基于模糊集的自适应红外图像边缘锐化算法

针对红外图像边缘模糊和非均匀性噪音强的特点,提出了一种基于模糊集的自适应红外图像边缘锐化方法.针对图像边缘细节和噪音难以表示和区分的特点,分别建立噪音、弱边缘和强边缘的模糊特征隶属度函数,并且提取图像信息自适应调整隶属度函数;通过隶属度函数将图像映射到模糊特征平面,由模糊特征平面控制图像边缘锐化系数.该方法不仅能够锐化红外图像边缘,而且改善了传统边缘锐化算法对图像噪音放大的缺点,避免了对强边缘的过渡增强导致图像出现过增强现象,改善了图像质量.     

基于局部自适应拉升窗的复合图像增强算法

针对含有低亮度低对比度区域的图像,提出基于局部自适应拉升窗(LASW)的复合图像增强算法.通过研究目前一系列基于局部操作的空域图像增强算法,提出全局和局部操作结合的总体思路;首先使用高提升拉普拉斯(Laplacian)反锐化掩模(UM)增强以获得较多的隐藏细节和边缘信息,然后构造局部自适应拉升窗大幅增强低对比度图像细节,同时使用自适应滤波器进行掩模平滑操作;最后根据局部增强结果进行全局修正.仿真实验表明,在绝对误差、图像熵等评价指标下,该算法使低对比度图像尤其当含有低亮度微弱局部信息时,获得了较好的增强效果.     

多算法融合的自适应图像增强方法

提出一种多算法融合的图像增强方法,用于工程应用中的复杂降质图像的细节特征恢复.该方法汲取了Laplacian变换法、Sobel梯度法、盒状滤波法、非锐化掩蔽法及灰度幂律法等算法的优点,可对模糊图像进行自适应增强.通过拉普拉斯滤波器和梯度滤波器将原始图像分为基础层、细节层及边缘特征层;对微小细节信息及边缘特征信息进行增强,对基础信息进行压缩;然后采用盒装滤波器对图像的三个分层进行平滑过度及噪音过滤,最后使用非锐化掩蔽法和灰度变换来增加图像灰度的动态范围,从而得到增强后的图像.在相同的工况下,该方法分别与直方图均衡法、自适应伽马矫正法及小波变换的图像增强法实验结果进行对比,结果表明,该方法将图像的清晰度提高了13.1%~126.1%,能有效地处理复杂型感染的图像,避免图像过度增强,可以获得适合人眼的最佳视觉细节内容的增强效果.     

基于非线性反锐化掩模算法的CR图像边缘增强

数字CR(computed radiography)医学放射图像动态范围宽、细节丰富、对比度差,只有对其进行增强处理才能满足医生临床诊断的需要。由于目前通用的CR图像增强算法的对比度和噪声增强过度,丢失了细节,为了对CR图像进行边缘细节增强,提出了一种非线性反锐化掩模算法。该算法使用钝化模糊影像来增加对选择空间频率的响应,以增强CR图像的结构边缘和细节。算法能根据CR图像的灰度特性来调节增强程度的加权因数K,从而可非线性地增强CR影像的边缘细节。实验证明,经算法处理后的CR图像细节丰富,信噪比高,细节方差与背景方差之比为通用算法的9.6倍,增强后的CR图像具有良好的视觉效果,是一种增强CR医学放射图像边缘细节的好方法。     

基于小波阈值理论的光学图像去云处理新算法

分析了部分云覆盖的单幅光学遥感图像经过多层小波变换后,景物信息和云噪音在小波分解系数中的分布关系,并提出了云区阈值法来有效去除云噪音.通过选择适当的分界层数,将景物信息、云噪音尽可能分别分配到低层和高层细节系数中.高层细节系数中除主要包含云噪音外,也有部分有用景物信息.由于云噪音亮度大于景物,根据亮度特征合理选择高层细节系数的亮度阈值,去除云噪音,而保留其中的景物信息.通过对低层、高层细节系数和近似系数分别设置权重,增加景物对比度,减小残留云影响,从而重构得到恢复图像.提出了以信息熵作为分界层数、权重、阈值等参量选择的定量标准.实验证明,按信息熵标准能正确地选择参量,依据本文算法得到的去云效果远优越于同态滤波和Retinex算法,且能充分保留云区以外景物信息.     

基于Contourlet变换和形态学的图像增强方法

传统的图像增强算法在增强图像时,增大噪音,同时丢失细节.针对该问题,结合Contourlet变换中相关系数理论,提出了基于Contourlet变换和数学形态学的图像增强新算法.首先,对图像进行Contourlet变换分解,采用数学形态学算子对高频细节部分区分为细节信息和噪音产生的系数,然后,对变换系数采用非线性映射函数进行增强.最后,利用修改后的变换系数进行Contourlet逆变换得到增强后的图像.实验表明,该方法无论是增强效果还是抗噪性能都明显优于传统的图像增强算法.     

辐射图像脉冲去噪方法

为去除辐射图像中的脉冲噪音,建立了一种先进行脉冲噪音检测再进行噪音数据修复的联合去噪音方法.首先采用测地膨胀方法从减灰度图像出发对原图像进行形态学灰度重构,再采用灰度阈值法从原图像与重构图像的差值图像中分割检测出脉冲噪音,然后采用改进非本地均值方法对噪音数据进行修复.改进非本地均值方法对相似像素的选择范围进行了限制,从原理上避免了传统非本地均值方法用于去除辐射图像脉冲噪音时易发生的以错纠错问题,本文对其进行了数学表述.实验证明,该方法对不同类型辐射图像的脉冲噪音均具有较好滤除效果,表现出良好的噪音数据修复和图像细节保护能力.     

辐射图像脉冲去噪方法

为去除辐射图像中的脉冲噪音,建立了一种先进行脉冲噪音检测再进行噪音数据修复的联合去噪音方法.首先采用测地膨胀方法从减灰度图像出发对原图像进行形态学灰度重构,再采用灰度阈值法从原图像与重构图像的差值图像中分割检测出脉冲噪音,然后采用改进非本地均值方法对噪音数据进行修复.改进非本地均值方法对相似像素的选择范围进行了限制,从原理上避免了传统非本地均值方法用于去除辐射图像脉冲噪音时易发生的以错纠错问题,本文对其进行了数学表述.实验证明,该方法对不同类型辐射图像的脉冲噪音均具有较好滤除效果,表现出良好的噪音数据修复和图像细节保护能力.     

基于复小波和局部梯度的靶标图像混合降噪

提出了一种有效去除光电成像测量系统中靶标图像噪音的混合降噪法.根据图像像素局部梯度模找出图像中受椒盐噪音污染的像素,使用中值滤波降噪.对去除椒盐噪音的图像,利用复对数Gabor小波提取各像素的相位信息和幅度信息,确定最小尺度滤波器对噪音幅度分布的估计值,从而自动地确定各个尺度上的噪音幅度分布的估计值和噪音萎缩阈值,达到有效降噪的目的.实验表明,该方法的降噪效果明显优于实symlet4小波、中值滤波和单一复对数Gabor小波降噪法.     

基于混沌粒子群优化的图像Contourlet阈值去噪

提出了基于混沌粒子群优化的图像Contourlet阈值去噪方法.该方法在Contourlet变换域内利用混沌粒子群算法来确定最优阈值,再通过软阈值函数去噪,且不需要噪音方差等先验信息.实验结果表明:该方法与小波Bayeshrink阈值、基于粒子群的小波阈值、Contourlet自适应阈值等去噪方法相比,能有效地去除高斯白噪音和椒盐噪音的混合噪音,提高峰值信噪比,并较好地保留图像的细节和纹理,从而明显地改善了图像的视觉效果.     

Sharpening enhancement of ultrasound images using contourlet transform

The furry regions of ultrasound images are to be enhanced for good quality visual perception. This paper proposes a contourlet transform (CT) based sharpening technique (ST) for contrast enhancement in ultrasound (US) images. While sharpening, noise emphasize is the drawback of the classical ST methods. The proposed ST is operated on the multiscale, multidirectional CT decomposition of the underlying US image. The new ST not only sharpens the US image but also control the noise effect with tunable parameters. The results are compared with common unsharp masking and recently proposed nonlinear unsharp masking. The parameters like enhancement measure, structural similarity, and blind image quality measure evaluate the improved performances of the proposed technique.     

基于小波域三状态HMT模型的含噪图像增强

针对含噪图像增强问题,提出一种基于小波域三状态隐马尔可夫树模型的方法,采用三状态的高斯混合模型逼近小波系数的分布,不需要设定精确的阈值,依据期望最大算法训练得到的每个系数所属状态的后验概率,将系数区分为噪声系数、弱边缘系数和强边缘系数,然后通过抑制噪声系数,增强细节特征系数来达到对含噪图像增强的目的,并引入循环平移策略避免人工失真.通过对含噪的标准图像和人脑核磁共振图像进行仿真实验,并与几种经典的图像增强方法作视觉上的对比和定量分析.实验结果表明,本文所提出的方法具有很好的鲁棒性,在突出了图像中更多的细节信息的同时,可以有效抑制噪声.     

基于小波变换的激光主动成像图像去噪方法

 针对激光主动成像图像的特点,提出了将小波变换和中值滤波相结合的图像去噪方法。在对小波分解后的水平、垂直和对角3个方向高频细节图像进行处理时,我们采用3种不同形状的模板进行均值滤波,为了保护图像的边缘和细节信息,采用边缘检测法来将高频中的边缘细节与噪声分开。实验结果表明:该方法在降低图像噪声的同时又较好地保留了图像的细节,去噪效果比较理想。     

基于HVS的小波域信息隐藏方法

为了提高信息隐藏的不可感知性和鲁棒性,结合人眼视觉系统(HVS)的相关知识,提出了一种新的小波域信息隐藏算法。将载体图像的中等亮度区域设为不可用区域,不在该区域隐藏信息,同时选择在载体图像小波变换的高频系数细节子图隐藏信息,并优先选择在对角高频系数细节子图中隐藏。计算局部子块的方差值作为隐藏信息的嵌入系数,并通过计算高频子图的噪声敏感模型ωθ(i,j)决定隐藏信息的位置。充分考虑了人眼的各种视觉掩蔽效应,使得隐藏信息后的结果图像相比隐藏之前没有出现明显的降质。实验结果表明该方法能够有效提高信息隐藏的不可知性,达到了很好的隐藏效果,同时能够有效地抗击噪声、裁剪和压缩等攻击影响,具有很好的鲁棒性,在信息安全领域有较好的应用前景。     

一种适用于胸部CR图像自适应增强方法

人体胸部各种组织器官较多,造成胸部的CR(Computed Radiography)图像动态范围大,是所有临床CR图像中最为复杂的一种。一般的图像增强方法只对胸腔中的部分组织起到了增强的效果,而对另一部分组织不会有良好的增强的效果,甚至会出现对比度变差、细节模糊、噪声增加等不理想的结果。提出了基于邻域灰度方差与噪声方差之比的自适应增强方法,可根据胸部CR图像的灰度特性调节增强程度的加权因数K,自适应的增强胸部CR图像边缘细节,丰富图像的细节信息,提高图像的诊断价值。实验证明,该算法处理后的胸部CR图像细节丰富,信噪比高,细节方差和背景方差之比(DV/BV)比通用算法高,增强后的CR图像具有良好的视觉效果,是一种有效的适合胸部CR医学图像的边缘细节增强方法。     

基于人眼视觉特性的彩色图像自适应增强算法

针对有些图像增强算法对噪声比较敏感,提出了一种自适应图像增强算法.利用原算法的基本原理,结合人眼的视觉特性自适应地生成算法的参数,这样首先保留了原算法实现容易、运算速度快等特点,其次,对噪声具有一定的抑制作用,再次,可以增强和保留图像细节信息.通过实验比较,所提算法能够自适应地生成算法的参数,并在保持了原算法原有的容易实现的优点的基础上,提高了算法抑制噪声方面的性能,将该算法应用于彩色图像增强也取得了相当理想的结果.     

融合Retinex和离散小波奇异值分解的远距离目标图像清晰化

针对远距离成像系统获取的低照度降质图像增强问题,提出了一种融合Retinex和离散小波奇异值分解的图像清晰化算法。该方法首先利用自适应全尺度Retinex（adaptive full-scale retinex, AFSR）“粗”提取照度分量和反射分量,然后通过离散小波变换将所提取的图像反射分量分解为4个频率子带并估计出低频子带图像的奇异值矩阵,最后应用逆小波变换“精”重建图像。实验结果表明:所提方法处理后的低照度降质图像视觉增强效果较好,在图像对比度、信息熵、平均梯度和边缘密度等客观评价指标方面优于其他经典算法。     

基于平稳小波变换的有噪弱目标检测方法的研究

利用平稳小波变换的多尺度边缘检测算法分别对模糊图像、低对比度图像和加入噪声的图像进行了边缘检测,验证了多尺度二次B样条小波的检测效果,也比较了三种小波局部模极大值方法在抗噪性、计算量及检测效果等方面的性能,并且针对对比度低,受噪声污染严重的目标图像,提出一种能够根据不同背景计算出自适应阈值的新方法,使其在抗噪的同时又能较好地提取出微弱目标边缘。实验证明,利用多尺度二次B样条小波边缘检测算法能有效地排除噪声干扰,准确地提取出微弱边缘,可以实现3%对比度下的有噪图像的目标探测问题。