图像传感器由于电荷耦合器(CCD)和模数转换器(ADC)的限制,动态范围大约只有60dB,与人眼的动态范围(110dB)不符,导致获取的图像丢失部分细节信息。针对这一问题,提出了基于小波变换的图像动态范围扩展技术。通过对同一场景进行多次拍摄,获得不同曝光时间的源图像,对源图像运用多尺度小波变换分解为高频部分和低频部分。将基于人眼的视觉灰度识别特性的方法应用于低频部分的处理中,运用不同的权重值进行处理,尽可能保留图像的背景信息。对高频部分运用局部最大方差准则进行融合,尽量保留图像的边缘特性。将融合后的高频部分和低频部分利用逆小波变换进行重构。试验结果表明,重构后的图像与适度曝光的图像相比,在高亮度区域和低亮度区域的细节信息得到了复原,动态范围得到了显著的扩展。     

基于小波重构和灰度分段的红外图像放大增强

传统的内插算法在放大红外图像时都存在着一定的缺陷,提出了一种基于小波重构和灰度分段变换的图像放大新算法.该算法先对原始图像进行小波变换获得高频系数,运用牛顿插值算法放大高频系数作为放大图像的高频成份,再将原始图像作为低频成份,进行小波重构,可得放大图像.为了增强放大图像,将图像按双灰度闽值分割成对应目标的灰度值高段、对应背景的灰度值低段和对应过渡区域的灰度值中段等3个部分,对各部分采用不同的线性变换,获得最佳的视觉效果.实验证明该方法在图像细节方面具有很好的放大效果.     

结合人眼视觉特性的红外图像增强新技术

红外图像具有边缘模糊和对比度较低的缺点,不适合人眼观察,所以要对其进行增强.但是现有的增强方法没有考虑人眼的视觉特性,视觉效果不好.提出基于小波的多分辨分析方法和Retinex图像增强算法相结合的红外图像增强方法,对红外图像不同的高频细节进行有针对性增强,同时用Retinex算法把人眼的视觉特性融入其中,能够使得增强的红外图像光照均匀,亮度适中,更适合人眼观察.算法既增强了图像的细节,又增强了图像的对比度,实验证明:该方法解决了红外图像低对比度和细节模糊的问题.     

尺度变化的Retinex红外图像增强

经典Retinex模型增强算法采用固定尺度高斯核平滑滤波,导致单一尺度Retinex无法进行全局有效增强,而多尺度Retinex权重系数选取困难,二者均不能满足视觉要求。针对以上问题,基于人眼视觉掩盖效应提出一种尺度变化高斯核平滑滤波的Retinex算法。首先利用人眼视觉掩盖效应的屏蔽函数检测像素邻域空间细节,依据像素区域细节信息丰富程度设计出尺度变化的高斯平滑滤波器,实现照度估计,最后对尺度变化高斯平滑滤波器实现提出实用方法。实验证明本文算法有效提高红外图像对比度,增强细节信息,在主观视觉效果和客观评价指标上整体优于修正对比度限制直方图均衡算法、单尺度Retinex、多尺度Retinex及平稳小波和Retinex增强算法。     

一种基于非采样Contourlet变换红外图像与可见光图像融合算法

针对同一场景红外图像与可见光图像的融合问题,提出了一种基于非采样Contourlet变换(Nonsubsampled Contourlet Transform,NSCT)图像融合算法.算法首先采用NSCT对源图像进行多尺度、多方向分解,得到低频子带系数和各带通方向子带系数.然后,针对低频子带系数的选择,提出了一种基于红外图像与可见光图像物理特征的"加权平均"系数选择方案;针对各带通方向子带系数的选择,结合人眼视觉特性,提出了一种基于区域能量匹配的系数选择方案,得到融合图像的NSCT系数.最后经过NSCT逆变换得到融合图像.实验结果表明该算法可获得较理想的融合图像,其融合效果优于传统的基于离散小波变换以及离散小波框架变换的图像融合算法.     

视觉传达技术的低分辨激光图像重建研究

研究视觉传达技术的低分辨激光图像重建方法,解决重建图像边缘不清晰,视觉效果不佳等问题。利用灵敏度差分算法归类划分低分辨率激光图像,确保图像信息具有有效性,保证计算转换后数据的准确性,得到具有较高实质效果的低分辨率激光图像;将压缩感知理论用于超分别率重建技术重建改善实质效果的低分辨率激光图像,利用两步迭代收缩算法结合全变分正则化方法,保证重建后的激光图像具有良好的边缘效果。实验证明,重建后的激光图像边缘清晰,峰值信噪比最高可达34 dB、结构质量相似度与归一化互相性均可达到99.6%以上,具有良好的视觉传达效果。     

基于尺度间和尺度内相关性的平稳小波红外图像去噪

提出了一种基于尺度间和尺度内相关性的平稳小波变换红外图像去噪方法.首先对红外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,利用不同尺度小波系数形成的系数向量,通过线性最小均方误差估计小波系数,获得各个高频子带的估计系数,再利用小波系数尺度内的邻域相关性对小波系数进行修正,然后通过小波反变换得到去噪图像.仿真结果表明,考虑尺度间和尺度内相关性的平稳小波红外图像去噪算法能有效地去除红外图像噪声,在信噪比和视觉质量上要优于单纯考虑尺度间相关性的去噪方法.     

基于小波分解的融合图像评价方法

本文提出了一种新的基于小波多尺度分解的图像质量评价方法,其基本思想是首先对源图像和融合图像进行小波多尺度分解;其次,在小波域计算源图像与融合图像的相关性;最后根据小波系数的重要性进行加权得出评价指数。仿真表明:该方法的算法简单,计算量小,评价结果符合人眼的视觉特性,可用于多传感器图像融合效果评价。     

基于尺度间和尺度内相关陛的平稳小波红外图像去噪

提出了一种基于尺度间和尺度内相关性的平稳小波变换红外图像去噪方法。首先对红外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,利用不同尺度小波系数形成的系数向量,通过线性最小均方误差估计小波系数,获得各个高频子带的估计系数,再利用小波系数尺度内的邻域相关性对小波系数进行修正,然后通过小波反变换得到去噪图像。仿真结果表明,考虑尺度间和尺度内相关性的平稳小波红外图像去噪算法能有效地去除红外图像噪声,在信噪比和视觉质量上要优于单纯考虑尺度间相关性的去噪方法。     

基于伪中值滤波和小波变换的红外图像增强方法

针对红外图像对比度差、信噪比低的特点,提出一种基于伪中值滤波和小波变换的红外弱小目标增强的算法。图像首先经过伪中值滤波滤除部分噪声,然后进行小波变换得到小波系数,对小于阈值的系数利用基于临近系数保留法进行滤波,防止小目标误判为噪声被滤除,对于大于阈值的系数进行非线性增强,最后重构得到去噪后的增强图像。实验结果表明,本文算法有效地滤除了噪声,提高了图像的对比度,更符合人眼视觉特性。     

基于小波变换与模糊理论的医学超声图像增强与去噪方法研究

医学超声图像的增强与去噪一直是医学图像处理的重要课题,针对传统超声图像增强处理算法的不足,本文提出一种基于小波分析理论和模糊理论的超声图像增强与去噪算法,首先对医学超声图像进行对数变换,将乘性噪声转换成加性噪声;然后再对超声图像进行多尺度小波变换,得到图像的高频和低频小波系数;再对低频系数进行模糊域增强,对高频系数进行小波软阈值去噪;最后通过小波重构得到增强后的图像。实验证明,该算法能有效增强超声图像的视觉效果,去除噪声,具有一定的应用价值和意义。     

基于小波变换的图像融合算法的实现

提出了一种基于小波变换的融合算法,算法针对小波变换后的低频分量和高频分量的不同特点,选用了不同的准则进行融合,通过小波逆变换得到融合图像.实验结果表明,这种算法充分考虑了小波变换的特点和人眼视觉特性,具有增强图像的空间细节能力,融合效果良好.     

基于改进IBP算法的图像超分辨率重建

针对传统IBP算法存在对图像细节获取能力差,重建图像清晰度不高的问题,提出一种改进方法.该方法利用小波包图像融合技术,获取所有低分辨率图像高频绝对值最大的值,与均值低频进行小波包重建,得到重建低分辨率图像.以该图像为参考图像,进行迭代反投影,获得高分辨率图像.改进后的算法增加了迭代反投影方法对高频信息的获取能力,提高了...     

基于二代curvelet与wavelet变换的自适应图像融合

针对同一场景红外图像与可见光图像的融合问题,提出了一种基于二代curvelet与wavelet变换的自适应图像融合算法。首先对源图像进行快速离散curvelet变换,得到不同尺度与方向下的粗尺度系数和细尺度系数;根据红外图像与可见光图像的不同物理特性以及人类视觉系统特性,对不同尺度与方向下的粗尺度系数和细尺度系数采用基于离散小波变换的图像融合方法,在小波域中,对低频系数采用基于红外图像与可见光图像的不同物理特性的自适应融合规则,对高频系数采用基于邻域方向对比度与局部区域匹配度相结合的自适应融合规则,然后进行小波逆变换得到融合的curvelet系数;最后,进行快速离散curvelet逆变换得到融合图像。实验结果表明,该方法能够更加有效、准确地提取图像中的特征,是一种有效可行的图像融合算法。