一种基于小波变换的红外图像放大算法

图像放大技术的关键在于使放大后的图像尽可能地保持原始图像的清晰度。对于红外图像而言，传统的内插法存在着一定的缺陷。提出了一种基于小波变换的图像放大新算法，该算法对原始图像先进行小波变换获得高频系数，然后运用牛顿插值算法放大高频系数，以此作为放大图像的高频成份，而将原始图像作为低频成份，最后进行小波逆变换，重构出放大图像。实验证明该方法在图像细节方面具有很好的放大效果。     

基于峰值信噪比和小波方向特性的图像奇异值去噪技术

提出一种利用小波变换子图像不同的方向特性和峰值信噪比进行奇异值分解的图像去噪算法。由于图像经过小波变换后,低频子图像集中了原图像的大部分能量噪声,故仅作简单维纳滤波;而噪声则主要集中在小波域中的三个不同方向的高频子图中,且系数较小,因此可以利用奇异值分解进行去噪处理,即用较大的奇异值和对应的特征向量重构出去噪图像,然而由于奇异值分解固有的行列方向性,对于高频对角线子图重构出的图像去噪效果不理想,故采取旋转至行列方向后再进行常用的奇异值滤波;最后将去噪后的低频和高频子图进行小波反变换重构出最终的去噪图像,其中重构所需的奇异值个数由图像的峰值信噪比确定。 实验结果表明,该方法在有效去噪的同时较好的保留了原有的高频细节信息。     

多尺度各向异性扩散方程的红外弱小目标检测算法

针对复杂背景下红外弱小目标检测效果不佳的问题,结合多尺度分析法和各向异性扩散方程,利用图像尺度和方向信息,提出一种新的红外弱小目标检测算法.首先,采用Surfacelet变换对图像进行多尺度、多方向分解,得到不同尺度下高频子带系数和低频子带系数;其次根据不同频带的特点,分别采用改进的各向异性扩散方程差分滤波和局部去均值滤波对高频子带系数和低频子带系数进行处理;最后,采用逆Surfacelet变换重构处理后的子带系数,并采用自适应阈值分割对重构的图像进行分割,以实现目标检测.采用多组红外图像进行试验,并与小波滤波以及各向异性扩散滤波进行比较,实验结果显示,该算法能有效抑制背景及其边缘,可以获得比另外两种算法更好的红外弱小目标检测效果.     

层析三维数字化仪层析图像滤波器的设计及研究

提出一种新型的递归中值滤波器，抛掉了统计参数的制约，将滤波算法转化为一种优化处理。该方法兼顾了滤波处理的光滑连续性及抑制噪声的累积特性，可有效地消除脉冲型干扰的影响，同时也从理论的角度上对该算法进行了分析。为消除加性高斯噪声，提出了一种基于图像边缘方向的小波线性滤波器，它仅仅处理边缘信息。该算汉的极大优点是克服了边缘模糊效应，小波的去噪逆向重构的处理方法对边缘为跃型的层析图象非常实用。     

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。     

二阶总广义变分图像放大

为了在图像放大中获得更好的视觉效果,提出了一种基于总广义变分性质的变分放大模型.该模型将原始低分辨图像作为被估计的高分辨放大图像到所在空间的某个子空间的投影,利用二阶总广义变分正则化迭代处理得到被估计放大图像.通过分析新模型的性质,给出了一种有效的原始对偶放大算法.实验结果表明:该方法能去除总变分放大方法产生的图像阶梯块效应,恢复更多的细节边缘及纹理信息,从而重构出高质量的图像;相比于总变分图像放大方法和小波图像放大方法,该方法具有更高的峰值信噪比和更小的均方误差.     

基于双树复小波与波原子的图像扩散滤波

图像的非线性扩散滤波来源于热方程的思想,其关键在于计算适当的扩散系数和控制扩散方向. 在已有的扩散模型中,由于扩散系数仅依赖于图像的梯度,因而这类模型容易受噪声的干扰;同时,图像的细节信息(如纹理)容易被误认为是噪声而被去除. 为克服这些不足,首先给出了一种采用双树复小波变换计算扩散系数的方法;然后设计了一种用于图像滤波的非线性扩散模型,最后提出了基于双树复小波变换和波原子阈值相结合的图像滤波算法. 仿真结果表明,所提出的算法在对含噪图像滤波的同时,能够较好地保持图像的边缘和纹理等细节信息. 关键词： 图像扩散滤波 非线性扩散 波原子 双树复小波变换     

基于三次样条插值的图像多尺度方向边缘重构

为了检测小结构的轮廓以及大目标的边缘,将多尺度边缘检测与小波变换有机地结合起来,利用小波分析方法来研究信号的多尺度边缘特征。针对图像信号的多尺度边缘检测和重构问题,利用二进小波变换的多尺度分析特性,定义了图像在水平和垂直方向的多尺度边缘。同时,利用三次样条插值算法,提出了一种由二进小波变换在水平和垂直方向的极值重构图像信号的算法。实验结果显示多尺度重建方法与著名的交替投影算法相比,算法复杂度低,图像重建速度提高了20倍,而且重建图像质量较好,其峰值信噪比提高了1 dB以上。     

一种抑制合成孔径雷达图像相干斑的各向异性扩散滤波方法

本文提出了一种抑制合成孔径雷达图像乘性相干斑噪声的各向异性扩散滤波新方法.该方法将受自适应耦合函数控制的平均曲率运动嵌入到传统相干斑抑制的各向异性扩散方程中,形成了一种可有效抑制边缘区域相干斑与同质区块效应现象的各向异性扩散新方程,同时在新建的扩散方程中,引入了由改进Frost滤波与局部方向比率联合构建的一种带方向约束的新扩散函数,进一步削弱了块效应现象且明显改善了抑斑图像的边缘抖动扭曲问题.实验结果表明该方法在有效保护图像边缘的同时,能充分平滑同质区与边缘区域的相干斑,明显削弱块效应现象,有效改善抑斑图像边缘抖动扭曲问题,而抑斑图像无论视觉效果还是参数指标均比多种传统抑斑方法更具优势.     

基于张量的平稳小波变换红外图像去噪

提出了一种基于张量的平稳小波变换红外图像去噪方法.采用平稳小波对噪声红外图像进行分解,保持低频近似图像不变,将所有尺度上的水平、垂直和对角方向的高频细节图像组合为一个立方体,形成三阶张量,通过多线性代数方法估计信号小波系数,这种处理方式没有破坏小波系数之间的固有空间关系,同时考虑到了尺度问和尺度内小波系数的相关性,优于传统的基于线性最小均方误差的信号小波系数估计算法,最后由低频近似图像与估计的高频细节图像通过平稳小波逆变换得到去噪图像.实验结果表明,该方法在性能指标和视觉质量上优于传统的平稳小波域最小均方误差去噪算法,为小波系数的较准确估计提供了一种全新思路.     

基于最小各向同性小波滤波的图像清晰度识别

提出了基于最小各向同性小波滤波的图像清晰度识别方法,对二维最小各向同性小波滤波提取图像特征进行了研究.直接将原始图像通过带通小波滤波器G0获得图像边缘信息,结合图像能量分析,建立了基于小波滤波的图像清晰度评价函数.利用构建的显微镜自动对焦实验平台,比较分析了基于小波滤波和拉普拉斯的评价方法.实验结果表明,采用基于各向同性小波滤波的自动对焦算法有更好的综合自动对焦性能.     

基于边缘定向扩散的图像增强方法

针对前向后向扩散方程不能较好的保持流线状结构,而相干增强不能锐化边缘的缺点, 提出一种新的基于边缘定向的张量型前向后向扩散模型.该模型将前向-后向扩散方程引进到张量型扩散方程中,在扩散系数的选取上合并了相干增强扩散与前向-后向扩散的长处,又克服了他们各自的缺点.采用类似相干增强扩散的边缘定向算子实现对边缘的定向,然后根据边缘定向的结果设置扩散张量的特征根,使扩散张量沿边缘方向为正向扩散以增强边缘,而垂直于边缘方向为逆扩散以锐化边缘.理论分析和数值计算表明,该方法具有比相干增强扩散及前向-后向扩散更好的增强效果.     

基于改进的空域相关的多聚焦图像融合

提出了一种简单有效的像素级多聚焦图像融合方法。针对正交小波变换缺乏平移不变性而产生视觉失真的缺陷,采用Atrous算法将原图像分解在不同频率域上。Atrous算法先将滤波器h0(n),h1(n)各点间插入适当的零值后再与低频信号做卷积,故又称为"多孔算法"。将具有抑制噪声性能的空阈相关法作为高频子图像的融合规则,选取相关性强边缘特征显著的点作为最终融合子图像的像素点。实验表明,由此融合的图像能完好的保留边缘纹理信息。融合后的图像在客观评价和主管视觉效果上均有提高。     

基于脉冲耦合神经网络和图像熵的各向异性扩散模型研究

在图像去噪过程中, 大部分基于偏微分方程的各向异性扩散模型均使用梯度信息检测边缘, 当边缘部分被噪声严重污染时, 这些方法不能有效检测出这些边缘, 因而无法保留边缘特征. 为了较完整的保留图像的区域信息, 用脉冲耦合神经网络(PCNN)能使具有相似输入的神经元同时产生脉冲的性质对噪声图像做处理, 得到图像熵序列, 并将图像熵序列作为边缘检测算子引入到扩散方程中, 不仅能克服仅用梯度作为边缘检测算子易受噪声影响的弊端, 而且能较完整地保留图像的区域信息. 然后, 用最小交叉熵准则搜索使去噪前后图像信息量差异最小的阈值, 设计最佳阈值控制扩散强度, 建立基于脉冲耦合神经网络与图像熵改进的各向异性扩散模型(PCNN-IEAD). 分析与仿真结果表明, 该模型与经典模型相比, 保留了更多的图像信息, 能够兼顾去除图像的噪声和保护图像的边缘纹理等细节信息, 较完整的保留了图像的区域信息, 性能指标同样也证实了新模型的优越性. 另外, 该模型的运行时间较经典模型的短, 因此, 该模型是一个理想的模型.     

Enhancement of low-quality reconstructed digital hologram images based on frequency extrapolation of large objects under the diffraction limit

During the reconstruction of a digital hologram, the reconstructed image is usually degraded by speckle noise, which makes it hard to observe the original object pattern. In this paper, a new reconstructed image enhancement method is proposed, which first reduces the speckle noise using an adaptive Gaussian filter, then calculates the high frequencies that belong to the object pattern based on a frequency extrapolation strategy. The proposed frequency extrapolation first calculates the frequency spectrum of the Fourier-filtered image, which is originally reconstructed from the +1 order of the hologram, and then gives the initial parameters for an iterative solution. The analytic iteration is implemented by continuous gradient threshold convergence to estimate the image level and vertical gradient information. The predicted spectrum is acquired through the analytical iteration of the original spectrum and gradient spectrum analysis. Finally, the reconstructed spectrum of the restoration image is acquired from the synthetic correction of the original spectrum using the predicted gradient spectrum. We conducted our experiment very close to the diffraction limit and used low-quality equipment to prove the feasibility of our method. Detailed analysis and figure demonstrations are presented in the paper.     

基于小波变换的分水岭图像分割方法

图像分割技术在数字图像处理中占有重要地位.提出了一种基于小波变换的图像分割方法,有效地将小波分析、小波包分解与数学形态学中的分水岭方法相结合.首先,通过小波包对图像有效降噪,在一定程度上减少了分水岭方法的过分割现象.然后利用小波变换得到的梯度向量进行分水岭变换,有效保持边缘信息.实验结果证明该算法是可行的,与基于形态梯度的分割结果相比,得到了较好的分割效果.     

基于小波包和Niblack法的枪号图像二值化算法

针对枪号图像字符易磨损、对比度太大或太小的特点,提出了小波包滤波器浮动阈值和Niblack法相结合的二值化算法.首先采用小波包滤波器对图像滤波,把得到的低通图像作为浮动阈值,并对图像进行二值化,得到第一幅待融合图像;然后采用Niblack法对图像进行二值化,得到第二幅待融合图像;最后把两幅图像按照灰度最小的方法进行融合,得到最终的二值化图像.实验结果表明该综合算法在二值化效果、适用范围等方面均有良好的表现,具有一定的推广价值.     

Rotation invariant pattern recognition with a volume holographic wavelet correlation processor

A volume holographic wavelet correlation processor for performing rotation invariant Pattern recognitionis suggested.It uses wavelet transform to get the digital edge extraction of the original object and a singlecircular harmonic component iS used as the matched filter to get good rotation invariance.The new filterused in this method is called wavelet circular harmonic component fllter (WCHCF).Simulation resultsvalidate the theory and the experiment to recognize human faces with any rotation angle shows the utilityof the newly proposed method.     

Adaptive edge detection method for images

The novel two-dimensional (2D) wavelet with anisotropic property and application of it has been presented. Wavelet is constructed in the polar coordinate system to obtain anisotropic properties. A novel edge detection method has been developed with the aid of this wavelet. This method detects gradient jump and than follows along this jump. In this way the number of calculation for edge localization is reduced. Moreover, the presented method is able to detect all edges in an image in multi-scale together with its spatial orientation. Proposed wavelet as well as edge extraction method seems to be new way to edge detection for an image.