基于自适应增益系数的两级反锐化掩模法 |
| |
引用本文: | 白云蛟,刘祎,张鹏程,桂志国.基于自适应增益系数的两级反锐化掩模法[J].测试技术学报,2022(5):398-403. |
| |
作者姓名: | 白云蛟 刘祎 张鹏程 桂志国 |
| |
作者单位: | 1.晋中学院机械系030619;2.中北大学生物医学成像与影像大数据山西省重点实验室030051; |
| |
基金项目: | 山西省高等学校科技创新资助项目(2020L0282,2020L0595);晋中学院博士科研启动资助项目;晋中学院1331创客团队(jzxycktd2019033)。 |
| |
摘 要: | 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.
|
关 键 词: | 反锐化掩模法 自适应增益系数 加权核范数最小化算法 X射线图像 图像细节增强 |
本文献已被 维普 等数据库收录! |
|