基于改进的POCS算法的超分辨率图像恢复

针对常规的POCS(凸集投影)算法会产生边缘振荡效应这一问题，提出了一种改进的POCS算法，该算法先对图像边缘像素点进行特殊处理，再对图像中其余的像素点进行修正，消除了恢复结果中的边缘振荡效应．将改进的POCS算法与常规的POCS算法进行对比实验，证明了改进的POCS算法的有效性．     

基于NSCT分解的图像插值算法

由于成像系统内部和外部的因素,使得获取的图像产生退化。为了尽可能的保持CCD图像的基本信息,提高图像的视觉效果和空间分辨率,为了克服传统插值算法存在的缺陷,本文提出了一种基于非采样Contourlet变换(Non-subsampled Contourlettransform,NSCT)分解的图像差值算法,利用NSCT提取高频成分,原始低分辨率图像经过双线性插值放大充当低频部分,再经过NSCT逆变换得到放大后的高分辨率图像。实验结果表明,相对于传统的双线性插值算法,本文所提出的基于NSCT分解的图像插值算法考虑到全局相关性,得到了更加清晰的边缘信息,从而得到更好的图像插值放大后的视觉效果。     

基于小波增强的多分辨率图像融合算法

在图像融合中,由于源图像的降质使得部分隐藏信息无法在融合过程中提取出来,影响了源图像的融合效果.针对这一问题,提出了一种基于小波增强的图像融合算法:在融合之前先对源图像进行适当的增强,突出图像中隐藏的信息,然后采用合适的规则对源图像和增强之后的图像进行融合.实验分析表明,在融合之前对源图像进行增强,能够改善图像融合的效果,获得直接融合难以获取的信息.     

基于小波变换的图像超分辨率增强算法

视频图像超分辨率增强技术具有重要的研究价值。文章在研究和分析小波变换理论的基础上提出了一种基于小波变换的图像超分辨率增强算法,该算法充分利用小波多分辨率分解思想,体现图像分辨率降低的自然过程;通过估计高分辨率小波系数,经插值逆变换可得到重构的高分辨率图像。实验结果证明该算法克服了传统的插值方法致使图像高频部分损失、细节被模糊的缺点,是超分辨率图像处理的一种行之有效的途径,具有一定的实用价值。     

基于Contourlet的改进加权抛物线插值图像超分辨率算法

为了尽可能地保持图像的基本信息,提高图像的视觉效果和空间分辨率,提出一种基于Contourlet的改进加权抛物线插值算法.该算法增加加权抛物线插值的误差补偿项,利用Sobel算子设定插值点的边缘方向,得到初始放大图像.利用Contourlet提取高频成份,原始图像幅值增强充当低频部分,再经过Contourlet逆变换得到高分辨率图像.实验结果表明,相对于传统的图像放大算法,该算法考虑了全局相关性,得到了更加清晰的边缘信息.     

基于复合抛物样条的图像放大算法的设计与实现

图像放大是数字图像处理中常用的技术,图像放大首先对图像进行空间变换,其次对图像进行灰度插值.放大后的图像视觉效果如何在实际应用中显得尤为重要.因此图像放大问题的焦点是如何在图像放大过程中保持良好的视觉分辨率和清晰度.图像放大有许多算法,其关键在于对未知像素点使用何种插值方式.本文提出了一种比传统插值算法更好的算法即复合抛物样条插值,来实现图像的放大.实验结果表明,相对于传统的图像放大算法,本文的算法不仅较好的保留了原始图像的细节信息,而且还提高了放大图像的边缘平滑度,同时也减小了图像放大算法的运算量.     

大倍数超分辨率图像重构的通用快速算法

为了解决超分辨率图像重构的计算复杂性随着放大倍数的加大而呈指数规律急剧上升这一问题，文中提出了一个通用的快速超高分辨率图像重构算法．该算法利用各低分辨率图像之间的位移关系将所有低分辨率图像进行分组，然后分别对每个组进行超分辨图像重构，并重复此分组重构过程直至获得预期的分辨率．实验结果表明，该快速算法能够在保持重构效果基本不变的同时，较大地降低超分辨率图像重构的计算复杂性。     

基于形态学的图像融合算法

提出一种基于边缘连接强度的图像融合算法。利用形态学梯度算子得到图像的边缘信息。以图像灰度的边缘连接强度加权为判据,进行图像融合。实验结果表明,该图像融合方法在保留TM多光谱图像光谱分辨率的同时,通过融合SPOT全色图像提高了空间分辨率,丰富了图像细节信息。     

基于self-snake模型的图像放大

目的研究图像放大的非线性偏微分方程方法。方法基于线性偏微分图像放大方法的初边值条件,提出将具有曲率运动和边缘增强双重功能的非线性偏微分平滑去噪self-snake模型用于图像放大。结果实验证明具有曲率运动、边缘冲击特性和平滑去噪性能的非线性self-snake模型适合于放大图像,拓宽了非线性偏微分方法在图像放大领域的方法研究和应用范围。结论相对于线性偏微分方法self-snake模型是一种行之有效且好的非线性偏微分图像放大方法。     

小波变换用于多分辨率的图像边缘检测

提出了一种用小波变换检测图像边缘的新方法。它基于小波变换多尺度方法分析图像局部的直方图内的信息,通过对小波变换后直方图内信号零交叉点的检测,得到一序列门限值点用于描述图像的边缘即可检测出图像边缘。选取不同的尺度可得到不同分辨率的图像边缘。文中介绍了小波变换用于图像边缘检测和基本原理,给出了小波变换的快速算法和实际检测结果。     

一种基于粗集理论对雾天图像增强的研究

由于雾天有光亮条件的干扰,雾天拍摄的图片经常都有很严重的图像降质;针对雾天图片的退化情况,文章提出了一种基于粗集理论在空域采用3×3滑动窗口的图像增强方法,通过对实物照片的处理表明该方法在图像增强效果和时间复杂性方面均优于传统图像增强方法,在重现原图的基础上能有效地改善雾天图像的退化现象和提高图像清晰度。     

基于双线性内插的图像处理算法及其优化

双线性内插放大算法在平滑图像的同时会使边缘模糊。针对此问题,提出一种基于双线性内插的增强图像轮廓优化算法,使用高通滤波器让高频分量通过,实现边缘细节锐化,提高图像轮廓清晰度。实验分析,优化算法更适于数字图像实时放大处理。     

基于小波的指纹图像增强算法

图像增强的目的是采用一些技术手段,有选择地突出图像中感兴趣的特征或抑制图像中某些不需要的特征·传统的指纹增强算法采用两次滤波操作,需要分多次处理,耗时长,并且噪声较多·应用的小波变换是将指纹图像分解为大小、位置和方向均不相同的分量,并根据需要改变其系数的大小,从而使得某些感兴趣的分量被放大而使某些不需要的分量减少,达到较好的图像增强目的·     

基于小波域HMT模型融合的图像分辨率增强

图像的分辨率可以通过预测细节子带中的小波系数来得到提高.采用Gaussian混合模型的小波域隐马尔可夫树可以精确地描述真实图像的统计特性,非常适合于预测图像的细节子带.但是这类方法的缺点是被预测的小波系数是随机生成的,每次算法得到的结果均不相同,只能从中选择一个作为最终结果.本文提出了一种算法,将随机结果根据局部方差融合规则融合到一起,从而产生一幅更适合人类视觉系统的图像.实验结果证明了本文算法的有效性,其主观和客观评价指标均优于传统算法.     

基于图像熵线性加权的水下图像增强算法

目的 针对工业环境下水下图像受到水中悬浮物影响,从而导致图像的清晰度过低以及对比度过高等问题,提出一种基于图像熵线性加权的水下图像增强算法。 方法 该算法基于图像熵理论对白平衡算法、直方图均衡算法和暗通道先验算法进行线性加权,继而通过实验环境确定调节系数输出高质量图像。 在深度为 1 m、1. 5 m 和 2 m的不同水下环境拍摄图像,对获得的水下图像使用上述三种算法和该算法作对比处理,处理结果通过 PSNR 和UIQM 作为评价指标进行评判。 结果 实验结果表明:使用 PSNR 指标评判该算法,相较于其他三种算法,水深 1 m的水下图像质量提高了 22. 81%,水深 1. 5 m 的水下图像质量提高了 46. 67%,水深 2 m 的水下图像质量提高了38. 94%,图像质量综合平均提高了 36. 14%;使用 UIQM 指标评判该算法,相较于其他三种算法,水深 1 m 的图像质量提高了 1. 02%,水深 1. 5 m 的水下图像质量提高了 0. 73%,水深 2 m 的水下图像质量提高了 1. 82%,图像质量综合平均提高了 1. 19%。 结论 由此可以证明该算法相对于其他传统算法对图像清晰度有着显著提升,并且能够适应不同深度的水下环境,为工业环境下水下图像增强提供了一种新的解决思路。     

基于Retinex理论的电子内镜图像增强算法

为解决电子内镜图像亮度较暗、光照不均匀和对比度较低的实际问题,提出一种基于Retinex理论的电子内镜血管图像增强算法.算法基于图像差分L₁、L₂范数的特性和对光照进行纹理抑制的实际需求,建立Retinex理论的优化表达式;使用变分法进行求解以获取图像的光照分量与反射分量,分别进行光照矫正和细节拉伸;使用改进的对数直方图均衡调整图像颜色通道比例,提高血管图像的对比度.Matlab测试实验表明,该算法能较好增强电子内镜图像,与同类型算法相比,各评价参数有不同程度提高,具有一定的实际应用价值.      

基于直方图统计学的图像增强算法研究

针对图像的灰度特征可以通过统计矩进行定量描述的特点,提出了一种基于直方图统计学图像增强算法。该算法根据图像的全局灰度均值、方差及不同像素点子块灰度均值、方差,对符合增强条件的各像素进行增强,而对亮区不需增强的像素进行保留。因此,图像暗区的细节得以增强。实验结果表明,该算法增强了图像中所希望得到的细节。     

Retinex理论下基于融合思想的低照度彩色图像增强算法

针对Retinex算法处理后的图像边缘保持性差,易产生光晕和过增强的缺点,以及双边滤波易造成图像细节丢失的现象,提出了一种Retinex理论下基于融合思想的图像增强算法。该算法首先在YCb Cr颜色空间提取亮度Y分量,对亮度分量进行大、中、小不同尺度的MSR增强,获得细节信息保留较好的亮度图像,同时在RGB颜色空间对图像进行基于双边滤波的单尺度Retinex增强,获得边缘信息较好的增强图像;然后对增强后的两幅图像加权融合;最后对融合的图像进行颜色恢复处理得到最终的增强图像。通过本文算法与经典SSR、MSR和MSRCR算法处理后的图像进行比较,实验结果表明,本文算法处理后的图像在细节、颜色和边缘保持方面都优于其他算法,并且避免了光晕和过增强现象的发生。     

基于Retinex模型的彩色图像全局增强算法

介绍了基于颜色恒常性理论的亮度感知Retinex模型,通过对HSV空间亮度图像的快速高斯滤波和全局γ变换,估计场景的光照信息,获得仅包含物体本身特性的反射信息图像,进而实现图像增强.主观视觉观察以及客观定量计算结果均表明,对于受光照等因素影响的可视性较差的图像,基于Retinex模型的彩色图像全局增强算法效果十分显著.