基于形态小波变换的低对比度图像增强算法

针对传统的图像对比度增强方法所存在的一些问题,提出了一种基于形态小波变换的图像增强算法.首先,将低对比度图像采用基于提升格式的形态Haar小波进行小波变换,得到小波系数,该小波变换实现结构简单,计算量低,并且有利于图像重要的几何信息在低分辨率空间中的保留.然后,对低频子带小波系数,采用直方图双向均衡方法进行调整,对高频子带小波系数进行基于软阈值滤波的细节系数增强,将调整后的小波系数反变换到空域上,得到增强后的结果.最后,给出几种增强算法实验结果的比较和分析,表明该算法对低对比度图片的增强是非常有效的,可以有效地增强图像的细节信息,保持图像的边缘特征,改善图像的视觉效果.     

多尺度下低对比度红外热图像增强技术

对红外热图像进行增强时，常采用基于直方图的图像灰度线性或非线性变换技术以及中值滤波方法，使图像的目标与背景之间的灰度差别放大并且滤除噪声，从而达到增强图像的目的，其缺点是灰度变换技术易放大噪声而中值滤波方法只能滤除高斯白噪声。由于梯度反映了图像灰度之间的差异，而根据二进小波变换可以建立红外热图像的梯度矢量图，通过增强红外热图像梯度的幅度，可以有效地增强图像对比度。根据脉冲噪声和高斯白噪声的多尺度下小波变换特性，抑制噪声点的梯度且增加目标的梯度幅度，能达到既增强图像又抑制多种噪声的目的。     

基于离散小波框架变换的遥感影像薄云去除

遥感影像可见光波段受云层变化影响较大,如何有效去除云的影响是遥感图像处理中的一个重要问题.本文提出了一种基于离散小波框架变换的薄云去除算法.在小波框架变换多尺度分析的基础上,算法在低频图像上将云区和清晰区区分出来,并进行均值匹配.然后对于小波高频系数在不同尺度上进行不同程度的增强;对同一尺度的系数进行非线性处理以增加对比度,最后通过反变换得到去云后的图像.实验表明,该算法能有效地去除薄云,增强图像对比度,减小噪声的增强幅度,使结果图像具有很好的视觉效果.     

基于小波的同态滤波器用于图像对比度增强

同态增晰可用于减少光照不均匀引起的图像降质,并对感兴趣的景物进行有效增强,本文提出一种基于波波的同态增晰方法,采用一种高通滤波器对小波分解系数进行处理,处理后图像的局部对比度增强效果明显,又能较好地保持图像的原始面貌。     

结合人眼视觉特性的红外图像增强新技术

红外图像具有边缘模糊和对比度较低的缺点,不适合人眼观察,所以要对其进行增强.但是现有的增强方法没有考虑人眼的视觉特性,视觉效果不好.提出基于小波的多分辨分析方法和Retinex图像增强算法相结合的红外图像增强方法,对红外图像不同的高频细节进行有针对性增强,同时用Retinex算法把人眼的视觉特性融入其中,能够使得增强的红外图像光照均匀,亮度适中,更适合人眼观察.算法既增强了图像的细节,又增强了图像的对比度,实验证明:该方法解决了红外图像低对比度和细节模糊的问题.     

弱小目标低对比度图像增强算法研究

采用分段线性变换对白天亮背景下低对比度图像序列进行对比度增强,最关键的是分 段点的选取。提出两种分段点确定方法:多尺度逼近利用目标和背景的灰度值在不同尺度空间中具有不同动态特性的特点,逐次逼近,通过找出目标和背景的过渡区域得到分段点;恒增强率方法确定一个固定的增强率,在直方图中由高到低找出满足该比率的灰度值作为分段点。两种方法均简单易行,试验证明它们能准确地对分段点进行定位,从而有效地增强了图像的对比度。     

基于多尺度小波变换的图像对比增强方法

首先应用多尺度小波变换对图像进行小波塔式分解,并根据各子图像的特性,在去噪和不损失边界信息的情况下,采用非线性增强函数对各子图像进行对比度增强,然后再进行重构。最后通过视觉效果和图像的信息熵两方面将文中的方法与传统的图像增强方法进行比较,结果表明文中的方法明显优于传统的图像增强方法。     

基于对比度的小波图像融合算法研究

图像融合可以集成多个源图像中的冗余和互补信息,增加图像理解的全面性,获得对同一场景的更为准确可靠的图像描述。传统的小波图像融合方法的融合规则是分别对低频和高频系数进行处理,忽略了两者之间的联系。本文提出利用对比度将高频系数和低频系数的处理联系起来,并以对比度作为度量系数取舍的准则进行图像融合。实验仿真研究表明,本文提出的算法很好地保留了多幅源图像的有用信息,是一种有效的图像融合算法。     

基于离散平稳小波变换的红外图像对比度增强

提出一种基于离散平稳小波变换的红外图像增强方法,对红外图像进行离散平稳小波 变换后,分别对各个分解层的高频子带利用所提出的非线性增强方法进行对比度增强。实验结果表明,本文提出的方法在有效的提高红外图像中目标对比度的同时,又能突出红外图像的细节部分信息。算法在性能上优于传统的直方图均衡法、反锐化掩膜法和基于离散正交小波变换的对比度增强方法。     

基于模糊小波的图像对比度增强算法

针对传统的图像对比度增强方法存在的诸多问题,本文提出了一种模糊小波增强算法.首先,将低对比度图像进行规范化,选定一个确定小波对规范化后的图像进行小波变换,得到小波系数.然后,模糊化低通小波系数,再采用全局和局部信息进行调整.对高通小波系数,采用非线性运算进行调整.将调整后的小波系数反变换到空域上,得到增强后的结果.最后,给出几种增强算法实验结果的比较和分析,表明该算法对低对比度图片的增强是非常有效的,并且很好的抑制了噪声,没有出现局部区域过增强或增强不足的现象.     

基于小波变换多尺度积的图像融合算法

图像融合是图像处理中的关键技术之一。它在军事和民用图像处理领域获得了广泛的应用。提出了一种新的基于小波变换多尺度积的图像融合算法,小波变换多尺度积具有放大信号边缘特征和降低信号噪声的特点,有利于在融合图像中保持图像的细节特征。利用统计分析的评判准则,如熵、标准偏差评价图像的融合效果。实验结果表明该方法提高了图像的熵和标准偏差。在保留原图像信息的情况下增强了融合图像的细节信息。     

Adaptive multiresolution speech enhancement algorithm based on wavelet transform

In this paper, an adaptive multiresolution speech enhancement algorithm based on wavelet transform is put forward. It can make adaptive filtering to noise speech both at scales and among scales. So that the noise parts during the frequency intervals which decrease hearing quality mostly are reduced efficiently. Both the SNR and subject hearing quality of denoised speech are high and good.     

基于小波变换和直方图均衡的红外图像增强

基于红外图像低分辨率、低对比度、视觉特性差的特性,以及传统的利用直方图均衡化进行红外图像增强的方法会丢失图像的细节信息、增强红外图像的噪声的特性,将小波变换的多尺度、多分辨率的特点和直方图均衡化的方法相结合,提出一种更好的实现红外图像增强的算法。并将该算法在Matlab上进行了仿真验证。     

Low light image enhancement with dual-tree complex wavelet transform

In low light condition, low dynamic range of the captured image distorts the contrast and results in high noise levels. In this paper, we propose an effective contrast enhancement method based on dual-tree complex wavelet transform (DT-CWT) which operates on a wide range of imagery without noise amplification. In terms of enhancement, we employ a logarithmic function for global brightness enhancement based on the nonlinear response of human vision to luminance. Moreover, we enhance the local contrast by contrast limited adaptive histogram equalization (CLAHE) in low-pass subbands to make image structure clearer. In terms of noise reduction, based on the direction selective property of DT-CWT, we perform content-based total variation (TV) diffusion which controls the smoothing degree according to noise and edges in high-pass subbands. Experimental results demonstrate that the proposed method achieves a good performance in low light image enhancment and outperforms state-of-the-art ones in terms of contrast enhancement and noise reduction.     

基于小波变换的加权图像融合方法

提出了一种基于小波变换的多光谱图像与高空间分辨率图像融合方法。该方法通过局部方差准则利用加权平均将高空间分辨率图像和多光谱图像经小波分解的低频分量进行融合,然后将融合的低频分量和高空间分辨率图像的细节分量结合进行小波反演变换得到融合图像。通过和WT方法的融合结果进行对比评价,表明了该方法在提高多光谱图像的空间细节表现能力和保持光谱信息上都有很好的效果。     

基于小波变换的红外图像融合技术研究

图像融合的目的是把来自多传感器数据的互补信息合并形成一幅新的图像,以便更好地进行监视和侦察之类的视觉感知。文中介绍了小波变换及其Mallat快速算法,提出了基于小波变换的图像融合方法,并分析了可见光与红外图像的融合结果,结果表明,小波变换融合图像包含了所有传感器的相关信息,其性能优于高斯－拉普拉斯金字塔结构算法,这一原理也可以应用到两幅以上的图像上,无论这些旬否在同一光谱波段内。     

基于小波多分辨分析的图像融合方法

图像融合的目的是把来自多传感器数据的互补信息合并形成一幅新的图像,以便更好地进行监视和侦察之类的视觉感知[1,2]。在阐述了小波变换多分辨分析的基本原理及其特点的基础上,提出了基于小波多分辨分析的图像融合的新方法。实验结果表明,该方法效果良好,可广泛用于各研究领域。     

基于小波变换的不同融合规则的图像融合研究

图像融合是一种重要的增强图像信息的方法。提出了一种基于多尺度分解的像素图像融合方法。利用小波变换按照不同融合规则及融合算子构造融合图像对应的小波系数。通过对可见光图像与红外图像进行融合的实验比较表明，以像素的局部能量为准则的融合效果更好，既可避免传统融合规则的信息损失，又提高了融合图像的空间分辨率和清晰度，融合图像更符合人的视觉特性，也有利于机器视觉。     

基于小波和灰度形态学的红外图像增强方法

针对红外图像对比度差、信噪比低的特点,提出了一种基于小波变换和灰度形态学的红外图像对比度增强的算法,对红外图像进行小波分解后,利用灰度形态学对低频系数进行对比度增强,同时计算局部阈值,并利用确定的阈值对小波系数进行去噪处理,最后重构得到去噪后的增强图像。实验结果表明,本文算法有效的提高了目标的对比度,同时突出了目标的细节信息,算法在性能优于传统的中值滤波与直方图均衡法相结合、维纳滤波与灰度变换法相结合的对比度增强算法。     

基于小波变换的改进影像金字塔模型

随着遥感影像数据量不断增长,为了更加高效地组织与管理海量的遥感影像,研究并提出了改进的基于小波分解的影像金字塔构建方法。利用多分辨率分析和图像的小波分解与重构算法,参考影像金字塔构建的一般方法,将图像小波分解的不同级系数量化、编码后,分别存储于金字塔的不同层中。该构建方法可以有效地降低金字塔各层之间的数据冗余,减少总数据量和浏览时的数据流量,并能更好地支持嵌入式码流和渐进式传输。