小波技术在"数字图像处理"课程中的教学应用

设计了图像尺度模型去噪实验项目.图像噪声的存在严重影响了图像的处理效果,图像去噪有利于图像的后续处理.设计了图像尺度模型去噪实验.利用二维离散小波变换分解含有加性噪声的图像,并尺度模型应用于分解后的各个高频子带中,它能够按照能量分布将区域内的小波系数分成多个子区域.对各部分进行能量估计和多阈值估计,获得去噪最佳阈值,并...     

利用小波多尺度积实现裂纹缺陷的边缘检测

提出了一种基于小波变换的图像边缘检测方法,即利用边缘信息的多尺度特性和小波变换模极大值对图像进行多尺度分解,将相邻尺度的小波系数相乘增强边缘,再通过双阈值去噪的方法,得到最终的图像边缘。实验结果表明该方法很好地解决了噪声和坏边的问题,边缘连续的同时又保证了边缘定位的准确性,采用双阈值的算法明显优于采用单阈值,可以有效用于结构件的检测。     

基于自相似性和小波分析的图像增强与去噪

图像的去噪是图像质量提高问题中的一个重要分支。由于噪声的种类很多,性质和表现各不相同,因此很难确定哪一种去噪算法针对当前的图像是最好的。介绍了一种针对随机噪声、利用图像的自相似性的小波域的双边滤波去噪算法。算法不仅利用了小波的时频定位和多分辫率分解特性,也利用了图像的自相似性的特点。去噪的过程分为3个步骤。首先利用图像的自相似性将其分解成多个相似的、分辨率较低的子图,并重新组合(分解变换)。然后进行小波分解,并针对小波系数进行滤波。最后用调整后的小波系数进行逆小波变换和逆分解变换,生成去除噪声和增强后的结果图。实验结果证明,算法不仅能够有效地实现去噪,还使图像的边缘和对比度也得到了增强。     

基于Context模型的小波变换阈值自适应图像去噪

根据噪声和信号的小波系数在不同分解尺度、不同方向上高频系数的分布不同,结合Context模型,提出基于Context模型的小波变换阈值自适应图像去噪算法。该算法通过对不同尺度和方向的小波分解系数应用不同的阈值方法进行去噪。实验表明,方法能较好地去除图像噪声和保留图像边缘细节信息,在提高去噪图像信噪比值和改善视觉效果方面都表现出了良好的性能。     

改进双边滤波和阈值函数的图像增强算法

针对基于单尺度Retinex算法产生的图像泛灰现象和光晕现象、基于双边滤波Retinex算法的泛灰现象及噪声放大现象。提出基于小波变换的改进双边滤波的Retinex图像增强算法和改进阈值函数去噪算法。该方法对图像进行小波分解,获得图像的低频和高频系数;采用改进双边滤波的Retinex算法对图像低频系数进行处理,采用改进阈值函数对高频系数进行处理;采用离散小波反变换得到增强后的重构图像;对重构图像进行分段性线性变换,增强图像对比度。实验结果表明,该方法避免了图像泛灰和光晕现象,并有效去除了噪声,细节丰富,对比度强,为图像后续处理奠定基础。     

基于小波阈值的图像增强算法

本文针对传统的图像增强算法中存在的一些问题,如增强噪声、丢失细节、对比度差等.提出了一种基于小波变换的图像增强算法.图像经过多尺度小波分解后,得到不同尺度的小波系数,然后根据噪声在不同尺度的分布情况和小波系数的特点,对不同尺度的小波系数采用不同的小波阈值增强算法,最后进行小波重构,即可得到增强后的图像.经过仿真实验证明该方法可以有效地增强图像的细节信息,保持图像的边缘特征.改善图像的视觉效果.     

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。     

一种基于小波包变换的图像去噪算法

根据信号和噪声的小波系数在不同分解尺度上的分布不同,结合模糊理论和小波包分解,提出一种消除图像噪声的算法——模糊小波包去噪算法。该算法对小波包解后的高频系数,不同方向的系数采用不同的滤波方法。实验证明,与软阈值去噪算法和小波包阈值去噪算法相比,该算法能更有效地去除噪声和保持图像边缘细节。     

基于曲波变换和小波变换的图像去噪算法

针对应用曲波变换进行图像处理过程中所产生的伪影现象,提出一种基于快速离散曲波变换和小波变换的联合去噪算法。对噪声图片分别采用非抽样小波变换和快速离散曲波变换进行去噪,并对经过快速离散曲波变换去噪后的图像进行四叉树分解,根据分解结果对图像进行重构得到最终融合图像。实验结果表明,联合去噪算法对图像的边缘和均匀区域都有较好的去噪效果,能够有效抑制伪影,具有较高的峰值信噪比。     

基于小波阈值和全变分模型的图像去噪

针对小波阈值函数去噪不彻底并且造成图像边缘模糊的问题,提出一种自适应小波阈值和全变分模型相结合的去噪方法。利用小波变换的时频域特性将含噪图像分解得到各维度小波系数,对低频小波系数利用全变分模型去噪,对于高频系数根据不同分解尺度选择不同的最佳阈值去噪,克服了统一阈值的不足,增强了算法的自适应性。理论分析和仿真实验结果表明,所提方法兼顾了小波变换和全变分模型的去噪优点,在有效去除噪声的同时更完整地保留了图像的边缘和细节信息,有较高的结构相似度和峰值信噪比。     

彩色图像去雾清晰化研究

为了解决雾霾天气的影响下成像设备采集的图像容易出现的降质及色彩失真问题, 并从有雾图像中增强其细节信息, 提高原图像的对比度和清晰度. 将彩色图像RGB通道分别做相应的图像增强算法处理, 全局直方图均衡化把整体的灰度直方图进行均匀分布的处理, 小波变换算法对彩色图像进行多层次分解, 多尺度Retinex算法通过高斯函数做卷积运算对图像做多尺度变换. 实验结果表明, 全局直方图均衡化、小波变换算法和多尺度Retinex算法都能增强雾天图像的景物信息, 有对应于各自的优势和不足. 相比较这3种算法而言, 多尺度Retinex算法得到的去雾图像亮度增强、细节信息突出、失真度小, 能更好地进行去雾增强.     

基于非下采样Shearlet变换与模糊对比度的合成孔径雷达图像增强

针对合成孔径雷达（SAR）图像在成像和传输过程中引入噪声和干扰从而导致图像清晰度下降、细节丢失等问题,提出了一种非下采样Shearlet变换（NSST）与模糊对比度的SAR图像增强算法。首先,原始图像经NSST分解成一个低频分量和若干个高频分量;然后对低频分量进行线性增强以提高整体对比度,对高频分量采用阈值法进行增强以去除图像中的噪声;接着对处理后的两部分分量进行NSST反变换得到重构图像;最后采用模糊对比度算法对重构图像进行增强,提高图像细节信息和层次感,得到增强后的图像。对40幅图像的实验结果表明,与直方图均衡化、多尺度Retinex增强算法、基于Shearlet变换和多尺度Retinex的遥感图像增强算法、基于剪切波域改进Gamma校正的医学图像增强算法相比,该算法的图像峰值信噪比至少提升了22.9%,均方根误差至少降低了36.2%,能明显提升图像的清晰度,使图像的纹理信息更加清晰。     

结合聚合通道和复频域特征的防震锤检测算法

为了解决目前输电线路防震锤的检测采用数字图像处理的方法时,受到复杂背景的影响,导致防震锤检测精度偏低的问题,提出一种结合多尺度聚合通道特征(ACF)和复频域特征在图像复杂背景下防震锤的检测算法。首先,引入聚合通道特征,分别提取图像颜色特征、梯度幅值和梯度方向直方图特征金字塔,构建多尺度ACF;同时,使用多方向对偶树复小波变换(M-DTCWT)对图像进行多尺度多方向复频域变换,在分解得到的低频子带图像中提取图像的形状特征和纹理特征;然后,使用Relief-F算法将得到的ACF特征和复频域特征进行加权融合;最后,采用Adaboost分类器和非极大值抑制算法(NMS)实现图像中防震锤的检测。实验结果表明,该算法与传统提取图像的单特征识别方法相比,提高了在复杂背景下对防震锤检测的精度。     

能量回归尺度空间滤波法在图像去噪中的应用

如何有效地增强图像边缘信息,消除图像的噪声是图像处理和计算机视觉研究中的基本问题。利用多尺度二进小波变换,对2维噪声图像进行了研究,提出了能量回归尺度空间滤波方法。利用一些图像进行了数值实验,实验结果表明,能量回归尺度空间滤波法可以较好地保留图像边缘特征,较多地去除噪声。与典型的小波萎缩去噪方法：“硬阈值”滤波法、“软阈值”滤波法相比较,能量回归滤波算法的峰值信噪比（PSNR）提高了2~3dB,从而证实了能量回归尺度空间滤波方法具有良好的去噪性能。     

基于形态滤波的小波融合图像增强算法

研究图像优化问题。针对目前常用的空域或频域图像存在各种噪声干扰降低了图像的清晰度,为了在降低图像噪声,保护图像细节和边缘信息,提出一种形态滤波的小波融合图像增强算法MWF。首先分别采用巴特沃斯低通滤波和形态学高帽处理对含噪图像进行滤波,得到两幅过滤的图像,再将这两幅图像分别进行离散小波变换,然后利用变换结果在小波域内依据融合规则进行融合,最后对融合结果进行反变换得到清晰的图像。得到的图像是通过空域滤波和频域增强方法的结合,综合了两种方法各自的优点,仿真结果表明,MWF算法对混合噪声干扰有较好的抑制作用,并实现了图像增强的效果,为图像优化提供了依据。     

一种新的多聚焦图像融合算法

提出了一种基于小波-Contourlet变换的多聚焦图像融合算法;该算法首先采用小波-Contourlet变换对源图像进行多尺度分解,得到高频和低频图像;接着根据高、低频分量各自的区域特性,采用不同的融合规则进行处理,得到小波-Contourlet变换域的融合系数,最后通过反变换得到融合图像;采用信息熵、标准差和互信息3个评价标准,将该算法和传统的小波算法和Contourlet算法的融合结果进行了比较;实验结果表明,该算法获得的评价指标都优于其它算法,且融合图像较好地从源图像中提取了有用信息,提高了融合质量.     

一种基于静态小波变换的图像融合算法

给出了一种基于静态小波多尺度边缘检测的图像融合算法,是一种适用于微光和红外图像融合的多分辨率方法。该方法选择á trous多孔算法为基础,并选取不同尺度参数的LOG算子作边缘检测,利用了图像的多尺度边缘信息确定图像的边缘位置进行融合。在小波域中,对高频信息依据边缘检测的边缘点进行融合,对低频信息利用取加权法进行融合,再进行小波逆变换重构融合图像。通过红外和微光图像的融合实验结果表明,该方法能有效地突出边缘细节,提高图像分辨效果和人眼对场景目标的发现和识别概率。     

基于小波变换的航海雷达图像噪声抑制方法

为了有效抑制海浪图像中的干扰噪声,提出了一种基于小波变换的海浪图像噪声抑制算法。首先,利用小波变换检测出图像边缘获取噪声点的潜在位置;其次,根据海浪图像的直方图分布特性确定阈值,利用该阈值对海面回波信号和噪声进行分离;最后,根据海面回波信号具有形似性的特点,利用噪声邻域内的信号点对已检测出的噪声点进行属性值插值,从而达到滤除噪声的目的。为验证该算法的效果,将本算法与小波域的硬阈值和软阈值去噪算法进行了比较,对比结果显示,算法在海浪图像噪声抑制应用中优于传统算法,可以得到较好的海面回波信号,并且能够满足下一步的海浪分析要求。     

基于异质性预矫正的小波域SAR图像去斑*

目的 真实SAR图像在去斑过程中易存在过平滑现象,针对此问题提出了一种对图像预矫正后再进行去斑处理的方法。方法 对含斑图像做小波分解,以多尺度局部变差系数作为异质性测度,提出一种基于该测度的自适应预矫正函数,将小波子带划分为四类区域,对各区域采取不同的预处理策略;在此基础上对预矫正图像采用常规的小波域去斑算法。结果 对真实SAR图像去斑的实验表明,该方法在抑制相干斑和保持图像细节方面均有较显著的改善。结论 这种预矫正过程简单、实用,并且可以和多种常规的去斑算法相结合,具有一定的推广和应用价值。     

结合NSCT和图像形态学的路面裂缝检测

路面图像的复杂性及裂缝信息的弱信号性导致对路面裂缝进行检测非常困难,为此提出一种基于非下采样contourlet变换(NSCT)和图像形态学的路面裂缝检测算法.首先对图像进行NSCT得到不同尺度、不同方向上的变换系数,在NSCT域中根据变换系数自适应地确定阈值,并应用广义非线性增益函数来增强较弱细节的局部对比度;然后对增强处理后的变换系数进行反变换;最后用图像形态学方法和中值滤波实现裂缝检测及孤立噪声点去除.通过对实际的高速路面图像测试表明,与直方图增强、小波变换及contourlet变换相比,该算法能更有效地增强弱对比度的细小裂缝,克服了常规算法易受离散噪声点以及光照条件等干扰的问题,具有较强的鲁棒性且高效实用.