分解的二维倒数交叉熵图像阈值选取

Shannon熵常用于表示信息平均不确定性,但因其定义基于对数函数故存在零点处无意义的缺陷,且二维交叉熵法中若能避免对数运算可使处理速度进一步提升。据此,本文提出了基于分解的二维倒数交叉熵图像阈值选取方法。首先定义了倒数交叉熵,依据分割前后图像之间的最小倒数交叉熵选取阈值;然后给出了二维倒数交叉熵定义及其阈值选取公式,提出了二维倒数交叉熵阈值选取的分解算法。通过求解两个一维倒数交叉熵的最佳阈值,再将其组合获得二维倒数交叉熵最佳阈值,由此将二维运算分解为两个一维运算,算法的计算复杂度从O(L4)降低到O(L)。大量实验结果表明,与基于粒子群优化(Particle Swarm Optimization, PSO)的二维最大Shannon熵法、基于粒子群优化的二维Shannon交叉熵法以及二维指数交叉熵法相比,本文方法的分割效果和运行速度均有优势。      

基于NSST和人眼感知保真约束的图像自适应增强

鉴于现有的图像增强方法在提高图像对比度、清 晰度等方面仍存在不足,提出了基于非下采样剪切波变换 (NSST,non-subsampled shearlet transform)和人眼感知保真约束的自适应 增强方法。首先对输 入图像进行NSST,分解为一个低频子带图像和多个高频子带图像;然后利用非线性增益 函数增强高 频子带系数,同时对低频部分进行分块局部增强;考虑到传统分块局部增强存在局部图像块 间不连续进而 导致失真的情况,引入了人眼感知保真约束条件,并将其转化为求解一个典型的线性优化问 题,由此获取 增强参数,实现低频部分的增强;最后融合处理后的高低频子带系数,重构出期望的增强 图像。大量实验 结果表明,与近年提出的4种同类方法相比,本文方法所得增强图像的主观视觉效果更好 ,在清晰度、 局部对比度以及全局对比度等定量评价指标上平均高出50%,且实时性良好。