改进反锐化掩模的自适应图像增强算法

图像增强是图像预处理过程中的一个重要环节,传统的线性反锐化掩模是一种常用的图像增强算法,但它在增强图像的同时会放大图像噪声或使边缘部分产生过冲现象,导致图像质量下降.针对这一问题,提出了一种改进反锐化掩模技术的自适应图像增强算法,该算法通过使用正弦函数来自适应地控制邻域内不同像素的权重,使图像平坦区域和边缘部分进行不同程度的增强.实验结果表明该算法对图像边缘细节的增强有了明显的提升,同时也在一定程度上减弱了噪声的放大和边缘过冲现象,改善了图像整体质量.     

基于视觉特性的非锐化掩模图像增强

将人类视觉特性中灰度敏感程度和颜色相关性引入到图像增强中.选择HSV彩色空问,提出最优可见偏差(OND)引导的非锐化掩模(LJM)图像增强算法(OND-UM)对亮度分量进行边缘和细节增强,其中通过数值拟合得到了OND曲线,并构造了基于局部方差的自适应增益函数以实现对不同细节区域增强强度的自适应调整;尤其针对含有低对比度区域图像,利用Otsu分割方法确定阈值的分段自适应拉伸函数进行图像的全局调整和对比度增强:而饱和度分量进行直方图均衡,色度分量保持不变;颜色空间转换后再进行基于改进的颜色相关性统计的RGB空间颜色校正.仿真结果表明,OND-UM对连续边缘增强和边缘噪声抑制方面较优,而颜色校正后的图像色彩更丰富艳丽,更符合人眼视觉.     

多尺度抗噪反锐化掩模的医学影像增强算法

针对线性反锐化掩模法对医学图像增强的不足,提出了一种基于多尺度抗噪反锐化掩模的医学影像增强算法(MSNR-UM)。该算法将原始图像分解为一个多分辨率金字塔,金字塔的每一级代表该尺度下的细节图像,利用非线性函数对各尺度下的细节图像进行增强,采用与分解过程相反的步骤将处理后的各尺度细节图像合成为增强图像。实验结果表明,在处理同一图像时,MSNR-UM法的背景噪声方差仅为线性UM法的28%。     

基于静态小波变换的珍珠表面缺陷自适应增强技术

针对珍珠表面带状、线状类型缺陷区域呈现低对比度的特点,提出了一种基于静态小波变换的珍珠缺陷区域适应增强的新算法.该算法以最大化缺陷响应为目标函数设计最优小波基函数;然后利用各尺度上小波系数间的相关性对噪声进行抑制;最后对小波系数进行自适应增强来凸显缺陷区域的细节信息.试验结果表明:与传统的图象增强方法相比,文中提出的方法能较好地抑制噪声、保留原始图像有用信息的基础上增加图像中珍珠表面缺陷区域的对比度.     

一种新的小波域医学图像融合算法

提出了一种新的基于小波变换多尺度积局部区域统计量的图像融合算法,简称MPLVDDWT(multiscale product local variance of dyadic discrete wavelet transform)算法.在图像融合过程通过利用多尺度积从而隐含了一个去噪的过程,这有利于在融合图像中突出图像的细节特征.利用统计分析的评判准则,如熵、标准偏差评价图像的融合效果.实验结果表明,该方法提高了图像的熵和标准偏差.在保留原图像信息的情况下增强融合图像的细节信息.     

基于自适应投影增强的压缩感知CT图像重建

针对投影数据受噪声影响严重、被检测工件体积大获取投影数据不完全等导致重建质量差的问题,提出一种自适应反锐化掩模算法对某发动机模拟件投影数据均匀抽取60个角度投影进行预处理,根据其边缘信息设定阈值进行自适应去噪并对高频信息乘以自适应增益增强,采用TV最小化约束的代数重建(ART)算法重建.将改进算法与经典ART、经典反锐化掩模技术处理投影以及投影未处理的POCS-TVM算法进行对比分析,实验结果表明,该方法能够平滑噪声,提高对比度,进而提升不完全投影重建图像质量.重建同样大小的图像,相对于全角度投影迭代一次时间100 s, 60个角度投影迭代一次18.7 s,时间缩短近6倍,大量节省重建时间.     

基于视觉对比度特性的红外图像超分辨率重建

针对现有超分辨率算法重建后的红外图像存在对比度差、信噪比低、视觉效果模糊的缺点,提出一种基于视觉对比度特性的红外图像超分辨率重建算法。该算法首先利用人眼在不同灰度级的分辨能力不同,通过引入红外图像对比度这一先验信息重建红外图像,其次构建一噪声度量因子以区分图像目标与噪声,然后对目标边缘进行增强,噪声进行滤除。实验结果表明:经过改进算法重建的超分辨率红外图像对比度提高了2倍,噪声得到了有效抑制,视觉效果明显改善。     

基于自适应增益系数的两级反锐化掩模法

传统的反锐化掩模法(Unsharp Masking Algorithm, UMA)采用固定的增益系数,难以在抑制噪声放大和增强图像特征之间实现较好的平衡.因此,提出了一种基于自适应增益系数的两级UMA.首先,采用UMA重点增强图像的细节;然后,采用加权核范数最小化(Weighted Nuclear Norm Minimization, WNNM)算法去除噪声;最后,再次采用UMA重点增强图像的强边缘.其中,两次UMA均采用基于梯度模的增益函数,自适应地调整细节处和强边缘处的增益系数.实验结果表明,相比传统的UMA,所提方法在增强工业X射线图像重要结构特征的同时,可以有效抑制噪声放大和防止出现过冲现象.     

基于模糊熵的X射线图像局部对比度拉伸增强算法

在基于X射线的工件缺陷检测中,X射线图像往往存在亮度低、对比度低的问题。传统的局部对比度拉伸方法在增强图像的同时,容易引入噪音和光晕效应。针对此问题,提出了一种基于模糊熵的X射线图像局部对比度拉伸增强算法,该算法通过引入图像模糊熵来控制局部区域的对比度拉伸,使图像均匀区域和边缘区域得到了不同程度的对比度拉伸。实验结果表明,该算法在增强图像细节的同时对噪声和边缘光晕现象进行了削弱,增强了图像的整体质量。     

基于梯度权重规则的IHS变换与小波变换结合算法

针对多光谱图像与全色图像的融合,本文在认真分析了IHS变换、小波变换,以及基于梯度绝对值最大准则的IHS变换与小波变换结合算法的基础上,提出了一种基于梯度权重规则的改进算法.在使用小波变换融合多光谱图像I分量与全色图像时,计算二者高频细节分量的梯度作为权重,实现高频细节信息的融合;低频近似分量采用经验调节权系数的方式,运用加权和准则融合获得.融合所得新I'分量与之前多光谱图像IHS变换分离出的色度H和饱和度S进行逆变换,生成最终的融合图像.实验结果表明,该方法在保留多光谱图像光谱信息的基础上,有效地增强了融合图像的空间细节表现能力.