基于复—方向小波变换和视觉表示的图像增强

针对复—方向小波变换具有好的平移不变性、方向选择性、对图像边缘特征的表示比传统实小波要好等优势,提出了一种基于视觉表示统计特性和复—方向小波变换的图像增强新方法。该算法在图像的多尺度复—方向小波变换域内进行动态范围(亮度)修正和局部对比度调整以增强图像。实验结果表明,与目前经典的多尺度增强算法相比,运用本文的算法增强的图像视觉效果好,在边缘和细节处失真小,而且对图像源的变化具有很好的鲁棒性。     

基于小波变换与数学形态学的红外图像分割方法

提出一种基于小波变换和形态学相结合的红外图像分割方法,该方法利用小波变换和形态学消除红外图像的混合噪声,抑制背景干扰和增强目标;通过选择适当的结构元素进行系列形态组合运算,自适应确定阈值,提取目标;利用形态学水线区域分割法对图像进行分割,分离目标区域。实验结果表明,该方法能有效检测和分割出低信噪比复杂背景红外图像中的目标。     

平稳小波变换的红外图像模糊阈值去噪

提出了一种基于平稳小波变换的红外图像模糊阈值去噪方法.对红外图像进行平稳小波变换后,对小波系数进行模糊阈值处理实现图像去噪.仿真结果表明,与正交小波模糊阈值、平稳小波统一硬阈值和维纳滤波去噪方法相比,该方法具有良好的去噪性能,并且在去除红外图像噪声的同时,能够获得很好的边缘保持效果.     

一种新的基于小波变换的多尺度边缘提取方法

选取二维高斯函数的一阶偏导数构造小波函数,利用小波变换的多尺度特性,结合"非极大抑制"的方法,提取图像的多尺度边缘信息.对传统的小波变换算法进行了简化,显著降低了算法的复杂性和计算量.通过调整小波变换的尺度,既能够获取图像的细节边缘信息,又可以提取图像的粗轮廓边缘信息,仿真实验取得了比较理想的结果.     

基于小波分析的眼底病图像预处理

将小波变换方法用于眼底病灰度图像预处理。采用Haar小波对输入的眼底病灰度图像进行单尺度二维离散小波分解提取边缘。为了从不同程度改善图像的质量，我们对分解的图像进行量化编码，把高频三个方向的分解系数图像用离散小波变换逆变换进行图像融合及图像增强。通过计算机模拟对比了一阶、二阶微商的边缘提取方法和小波变换边缘提取方法预处理结果，结果表明采用小波变换对输入的眼底病灰度图像进行预处理是一种更理想的方法。     

平稳小波的侧抑制网络边缘提取方法

侧抑制网络具有“突出边框,增强反差”的功能,但其增强反差的同时也增强了噪声,其抗噪性较差。正交小波阈值去噪法对图像噪声有一定抑制作用,然而对于图像中噪声幅度较大的情况下,正交小波变换会使图像边缘失真,甚至模糊。基于平稳小波变换的图像去噪法,可以有效降低噪声的同时较好地保持图像的质量,与基于正交小波变换的阈值降噪方法相比,有明显的优越性。因此利用新Bubb le函数将平稳小波和侧抑制网络结合起来,用平稳小波变换去除噪声、侧抑制网络突出边框,从而准确、有效地提取出图像的边缘。     

一种新的红外图像目标检测方法

提出了一种新的海空背景下受强杂波、噪声污染的红外图像目标检测算法,算法利用了小波变换的多分辨率、多尺度特性,将要检测的图像分解到不同频率的多个尺度上,再采用形态学的背景估计和形态滤波技术,对分解后的子图像进行处理、小波重构。仿真实验表明,该算法可较强地抑制云层、海浪以及海天线的强杂波背景和强噪声的干扰,可检测出信杂比(SCR)为2的目标,适用于舰载红外警戒系统。     

基于多尺度形态学操作的超声图像增强方法

针对医学超声图像低对比度和强噪声给医疗诊断和图像处理所带来的困难,通过基于多尺度形态学操作的方法实现图像增强和噪声抑制的目的.该方法将传统的图像增强概念延伸到数学形态学多尺度空间中,利用多尺度形态学操作提取图像多尺度特征,并通过改变这些特征的强度实现图像局部对比度增强和噪声抑制.实验证明,该方法对超声图像局部对比度增强和噪声抑制是有效的.     

基于二进小波变换的噪声图像自适应增强新算法

针对图像增强算法通常会放大原图像中噪声分量的问题,提出了一种基于二进小波变换的图像增强新算法。该算法充分利用了二进小波变换的平移不变性和各尺度上小波系数间的相关性,有效改善了增强过程中噪声放大和边缘失真问题。此外,算法具有高度的自适应能力,适用性更强。实验结果表明,与目前已有的各类多尺度图像增强算法相比,该算法在抑制噪声和凸显图像特征两方面均有明显改进。     

一种改进的多聚焦图像融合算法

针对小波变换在进行多聚焦图像融合时存在的边缘失真问题,提出了一种基于双正交小波变换的图像融合算法.对图像分解后的高频分量采用一种基于区域的融合策略;对分解后的低频分量通过度量图像区域质量来选择该区域中心像素从而确定融合图像的低频分量,最后进行双正交小波反变换得到融合图像.通过对多聚焦图像的仿真实验表明,此算法得到的融合图像在清晰度和对比度方面都得到了较大提高,是一种有效的图像融合算法.     

低信噪比抖动红外点目标的检测

本文为解决低信噪比条件下抖动红外点目标的检测问题，提出了一种基于膨胀累加、检测前跟踪的检测算法。该算法运用膨胀累加方法能够消除抖动对多帧累加算法的不利影响，使目标能量仍然能够实现有效的积累，从而达到目标增强的目的。本文还采用了小波变换预处理方法，对图象中相关的１／ｆ噪声进行白化。模拟实验结果表明，该算法能够快速检测出信噪比为２抖动点目标。     

小波阈值技术在图像降噪中的应用研究

通过对图像的小波变换系数进行阈值操作，可以有效降低噪声，同时又较好地保持图像细节。在文章中详细讨论了这种小波阈值降噪技术，并给出了在此种降噪方法中阈值选取的几种方法。由实验结果可以知道此种小波阈值方法是一种有效的图像降噪方法。     

基于局部平稳高斯模型的小波变换域盲图像水印检测

盲数字水印是数字作品版权保护系统的关键技术之一。由于在检测时没有原始图像作为参考 ,所以水印检测器的设计成为盲水印算法的核心。基于图像小波变换系数的局部平稳高斯模型 ,提出了一种新的盲水印检测器。实验结果表明该检测器与被广泛应用的线性相关检测器相比具有更好的鲁棒性     

一种改进的红外图像降噪算法与FPGA实现

由于实时目标的红外图像具有信噪比低、边界模糊等问题,在研究红外图像噪声特点的基础上,提出了一种基于动静态检测算法的红外图像降噪算法。通过一种动静态检测算法将图像分成动态图像和静态图像,用改进的自适应维纳滤波算法处理动态图像,用改进的NL-means降噪算法处理静态图像,并用FPGA实现红外图像降噪系统设计。实验表明,红外图像经算法处理后,其PSNR和细节方差-背景方差比(DV/BV)均高于经典降噪算法,算法能有效减少图像噪声,并能很好地保持图像的边界细节信息。     

基于区域的小波变换图像压缩

由于小波变换的全局分解性,因而并不适用于固定形状（或对象）的图像分解。为了解决这个问题,本文提出了基于感兴趣区域的小波变换（RWT）,在计算复杂度上与现有算法相比有所减小。由于RWT算法仅仅处理原始图像中的区域部分,因而与传统的小波变换相比,它的计算复杂度要小的多。实验结果表明,图像中的任何区域都可用RwT算法分解,用R册逆运算完全重构。此外,在压缩比相同的情况下,由于RWT算法产生较少的高频的信息,因而要比形状自适应小波变换实用。     

压缩感知理论在红外成像中的应用

分析了红外图像的数据特性,并对红外数据进行稀疏化处理,提出了基于压缩感知理论的红外图像成像方法。在红外图像测量平面使用随机观测矩阵进行观测,以少量的数据采样信息获得重建红外图像的足够信息。由实验和仿真计算可知,压缩感知理论应用于红外成像技术,降低了数据采样量,提高了采样速度,并能以较小的误差实现红外图像的重构。     

基于复小波域Wiener滤波的图像去噪方法

针对基于张量积小波域W iener滤波方向性差,从而导致去噪后图像边缘信息保持欠佳的问题,对复数小波的方向性质进行了分析,采用基于具有强方向性的复数小波域的W iener滤波的方法去噪,去噪后图像峰值信噪比和视觉质量较二维张量积小波去噪都有明显改善。