基于曲波变换的图像非线性增强改进算法

在传统曲波图像增强中,非线性增益函数通常需要调节多个参数。针对该问题,提出一种基于曲波变换的图像非线性增强改进算法。在处理低对比度图像前,对其空间域特征进行分析处理,将空间域非线性增强和曲波非线性增强处理相结合,通过较少的参数选择,结合曲波变换的多尺度特性,提高曲波增强方法的自适应度。实验结果证明,该算法具有较好的图像增强效果。     

磁共振图像对比度增强算法的仿真研究

研究磁共振图像对比度增强的问题。常用的磁共振图像增强算法在增强对比度的同时引起图像噪声过放大。为提高图像局部区域的清晰度和解决图像噪声过放大的问题,提出一种利用Contourlet变换的非线性图像对比度增强算法。首先利用Contourlet分解图像,得到子带图像;然后通过一种新的非线性增强算子改变变换域各子带的系数,有效地对图像强弱边缘进行不同程度的增强,最后通过Contourlet逆变换得到增强图像,能够在增强磁共振图像微小细节的同时避免噪声增大。仿真结果表明,方法适用于磁共振图像局部区域对比度增强,可改善图像视觉效果,有利于医生分析和诊断病情。     

基于曲波变换的图像融合方法

本文在研究了曲波变换的特性后,提出了一种基于曲波变换的图像融合方法,并分别将由不同传感器获得的不同分辨率的遥感图像和医学图像利用此方法进行了融合.这种方法不仅能够完好地显示了源图像各自的信息,而且能很好地将源图像的细节融合在一起.实验结果表明采用这种方法可以得到更好的融合效果.     

图像对比度增强的小波变换法

提出一种基于离散正交小波变换和非线性增益的图像对比度增强方法。对图像进行离散正交小波变换后,对分辨率较好的各高频子带直接利用所提出的去噪方法去噪;对分辨率较差的各高频子带利用所提出的非线性增益法结合文中的去噪法进行增强。实验结果表明,论文提出的方法在有效地增强图像对比度的同时,又能很好地抑制图像中的白噪声。算法在视觉质量上优于传统的反锐化掩膜法、直方图均衡法。     

基于白Top-Hat变换的医学图像局部对比度增强算法

提出了一种简单、高效的医学图像局部对比度增强算法.该算法的主要特点是在对医学图像进行多尺度形态学top-hat变换增强对比度时,仅采用白top-hat变换和用增加亮对比度区域的灰度值方法来代替黑top-hat变换,从而避免了常用形态学增强方法中丢失原始医学图像灰度信息的弊端.通过使用CT,MR医学图像与已有的局部对比度增强典型算法进行实验比较,结果表明,本文算法在增强图像局部对比度和减少计算时间均具有优势.     

基于曲波变换的红外/可见光图像融合

和小波变换相比较,曲波变换能更好地表示图像的边缘信息.在此基础上给出了一种基于曲波变换的图像融合方法,并将其应用于红外和可见光图像融合.首先,对红外图像和可见光图像分别进行曲波变换,得到两幅图像的低频分量和不同尺度的高频分量.在对源图像的各分量融合时,对低频分量采用平均加权进行融合.对高频分量采用取绝对值较大的方法进行融合,得到融合后的低频分量和不同尺度的高频分量,最后对这些融合后的分量进行重构,得到融合图像.仿真结果表明:和基于小波变换的融合算法相比较,该算法较好地保留了源图像的细节信息,提高了融合的效果.     

基于快速曲波变换的图像去噪算法

曲波(Curvelet)可以很好的表示含曲线奇异的函数的异向性,但传统的曲波99变换采用复杂的参数结构和重叠的窗口,既不利于数学定量分析,也增加数字实现的冗余。采用快速曲波变换,对物体边缘信息具有最优稀疏表示。通过平移不变的曲波萎缩算法,可获得比传统去噪方法更好的均方误差(MSE)。实验结果表明,与传统的MultiVisu,MultiBayes,WHMT去噪算法比较,算法CS-FDCT去噪效果最佳,在噪声方差"=25时,使用该方法的峰值信噪比(PSNR)可高达30.8528,并且去噪后的图像具有最好的视觉效果。     

基于曲波变换的图像去噪新算法

比较了小波变换和曲波变换,指出小波变换只具有点状奇异性的不足之处和曲波变换具有多尺度各向奇异性的优点,分析了现有的基于曲波变换的图像去噪方法,并对目前基于曲波变换的去噪算法进行了改进,提出结合Wrapping和Cycle Spinning的WCSCurvelet去噪新算法.仿真实验的结果证实了该算法减少了伪Gibbs现象,较好地保留了图像的细节和纹理,获得了更好的视觉效果和更高的峰值信噪比.     

红外图像全局和局部对比度增强的非线性增益法

提出一种基于模拟退火算法和离散平稳小波变换增强红外图像全局和局部对比度的非线性增益算法.基于原始红外图像的灰度直方图提出一种判据,利用该判据判断原始红外图像的对比度类型,以指导模拟退火算法的搜索方向和初值的选取;并利用模拟退火算法优化非线性灰度变换参数,实现对图像进行全局对比度增强.对全局增强后的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所提出的非线性增强算法进行细节增强.实验结果表明,该算法在有效地提高红外图像整体对比度的同时,能突出红外图像中目标的细节部分信息,在视觉质量上优于传统的直方图均衡法、反锐化掩膜法等.     

基于静态小波变换和2代曲波变换的图像融合算法

提出了一种基于静态小波变换(SWT)和2代曲波(curvelet)变换的图像融合算法.首先将原图像分别进行SWT变换得到高、低频分量.然后,对低频分量采用基于2代曲波变换的方法进行融合,对高频分量基于绝对值最大的方法进行融合.最后进行SWT逆变换得到最终的融合图像.实验结果表明,该算法具有SWT变换和2代曲波变换二者的优点,主客观评价均优于单独SWT变换和单独2代曲波变换融合算法,也优于离散小波变换(DWT)和曲波变换相结合的融合算法.     

基于Curvelet变换的X射线图像增强

针对传统X-射线图像增强方法中图像细节不够清晰或噪声增强过大的问题,基于数学定义严谨的多尺度几何分析方法Curvelet变换,给出了一种灵活的非线性增强函数。首先,对X-射线图像进行Curvelet分解,然后在各精细尺度上对系数按增强函数进行映射,最后根据修正后的Curvelet系数重建图像。实验表明,根据所给定的增强函数,Curvelet变换能有效增强X-射线图像边缘对比度,细节清晰,噪声小,与传统方法比较,具有更好的视觉效果。     

基于Curvelet变换的图像融合方法

提出一种基于Curvelet变换和特征量积的图像融合方法。对2幅图像进行Curvelet变换,低频部分采用加权平均的融合算法,高频采用基于特征量积的加权融合算法,从而实现Curvelet系数的融合,并重构得到融合图像。对多聚焦图像进行实验,利用梯度结构相似度、空间频率、峰值信噪比进行评价,实验结果表明,该方法能够取得较好的效果。     

基于DWT的Alpha-Rooting图像增强

针对数字图像的频域增强,提出一种基于离散小波变换的Alpha-Rooting图像对比度增强方法.该方法利用小波的多分辨率性质,结合Alpha-Rooting图像对比度增强特点,对高频细节信号采用Alpha-Rooting算法增强,低频近似信号采用归一化增强算法.实验结果表明,该方法在EME与直方图两个尺度上,优于其他Alpha-Rooting增强算法(DCT、FFT)的对比度增强效果.     

基于Curvelet变换的图像压缩感知重构

压缩感知主要采用离散余弦变换(DCT)和正交小波进行图像的稀疏表示,但是DCT时频分析性能不佳,小波方向选择性差,不能很好地表示图像边缘的信息。为此,利用Curvelet变换具有的多尺度、各向奇异性、更高稀疏表示性能等特性,提出基于Curvelet变换的图像压缩感知重构算法,采用Curvelet对图像进行稀疏表示和小波域阈值处理,以此解决信号重构噪声问题。实验结果证明,与传统小波变换和Contourlet变换相比,该算法在Lena图像上峰值信噪比平均提高了1.86 dB和1.15 dB。将Curvelet变换应用于压缩感知,能使图像边缘和平滑部分得到最优的表示,图像细节部分重构效果得到大幅提升,有效提高图像整体重构质量。     

基于Curvelet变换抑制SAR图像斑点噪声的方法

提出了一种基于Curvelet变换来抑制合成孔径雷达（SAR）图像中噪声的方法，Curvelet是一种新的多尺度变换理论，具有各向异性的特征，克服了小波在处理大干一维的高维信号时的不足。该文在介绍Curvelet变换理论及其实现的基础上，引出了SAR图像斑点噪声的去除方法，并改进了Curvelet算法，降低了其运算复杂度，讨论了SAR图像噪声方差的估计，最后和其它的SAR图像去噪方法作了对比和分析。     

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。     

一种基于小波变换的低对比度图像增强方法

提出一种基于小波变换的低对比度图像增强方法.利用小波变换多尺度特性,对图像的能量、细节和噪声部分分别采取不同的滤波策略,对图像进行整体增强.在VC 环境下编程实现该方法.实验结果表明用该增强算法能得到整体视觉效果好的图像.