基于NSCT的反锐化掩模遥感图像增强方法

针对传统图像增强过程中产生的伪吉布斯现象,清晰度差和对比度低的问题,提出一种基于非F采样Contourlet变换（NonsubsampledContourletTransform,NSCT）的反锐化掩模图像增强算法。该算法一方面利用NSCT变换的平移不变性,抑制传统增强算法中产生伪吉布斯现象,另一方面用反锐化掩膜算法来处理图像,提高增强后图像的清晰度和对比度。实验仿真结果表明,本文提出的方法与Conlourlet增强方法,反锐化掩模增强方法相比能够有效提高图像的清晰度,对比度和抑制伪吉布斯现象,图像视觉效果有明显改善。     

图像小波增强算法在无损检测中的应用比较

射线数字成像是当前射线检测、诊断技术发展的重要方向,图像降噪增强是提高无损检测图像质量的关键.将基于小波变换的图像增强技术引入到射线无损检测(NDT)图像处理中,介绍了基于小波变换的反锐化掩模法、子带增强法和自适应增强法3种增强算法,并分别用这3种算法对射线NDT图像进行增强处理.通过对实验结果数据进行对比分析得出,相比另外两种小波增强算法,自适应小波增强算法处理后的图像更贴近实际,能够更好地在抑制图像噪声的同时增强图像细节.     

一种基于小波的钼靶X线图像增强方法

乳腺钼靶X线摄影是临床筛检早期乳腺癌的首选方法。通过对含有微钙化点钼靶X线图像的灰度分布特点进行分析,提出基于小波的反锐化掩模算法实现对钼靶X线图像的增强。实验结果表明,这种方法可以在抑制噪声的同时对图像进行有效增强,提高图像的对比度,特别是使钙化点的显示更为明显。     

基于差分曲率的自适应反锐化增强算法

为了解决传统反锐化掩膜增强引起的过增强和放大噪声等问题,对增强因子进行了深入的研究,提出了自适应调节锐化程度的新的反锐化掩膜算法。该算法将差分曲率和人眼视觉特性引入到增强因子中。实验结果和比较证明,经过新算法处理后的图像细节丰富,信噪比高。     

基于反锐化掩模法的图像增强研究

图像增强是图像处理中的重要内容 ,目前人们已经提出了多种图像增强的方法 ,但是这些方法会放大噪声或引入新的噪声。利用反锐化掩模法对图像增强进行了研究 ,由于小波分析的多尺度特性 ,该方法可以有效地消除噪声 ,并且具有良好的增强效果     

基于反锐化掩模法的图像增强研究

图像增强是图像处理中的重要内容,目前人们已经提出了多种图像增强的方法,但是这些方法会放大噪声或引入新的噪声.利用反锐化掩模法对图像增强进行了研究,由于小波分析的多尺度特性,该方法可以有效地消除噪声,并且具有良好的增强效果.     

基于反锐化掩模法的图像增强研究

图像增强是图像处理中的重要内容,目前人们已经提出了多种图像增强的方法,但是这些方法会放大噪声或引入新的噪声.利用反锐化掩模法对图像增强进行了研究,由于小波分析的多尺度特性,该方法可以有效地消除噪声,并且具有良好的增强效果.     

基于非锐化掩模的实时自适应图像增强算法

针对传统的非锐化掩模算法的局限性,依据图像中各像素点及以其为中心的若干相邻像素点的均方差值,提出了自适应图像增强算法的原理,并分析其硬件实现方法,然后给出了该算法与其它算法应用于图像增强的对比结果,最后在FPGA（field programmable gate array）实验板上进行验证.实验结果表明,此算法有效的增强图像的细节区域,防止图像边缘区域出现过冲现象,抑制图像平坦区域的噪声放大.因此,该算法取得了良好的视觉效果,硬件实现简单,适合于实时条件下图像的增强.     

基于边缘检测的图像锐化算法

图像锐化是一种补偿轮廓、突出边缘信息以使图像更为清晰的处理方法。锐化的目标实质上是要增强原始图像的高频成分。常规的锐化算法对整幅图像进行高频增强,结果呈现明显噪声。为此,在对锐化原理进行深入研究的基础上,提出了先用边缘检测算法检出边缘,然后根据检出的边缘对图像进行高频增强的方法。实验结果表明,该方法有效地解决了图像锐化后的噪声问题。     

一种组合边缘检测算法实现红外图像增强

红外图像增强技术是夜视技术领域一项重要内容.由于红外热成像系统的输出图像成像模糊且非均匀性明显,研究针对其图像的锐化增强算法具有重大意义.重点探讨了图像增强中的锐化算法,深入分析了现有算法在实现过程中锐化增强与大量引入噪声的矛盾根源,在大量仿真实验基础上,提出了一种有效的改进算法.改进算法取得了良好的实验效果,减弱了图像非均匀性对锐化的影响,较好的解决了图像锐化增强与噪声加重这对矛盾.     

基于广义线性系统和非锐化掩膜的图像增强算法

为了解决非锐化掩膜图像增强方法的噪声增益、光晕现象和数据溢出的问题,提出一种基于广义线性系统和非锐化掩膜的图像增强算法。算法首先采用双边滤波器和广义线性减法对图像进行处理,获取图像细节层和基础层;然后对图像细节层和基础层分别进行自适应增益处理和对比度增强处理;最后采用广义线性加法将两者相加,实现图像的增强。并对3种不同类型的图像进行测试,结果表明:本文提出的算法很好地抑制了噪声干扰和光晕现象,增强了图像的对比度和细节,视觉效果良好,信息熵分别提高了10.9012%、16.0143%和9.1878%。表明了提出的基于广义线性系统和非锐化掩膜图像增强算法的合理有效性。     

一种改进的自适应非锐化掩模图像增强算法

提出了一种改进的自适应非锐化掩膜(UM)图像增强算法.它首先利用拉普拉斯算子值检测局部细节特征。然后依据定义的期望增强特性获取增强控制参数,最后利用上述步骤得到的参数计算增强后图像值.实验结果表明,本算法极大地提高了增强算法的稳定性,减少了计算量.使用本算法对标准测试集中的若干图像进行了增强,从增强结果的图像质量评价指标DV、BV值不定期捍,该算法部优于原有的算法.     

Image enhancement via adaptive unsharp masking

This paper presents a new method for unsharp masking for contrast enhancement of images. The approach employs an adaptive filter that controls the contribution of the sharpening path in such a way that contrast enhancement occurs in high detail areas and little or no image sharpening occurs in smooth areas     

Automatic anatomically selective image enhancement in digital chest radiography

A technique for automatic anatomically selective enhancement of digital chest radiographs is developed. Anatomically selective enhancement is motivated by the desire to simultaneously meet the different enhancement requirements of the lung field and the mediastinum. A recent peak detection algorithm and a set of rules are applied to the image histogram to determine automatically a gray-level threshold between the lung field and mediastinum. The gray-level threshold facilitates anatomically selective gray-scale modification and/or unsharp masking. Further, in an attempt to suppress possible white-band or black-band artifacts due to unsharp masking at sharp edges, local contrast adaptively is incorporated into anatomically selective unsharp masking by designing an anatomy-selective emphasis parameter which varies asymmetrically with positive and negative values of the local image contrast     

An adaptive image sharpening scheme based on local intensity variations

Unsharp masking-based approaches are widely used in consumer electronics and printing technology for increasing the sharpness of the image. In the classical approaches, such improvements are achieved by adding the high-frequency details to the underlying image without considering any noise present in the image. As a result, such approaches yield visually poor results on noise-deteriorated images. In this paper, we propose an adaptive unsharp masking scheme which can tolerate the noise content, i.e., proposed algorithm will perform sharpening operation on the required regions thereby reducing the visual effects of the noise. Experimentally, it has been found out that the proposed approach yields better visual results than classical unsharp masking approach in the presence of noise.     

非均匀光照图像双分量增强Retinex算法

图像增强是“数字图像处理”课程的一项重要教学内容。针对图像增强方法的实践训练，给出一个综合实验-非均匀光照图像双分量增强Retinex算法。该实验整合了灰度变换、直方图均衡、图像平滑、去锐化掩模、高频增强等图像增强方法，并引入用于图像质量评价的量化指标等内容，图像增强效果好，对于图像增强的实践教学具有较好的参考价值。     

Adaptive bilateral filter for sharpness enhancement and noise removal.

In this paper, we present the adaptive bilateral filter (ABF) for sharpness enhancement and noise removal. The ABF sharpens an image by increasing the slope of the edges without producing overshoot or undershoot. It is an approach to sharpness enhancement that is fundamentally different from the unsharp mask (USM). This new approach to slope restoration also differs significantly from previous slope restoration algorithms in that the ABF does not involve detection of edges or their orientation, or extraction of edge profiles. In the ABF, the edge slope is enhanced by transforming the histogram via a range filter with adaptive offset and width. The ABF is able to smooth the noise, while enhancing edges and textures in the image. The parameters of the ABF are optimized with a training procedure. ABF restored images are significantly sharper than those restored by the bilateral filter. Compared with an USM based sharpening method-the optimal unsharp mask (OUM), ABF restored edges are as sharp as those rendered by the OUM, but without the halo artifacts that appear in the OUM restored image. In terms of noise removal, ABF also outperforms the bilateral filter and the OUM. We demonstrate that ABF works well for both natural images and text images.     

基于小波变换的CR图像增强

数字X光影像仪（CR）图像对比度低、细节不清晰,要对其进行增强处理方能满足临床诊断的需要,而目前通用的CR图像增强算法对比度和噪声增强过度、丢失细节,为此提出了基于小波变换的CR图像增强法。该算法将CR图像进行小波变换分解,针对各子图像的特征,对高频细节部分采用非线性函数进行对比度增强,提高细节清晰度;对低频平滑部分采用反锐化掩模（UM）的方法对图像进行增强,以保证CR图像整体增强效果,最后进行小波变换得到增强后的CR图像。实验证明,该算法处理后的CR图像细节丰富,细节方差（DV）比通用增强算法提高了将近3倍,而且信噪比高,细节方差和背景方差（BV）之比（DV/BV）约为其他算法的3．5倍,具有良好的视觉效果。