基于Contourlet变换和模糊理论的红外图像增强算法

红外图像具有噪声大、对比度低等特点,针对该特点,提出了一种基于Contourlet变换与模糊理论的红外图像增强算法。首先对图像进行Contourlet变换,得到多尺度多方向的低通子带和带通子带。对低通子带,进行基于子带系数最大最小值的线性变换,提高图像的整体对比度;对于带通子带,先估计噪声阈值,对子带系数进行抑制噪声处理,然后通过模糊增强算法,对高频系数进行非线性增强,增强目标边缘纹理的特征,抑制背景信号。最后经过Contourlet逆变换得到对比度增强,噪声被抑制的图像。经过算法仿真,与几种现有的图像增强算法相比,该算法更能有效地抑制噪声,增强图像的对比度,突出图像的边缘与细节纹理信息。     

基于抗混叠轮廓波的乳腺图像降噪与增强方法

乳腺X射线成像是乳腺疾病早期检测的有效手段.然而典型的乳腺X射线图像往往对比度低,噪声污染严重,本文提出一种新颖的基于抗混叠轮廓波变换的乳腺图像降噪及增强方案.首先分析了原始轮廓波变换的频谱混叠问题,设计出一种能稀疏表示图像边界及纹理信息,同时能抑制混叠影响的抗混叠轮廓波变换;在此基础上,分别采用高斯分布与广义拉普拉斯分布来刻划噪声相关及信号相关的变换系数,实现阈值萎缩降噪;接着对处理后的系数进行非线性增强,达到增强乳腺图像中细节信息的效果.实验结果表明,本文方法能有效提高乳腺图像的质量,在计算机辅助乳腺诊断方面有较高应用价值.     

基于Contourlet变换的带噪图像增强方法

为了解决带噪图像增强中抑制噪声和增强边缘细节的矛盾,提出一种基于Contourlet变换的带噪图像增强方法。Contourlet变换具有多分辨率、局部定位性、多方向、各向异性等特点,比小波变换更能有效地捕获图像中的高维奇异性。根据这一特点,本文综合考虑变换后系数尺度间和尺度内的依赖性,先在Contourlet变换域中设置自适应阈值抑制噪声;在此基础上,应用广义非线性增益函数来提高较弱细节的局部对比度。实验结果表明,该算法较好的抑制噪声,增强图像细节对比度。     

基于Contourlet变换和多尺度Rentinex的水下图像增强算法

针对水下图像对比度低、边缘模糊、噪声大等特点,提出一种基于非下采样Contourlet变换和多尺度Retinex的水下图像增强算法。将水下图像进行多尺度多方向的非下采样Contourlet变换;利用多尺度Retinex算法调整低频系数,提高图像整体对比度;在各带通方向子带上估计噪声,抑制模值小于阈值的系数,改进神经网络中的Sigmoid函数用于调节模值大于阈值的系数;经非下采样Contourlet逆变换得到增强图像。与几种传统增强算法相比,本算法处理的图像达到了抑制噪声、改善图像对比度、突出目标轮廓的目的,具有较高的对比度评估值。     

Top-hat算子与小波相结合的乳腺X线图像增强算法

乳腺X线摄影是临床筛检早期乳腺癌的首选方法.通过对乳腺X线图像的灰度分布特点进行分析,提出Top-hat滤波与多分辨小波相结合的算法实现对乳腺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,特别是使肿瘤区域的显示更为明显.     

基于小波变换的低对比度图像增强

针对传统算法存在噪声过增强的问题,提出了基于小波分析的图像增强算法。在小波变换多尺度分析的基础上,算法对图像多尺度分解得到的小波系数进行缩减去噪,然后在不同尺度上对各分解系数进行不同程度的增强;对同一尺度的系数进行非线性处理以增加对比度;增强低频子带图像的对比度以保证整体的增强效果。实验表明,该算法能有效地增强低对比度图像,减小了噪声的增强幅度,使结果图像具有很好的视觉效果。     

基于轮廓变换的自适应阈值图像去噪算法

针对Contourlet变换子带系数相关的特性,对图像去噪的阈值进行了研究,提出了一种新的自适应阈值图像去噪算法。该方法首先对噪声图像进行Contourlet变换,得到不同尺度、不同方向上的子带系数,再根据子带系数的能量关系采用改进的Bayes Shrink自适应阈值对图像进行去噪处理。实验结果表明:这种方法提高了图像的PSNR值,增强了去噪后图像的视觉效果,而且更好地保留了图像的边缘信息。     

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.     

一种基于小波相位信息的低强度X射线影像系统的图像去噪方法

新型低强度X射线影像系统主要是由平板式单近贴静电聚焦X射线像增强器和CCD数据采集系统构成.文章简述了低强度X射线影像系统的图像噪声来源和特点,并根据图像噪声的特点,先进行多帧叠加平均预处理,再进行小波变换滤波.区别于传统的小波变换方法,引入小波变换的相位信息概念,根据噪声和图像信息小波变换后的相位不同特点,从局部和相邻尺度两方面联合进行噪声自动判别和滤除.小波反变换后,得到输出图像,通过对峰值信噪比的计算,表明该方法能取得较好效果.     

基于剪切波变换和邻域差分的小目标检测算法

提出了一种基于剪切波变换的背景预测算法用于红外小目标的检测。对原始图像进行剪切波变换,获得原始图像的多尺度和方向的细节特征。然后,对低频子带进行中值滤波,去除残留目标。对高频子带,根据其均方误差来调整权重系数,抑制目标和噪声。将反变换后得到的背景预测图像和原始图像进行差分,采用一种基于双窗口的邻域差分方法进行分割,最终实现目标检测。与小波变换法和双边滤波法比较,基于剪切波变换的方法对小目标的检测有较好的效果。     

基于多尺度方向局部极值滤波和ASR的图像融合

为了更好地提取源图像的边缘和方向信息,充分利用边缘保持滤波器的保边缘特性和方向滤波器有效提取方向信息的能力,提出一种基于局部极值滤波和非下采样方向滤波器的多尺度方向局部极值滤波图像融合方法。源图像经多尺度方向局部极值滤波,得到低频子带以及一系列的高频方向细节子带,对低频子带系数提出一种基于自适应稀疏表示(ASR)的融合规则,采用空间频率与l1范数相结合的策略得到融合的稀疏表示系数,对高频方向细节子带系数提出一种基于改进拉普拉斯能量和匹配度的选择与加权平均相结合的融合策略。实验结果表明,本方法能够有效提取源图像的边缘等细节信息,融合结果对比度更高,具有更好的主观视觉效果,其客观评价指标也优于传统的图像融合方法。     

基于交替非负最小平方投影梯度NMF的TINST域图像融合

为了克服现有基于多尺度分解(MSD)的图像融合方 法存在的某些缺陷,增强多模态图像的融合精度,提出了一种平移不变不可分离剪切波交换 (TINST)结合交替非负最小平方投影梯度非负矩阵分解(NMF)的图像融合方法。首先利用TINS T对源图像进行多尺度、多方向分解,得到一个低频子带和多个高频方向子带系数;然后将 低频子带系数看作原始观测数据,采用交替非负最小平方投影梯度NMF算法进行融合,得到 包含特征基的 融合低频子带系数,将高频方向子带系数作为脉冲耦合神经网络(PCNN)的外部输入激励,经 点火处理和判决选择算子选 择,得到融合高频方向子带系数;最后应用逆TINST重构融合后的子带系数,得到融合图 像。采用多组多模态图像进行融合实验,并对融合结果进行了客观评价。试验结果表明,本 文提出的融合方法在主观和客观评价上均优于其他MSD融合方法。     

基于均匀离散曲波变换的多聚焦图像融合

利用均匀离散曲波变换（UDCT）多尺度、多方向、低冗余等特征,提出了一种新的多聚焦图像融合方法。首先使用UDCT对源图像进行多频带分解;然后根据多聚焦图像的特点,对分解后的低频子带系数运用一种基于改进拉普拉斯和算子的方案进行融合,对高频方向子带系数运用基于局部能量的融合规则进行融合,并对融合系数做一致性检测;最后重建各子带系数得到融合图像。实验结果表明:所提方法可以有效地融合源图像中的方向信息和细节特征,同时抑制了融合图像中的伪Gibbs现象;与基于拉普拉斯金字塔分解、小波变换以及轮廓波变换的图像融合方法相比,该方法取得了更好的视觉效果和量化结果。     

一种新的图像边缘检测方法

针对基于空间域或小波变换域图像边缘检测算法提取的边缘只是具有有限方向的问题,该文提出使用具有抛物线型尺度和足够方向消失矩的Contourlet变换来更有效地表示自然图像中的奇异曲线。Contourlet子带比小波子带具有更强的方向性,在其子带上检测系数模极大值,运算复杂度更低。实验结果表明,与基于小波模极大值的图像边缘检测方法相比,该文算法有较低的计算复杂度,所提取的边缘更加逼近图像真实边缘。     

基于活性测度和闭环反馈的非下采样Contourlet域图像融合

基于人类视觉系统和源图像特性,该文提出一种非下采样Contourlet域图像融合算法,并讨论了分解层数和方向分解数对融合结果的影响。低通子带引入闭环反馈策略自适应获取近似最优融合权值;高通子带则基于区域能量定义像素活性测度,以有效增强图像的对比度,并保持细节信息。实验结果表明:该文提出的图像融合新算法具有较好的鲁棒性,融合图像边缘的清晰度和连续性也较理想。     

基于方向区域的NSCT图像融合算法

提出一种新的基于方向区域的NSCT图像融合算法。算法首先对源图像进行NSCT分解,获得不同方向的高低频子带。其次对高低频系数,根据不同分解层的方向特性,按方向区域能量的规则进行融合。最后,通过反变换获得融合图像。该方法既保留了Contourlet变换方法的多尺度多方向特性,又具有移不变性。实验结果表明,提出的算法有效可行,对比常用的区域融合算法,获得了更好的融合效果。     

抗混叠塔型变换的构造

 针对Contourlet变换存在的频谱混叠,提出了一种抗混叠塔型变换,即Non-aliasing Pyramidal Transform-NA-D变换.NAP变换由抗混叠塔式滤波器组(Non-aliasing Filter Banks:NPFB)和方向滤波器组(Directional Filter Banks:DFB)组成,NPFB首先将图像分解为多个不同分辨率的细节子带和一个低频子带,DFB再将各细节子带分解为方向子带.通过设计满足Nyquist采样定理的滤波器,NA-D变换有效地抑制了Contourlet变换的频谱混叠,基函数不仅具有"多分辨率"、"多方向"、"局域性"等特性,满足各向异性尺度关系,而且空频域正则形和局域性均明显优于Contourlet变换.硬阈值去噪实验的结果表明,NAP变换能够更为稀疏的表示图像,并在去噪性能上较Contourlet变换有较大提高.     

Image denoising using sparse representation classification and non-subsampled shearlet transform

In this paper, an image denoising method is proposed which uses sparse un-mixing by variable splitting and augmented Lagrangian (SUnSAL) classifier in the non-subsampled shearlet transform (NSST) domain. To this aim, the noisy image is decomposed into various scales and directional components using the NSST and then the feature vector for a pixel is constituted by the spatial regularity in the NSST domain. Subsequently, the NSST detail coefficients are labeled as edge-related coefficients or noise-related ones by using the SUnSAL classifier. The noisy coefficients of the NSST subbands are then denoised by the shrink method, which uses the adaptive Bayesian threshold for denoising. Finally, the inverse NSST transform is applied to the denoised coefficients. Our experiments demonstrate that the proposed approach improves the image quality in terms of both subjective and objective inspections, compared with some other state-of-the-art denoising techniques.     

基于轮廓波变换的红外图像增强算法的研究

尽管红外图像的应用越来越广泛,但其本身存在的不足使得应用受到影响,因此对红外图像进行增强处理就显得十分重要。现有的图像增强算法没有考虑到变换系数中不同分辨率下的各个方向子带之间的能量分布,对所有分辨率下的所有方向子带中的变换系数进行统一的增强处理。因此,提出了一种结合方向子带能量分布的自适应增强算法。Matlab仿真结果表明,该算法不仅能增强目标的清晰度,还能提高红外图像的对比度,改善图像的视觉效果。     

椭圆方向窗与新轮廓波应用于多聚焦融合算法研究

针对光学显微镜景深扩展中的多聚焦图像融合问题,提出了一种基于方向特性的新轮廓波域多聚焦图像融合算法。该算法首先对图像进行新轮廓波变换(New Contourlet Transform with Sharp Frequency Localization,NCT-SFL),分解得到不同尺度、不同方向的高低频系数,低频系数融合使用算术平均法,高频系数融合分为两步:先采用改进拉普拉斯能量和(Sum Modified Laplacian,SML) 提取特征值;然后定义新的与方向分解一一对应的椭圆方向窗,在确定的椭圆窗参数下,对提取的特征值进行累加并以此为依据对高频系数进行融合,最后通过反新轮廓波变换得到融合图像。在实验部分用定义的新的客观评价指标互结构信息(Mutual Structural Information,MSI)对融合算法进行了评价,结果表明:对多聚焦图像本文所提方法比新轮廓波域方形窗算法MSI提高了2.94%,比Contourlet域方形窗与椭圆窗算法MSI分别提高了10.44%和8.56%。说明本文方法能提取源图像中更多的清晰信息到融合图像,是一种有效的景深扩展手段。