一种新的X射线图像增强算法

基于X射线影像增强器的视觉系统所成图像的缺点是动态范围小,对比度不够高。为此,提出一种新的X射线图像增强算法。首先在高低两个不同射线管电压下分别获取两幅图像,利用离散小波变换对其进行多分辨率图像融合,以扩展X射线图像动态范围,之后再利用双平台直方图均衡算法对融合图像进行增强。实验结果显示,射线图像得到有效增强。     

基于Contourlet变换的焊缝X射线图像增强

为了改善X射线成像对比度低、背景噪声明显、被测工件细节不易显示等缺点.针对X射线图像的特点及常规增强方法的不足,应用一种基于Contourlet变换的增强算法,对X射线图像进行图像增强,提高了原图像的对比度和像质,达到了细节区域的最佳视觉效果.实验结果表明,该算法与直方图均衡和小波域图像增强方法相比,有效的增强了对比度、抑制了背景噪声.该算法对X射线图像增强后,图像所达到的射线检测标准比前两种算法高.     

TDI-CCD图像固有条带噪声的消除方法及实现

存在于TDI-CCD图像中的条带噪声会影响图像的质量,降低系统的测量精度。针对TDI-CCD图像固有条带噪声的灰度值在原始信息中变化比较缓慢的特点,利用傅里叶变换域内的频谱图映射确定条带噪声频率的方法,分别采用低通、带阻滤波器对条带噪声进行消除。另外,提出了一种改进阈值的小波变换法来消除条带噪声,该方法能在小波分解后各个尺度的垂直方向上自适应地确定阈值。实验结果表明在消除条带噪声方面,改进阈值的小波变换法优于传统的傅里叶变换法。在整个频率域内,改进阈值的小波变换法能够较彻底地消除条带噪声,同时较好地保持了原图像的特征。     

一种基于小波变换的非线性红外图像增强算法

针对红外图像对比度低,噪声干扰大,用传统增强算法增强时,增大噪音的问题,提出了一种基于小波变换的非线性红外图像增强算法.该算法先对原始图像进行小波变换获得低频和高频系数,接着根据低频系数的特点设计了非线性函数对低频系数进行增强,并对高频系数进行小波去噪,最后通过小波重构得到增强的图像.仿真实验表明,该方法不仅解决了红外图像对比度低的问题,并且降低了噪声,突出了图像细节,该方法无论是增强效果还是抗噪效果都明显优于传统的图像增强方法.     

一种基于整数小波变换的遥感影像融合算法

提出了一种IHS变换和整数小波变换相结合的遥感影像融合算法(IHS-IWT),并根据待融合图像的特点,选取了有效的融合策略.首先对中巴卫星多光谱影像进行IHS变换,然后对得到的亮度分量和Landsat ETM 高分辨率全色影像进行整数小波融合,最后通过整数小波逆变换得到融合的图像.实验结果表明,与IHS变换等方法比较,该方法在较好的保留光谱信息的同时,空间细节信息也得到了增强,并且具有较快的处理速度.     

基于相位一致性变换的红外图像区域匹配算法研究

由于红外图像具有高噪声、低分辨率的特点,这使得在红外图像中使用基于区域的匹配方法很难取得较好的视差图.在分析了经相位一致性变换后图像的特征后,提出了一种基于区域的匹配方法.即先对图像进行相位一致性变换,再利用变换后图像进行区域匹配.试验结果表明,相位一致性变换后的新图像,噪声得到了较好的抑制,特征更加明显.对变换后的图像采用区域匹配的方法,可以得到较好的匹配效果.     

一种图像去噪的小波相位滤波改进算法

大多数的小波去噪方法都是基于图像小波幅度信息的,但对于低SNR图像来说,其小波域中的图像边缘信息被噪声掩盖,所以有人提出了对幅度不敏感的小波相位滤波算法,利用含噪图像分解后的相位信息来恢复图像,本文对这种算法作出了一些改进。在相位滤波的基础上,考虑Laplace邻域,试验结果表明比原算法效果好。     

一种基于小波变换的数字水印算法

提出一种基于人类视觉系统和小波变换的数字水印算法.该算法同时对水印信息和载体信息进行小波变换,根据HVS模型把水印信息DWT变换后的系数嵌入到图像载体DWT系数中.理论分析和实验结果表明:该算法很好的解决了水印鲁棒性和不可见性之间的矛盾,对一般的图像处理和攻击,如JPEG压缩、滤波、加噪声、裁剪等有很好的鲁棒性.     

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.     

结合PCA和SVM的太阳能电池缺陷识别

提出了一种结合小波变换和RFPCA(robust fuzzy PCA)的特征提取方法,利用SVM(Support Vector Machine)分类器来分类缺陷图像。小波变换具有保留主要信息、去除噪声、多分辨率、去相关性等特点;对变换后的图像采用RFPCA进行识别,可以降低图像噪声的影响。由于小波变换后的图像只为原图像的1/4,大大降低了图像矩阵的数据量,可以用在需要大量训练样本和测试样本的情况。实验结果表明,所提出的方法在识别率有所提高,大大减少了样本训练和识别的时间。     

基于提升小波变换的红外图像双重滤波算法

为了有效抑制红外图像中的随机噪声,采用一种基于提升小波变换的双重滤波算法来进行处理。该算法对含有噪声的红外图像实现第1次提升小波分解,然后对获得的低频和高频分解系数再次实现提升小波变换,舍弃由低频系数经过第2次提升小波变换后获得的低频系数以及由高频系数经过第2次提升小波变换后获得的高频系数。对剩余的高频系数和低频系数分别采用改进阈值函数模型以及改进非局部均值滤波算法进行处理,在此基础上实现小波系数重构。为了改善滤波后图像视觉效果,再引入直方图均衡化算法进行处理。通过理论分析和实验验证,获得了相关的标准测试图像和红外图像测试结果以及峰值信噪比和结构相似度测试数据。结果表明,该滤算法对于高质量地去除红外图像中的噪声是有帮助的。     

基于信息冗余的小波红外图像去噪算法

红外图像具有图像灰度集中、对比度低等特点,因而红外图像增强是红外图像应用必不缺少的部分,随之而来的是图像噪声的放大,为了进一步提高红外图像质量,需对增强后图像去噪。现有众多去噪方法中,极少同时兼顾算法效果及可实现性。提出了一种基于信息冗余的小波去噪算法,此算法在离散小波变化(DWT)过程中分别以不同的下采样方式获取多组含有相似冗余信息的小波系数,再利用噪声估计对小波系数进行非线性变换,抑制高频噪声并保留细节,然后利用变换后小波系数重构(IDWT)多副图像,利用含相似冗余信息的多副图像加权进一步去除高频噪声,获取最终去噪图像。此算法已在单片FPGA中进行实现,利用ALTERA CYCLONIII芯片实现后的处理帧频达到50 fps,满足实时性要求。     

粗糙集与小波变换在图像融合中的应用

针对含有椒盐噪声的多聚焦图像,提出了一种基于粗糙集和小波变换的图像融合算法.首先对源图像进行粗糙增强预处理,再采用小波变换对增强后的图像进行融合,得到融合图像.实验结果表明,粗糙增强在有效去除噪声的同时,较好发保持了图像细节信息,在此基础上进行小波融合,使得融合图像有着更好的视觉效果.     

Efficient image denoising method based on a new adaptive wavelet packet thresholding function

This paper proposes a statistically optimum adaptive wavelet packet (WP) thresholding function for image denoising based on the generalized Gaussian distribution. It applies computationally efficient multilevel WP decomposition to noisy images to obtain the best tree or optimal wavelet basis, utilizing Shannon entropy. It selects an adaptive threshold value which is level and subband dependent based on analyzing the statistical parameters of subband coefficients. In the utilized thresholding function, which is based on a maximum a posteriori estimate, the modified version of dominant coefficients was estimated by optimal linear interpolation between each coefficient and the mean value of the corresponding subband. Experimental results, on several test images under different noise intensity conditions, show that the proposed algorithm, called OLI-Shrink, yields better peak signal noise ratio and superior visual image quality-measured by universal image quality index-compared to standard denoising methods, especially in the presence of high noise intensity. It also outperforms some of the best state-of-the-art wavelet-based denoising techniques.     

基于哈达玛矩阵编码测量的自适应压缩成像

为了消除采样过程中的噪声干扰,进一步提高重构图像质量,针对数字微镜阵列(DMD)与桶探测器在测量过程中点对点采样产生的起伏噪声导致图像信噪比降低的问题,提出基于哈达玛矩阵编码测量的压缩采样成像方法。首先采用DMD分区控制方法,利用哈达玛编码测量,计算获得低分辨率的粗糙图像,接着在预测的重要小波系数所在区域,对同一尺度上的重要区域利用哈达玛矩阵进行投影,同时计算出这些区域的小波系数,最后通过小波逆变换获得重构图像。实验表明,在测量噪声为0.2倍的热噪声下,只需要10%的采样率,通过哈达玛编码测量,图像峰值信噪比从13.98dB最高提高到34.56dB,提高了20.58dB,成像质量明显改善,清晰度高。当存在较大的测量噪声时,该方法可以大幅提高图像的信噪比,尤其适用于微弱光信号条件下的高灵敏压缩采样成像。     

Modeling and reduction of SAR interferometric phase noise in the wavelet domain

This paper addresses the problem of interferometric phase noise reduction in synthetic aperture radar interferometry. A new phase noise model in the complex domain is introduced and validated by using both simulated and real interferograms. This noise model is also derived in the complex wavelet domain, where a novel noise reduction algorithm, which is not based on a windowing process and without the necessity of phase unwrapping, is addressed. The use of the wavelet transform allows to maintain the spatial resolution in the filtered phase image and prevents to filter low coherence areas. By using both, simulated as well as real interferometric phase images, the performance of this algorithm, in terms of noise reduction, spatial resolution maintenance, and computational efficiency, is reported and compared with other conventional filtering approaches.     

基于伪中值滤波和小波变换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,提出一种基于伪中值滤波和小波变换的红外弱小目标增强的算法。图像首先经过伪中值滤波滤除部分噪声,然后进行小波变换得到小波系数,对小于阈值的系数利用基于临近系数保留法进行滤波,防止小目标误判为噪声被滤除,对于大于阈值的系数进行非线性增强,最后重构得到去噪后的增强图像。实验结果表明,本文算法有效地滤除了噪声,提高了图像的对比度,更符合人眼视觉特性。     

基于数据融合的SAR图像斑点噪声抑制

合成孔径雷达图像中的斑点噪声极大地降低了图像的可读性，不利于图像解译和信息提取。根据均值滤波和小波软阈值去噪算法的优点，提出了一种基于数据融合的合成孔径雷达图像相干斑抑制算法。该方法首先对含噪图像进行均值滤波和小波软阈值去噪，再对滤波后的两幅图像在小波域进行数据融合。实验结果表明，这种方法抑制SAR图像斑点噪声的效果较好。     

基于小波变换与像元对目标的短波红外图像增强算法

弱光夜视是短波红外成像的重要应用领域之一。针对短波红外弱光图像对比度低,增强后噪声也被放大的特点,提出了一种基于小波变换与像元对目标的短波红外图像增强算法。首先通过小波变换获得不同频率成分的子带图像;然后对低频子带图像进行基于像元对目标的灰度变换处理,对高频子带图像进行可变阈值降噪处理;最后通过小波反变换将处理后的子带重构得到增强结果。将该算法与基于直方图的增强算法,全局优化线性窗口色调映射算法和自然保持增强算法进行比较,采用图像的信息熵和基于Michelson法则的对比度增强度量作为客观评价指标,结果表明本文算法更为有效地提高了短波红外弱光图像的对比度,抑制了噪声的增强,提升了图像的视觉效果。