基于小波变换的低对比度图像增强改进算法

提出一种基于小坡变换的图像增强算法.利用小波变换的时频局域性和方向性特点,对分解后的高频系数进行子树划分,以子树为单位实现图像的对比度增强.在VC++环境下实现了该方法,实验结果表明该算法能得到整体视觉好的图像,是一种有效的图像增强算法.     

基于微粒群算法的图像自适应度变化研究

介绍了对灰度非线性转换算法的研究,提出了一种基于微粒群算法的图像对比度自适应变化算法,将改进的微粒群算法进行测试,并且为了在图像增强中取得好的效果,将改进的算法图像在对比度增强中引入,从而实现对比度的自适应变换。     

基于Contourlet变换的MRI医学图像增强

利用Contourlet变换的多尺度、局部化、方向性等优点,提出一种基于Contourlet的MRI图像增强方法。实验结果表明,与传统的方法相比,该方法能够更有效地增强MRI图像的边缘细节特征,获得良好的效果。     

基于小波变换的反锐化掩模图像增强研究

研究了反锐化掩模技术在图像增强中的应用,给出了基于小波变换的反锐化掩模法图像增强的实现算法,同时进行了实验验证.从实验结果可以看出,基于小波变换的反锐化掩模法可以有效地对图像的细节进行增强.     

基于小波的图像增强算法在乳腺癌检测中的研究与应用

乳腺癌是现代女性最常见的恶性肿瘤之一,X光照片是一种在乳腺癌普查中广泛采用的检测手段。由于医学影像噪声大不清晰,检测结果往往不尽人意。本文以数字乳房X片图像为对象,研究了提高微钙化点的对比度的基于小波变换的图像增强算法。小波变换在时频域的多分辨率具有良好的空间域和频率域局部化特性。实验证明,基于小波多分辨率分析在抑制噪声的同时能对图像进行有效增强,提高图像的对比度,使钙化点的显示更为明显,提高了图像中病灶重要特征的可视化。基于小波的图像去噪和增强算法作为医学诊断的辅助手段有极其重要的意义。     

基于直方图的 X 线医学图像增强及 Matlab 实现

直方图增强技术是图像增强的基本方法之一,能有效地改善图像整体对比度和细节清晰度.该文分析了直方图均衡化和直方图规定化的基本原理,给出了算法和推导公式,并在Matlab环境下,导入一幅X线医学图像,利用Matlab工具箱进行均衡化和规定化处理,给出处理后图像.     

路面裂缝图像局部对比度增强技术研究

为提高路面裂缝图像的对比度,提出了一种形态学多尺度局部对比度增强算法。基于形态学top—hat变换,通过提高亮特征灰度值或降低暗特征灰度值来增强图像对比度。试验表明,该方法可以有效地增强路面裂缝图像的对比度。     

多方向双边滤波单尺度Retinex图像增强研究

传统的单尺度Retinex(SSR)图像增强算法无法准确估计明暗突变剧烈区域的背景光照,增强图像易产生光晕现象且图像细节信息减弱。针对这种情况,提出一种基于多方向的双边滤波单尺度Retinex图像增强算法,利用不同方向的双边滤波器平滑输入图像,获得不同的光照图,通过融合得到光照估计,在Retinex增强时保留一定程度的光照使图像增强更加自然。实验结果表明,该方法能有效克服光照不均且可消除光晕现象,增强图像细节,其增强效果优于传统的SSR。     

基于小波变换的低照度图像增强新算法

针对低照度图像暗、对比度低,同时存在大量黑暗连通区的特点,提出了一种基于小波系数融合的低照度图像增强算法,该算法对图像的低频和高频信息分别用空域法和频域法进行处理。实验表明,该方法在处理低照度图像的过程中,在调节图像动态范围和增强图像细节的同时,也达到了对高频信息降噪的目的。通过该算法处理,能有效减少拍摄图像所需的曝光时间。     

基于低秩近似与非局部稀疏的图像去噪

基于低秩近似方法进行图像去噪逐渐成为图像处理领域研究的热点。将图像块分解成一个低秩矩阵和噪声矩阵,利用矩阵的秩来约束图像块的相似性,且现有的非局部稀疏表示算法利用图像块的自相似性进行去噪。鉴于此,提出低秩近似与非局部稀疏的图像去噪模型。该算法加强了图像分解的全局稀疏性约束,更好地保留了图像的细节和边缘信息。     

基于局部特征和二维PDF修正的图像增强算法

文章提出一种改进的图像增强算法,结合图像直方图和邻域窗口中局部特性,将一维PDF（概率密度函数）转化为二维,根据生成的二维PDF得到修正因子,对原始直方图的各灰度级频数进行修正,再按照修正结果对原图像进行均衡化处理,避免了过增强现象的出现,通过实验和已有算法进行了比较,证明该算法对各种图像均可取得较好的处理效果．     

粗糙集和规定化直方图图像增强算法研究

图像增强能够有选择地突出图像中的有用信息并抑制无用信息,以改善图像视觉效果进而提高图像清晰度和使用价值。由于图像信息本身具有复杂性和相关性,导致在图像增强中出现不确定性和模糊性。提出粗糙集和规定化直方图的图像增强算法,采用粗糙集表示图像,用规定化直方图和最大类间方差法求出划分图像的灰度阈值和噪声阈值;将图像划分为背景子图、前景子图和噪声子图,分别对各个子图进行增强处理,然后合并子图以增强图像。实验分析表明,粗糙集、规定化直方图和最大类间方差法相结合的图像增强处理对灰度图像有效,具有一定的实用性。     

基于改进细菌觅食优化的彩超图像增强算法

受彩色多普勒超声影像工作设备的限制,彩超图像作为医(疗)学辅助证据一般采用传统的算法(诸如空域增强中的直方图变换或频域增强中的小波变换)进行增强,而直方图变换后的彩超图像失真度过大,小波变换的参数调试更为繁琐。为此,本文提出了一种改进细菌觅食优化的图像增强算法。首先将彩超图像转到HSV颜色空间中,而后利用熵视觉显著性机制对亮度分量进行处理,以便获得显著性点集,将其作为细菌觅食优化初始菌群的候选集合,根据随机佳点理论抽选出合适的菌群点集后,对不完全Beta函数中的两个调节因子进行寻优,确定最优参数,最后将增强后的亮度分量整合色调分量和饱和度分量,并转回到RGB颜色空间中,得到增强后的彩超图像。文中的数据来源于某医院彩超诊断室,经MATLAB仿真测试后,证明所提算法同模因及杜鹃优化算法相比,峰值信噪比平均提高了7.29分贝,且具有良好的主观分辨效果。     

基于直方图的暗背景图像自适应增强

图像增像是图像处理的一个重要步骤之一,而直方图均衡化是经典图像信息增强算法之一,但它并不是对于所有图像均适用.本文提出了一种暗背景图像自适应增强的算法,根据直方图对图像进行分类,对属于暗背景的图像采用S形非线性函数进行增强.     

改进后的Otsu自适应背景分离的局部直方图均衡化增强算法

Otsu自适应背景分离的局部直方图均衡化增强算法是综合改进后的Otsu自适应背景分离算法和局部直方图均衡化增强算法的一种新处理方法,首先,利用改进后的Otsu算法对图像进行目标区域和背景区域的分离,然后利用分离出来的目标区域进行直方图均衡化处理。实验结果表明,图像经过处理后,目标区域对比度明显增强。     

基于小波分析的红外弱小目标检测算法

针对红外弱小目标检测需求,根据红外弱小目标图像特性及其小波分析特性,提出了一种基于小波分析的红外弱小目标检测算法。算法首先对红外弱小目标图像进行小波分解;然后置低频小波系数为零去除背景,阈值化高频小波系数滤除噪声,自适应子带增强加强目标能量;最后进行小波逆变换并进行自适应阈值分割。实验结果表明,提出的算法速度快、抑制噪声的能力强。     

基于奇异值分解的指纹图像增强

本文提出了一种基于奇异值分解的指纹图像增强处理方法,通过具体算法和软件实现给出了实验结果。基于Matlab7.0的仿真实验表明,将奇异值分解应用于指纹识别系统预处理中是有效且可行的。     

形态学算子在图像处理中的应用

将腐蚀、膨胀算子经过有效组合,形成了一个性能优良的滤波算子,同时介绍了在冲击噪声的去噪中表现出显著效果的Extrema killer算子。提出了一种基于数学形态学的边缘检测算法,该算法先用一个较小尺度的结构元素进行腐蚀,后用一个较大尺度结构元素进行膨胀,用（fθB1） B2-f作为边缘检测算子。实验证明用所给算法进行图像边缘检测,能较好地保持图像的细节特征,同时能有效的抑制噪声。