基于分割与增强方法的红外与微光图像融合

为更好地保留原始红外图像的目标信息,挖掘更多微光图像的细节信息,提出一种结合分割红外图像与增强微光图像的融合方法。首先对原始红外图像进行二维最大熵法分割以提取红外目标信息,对原始微光图像进行Zadeh变换以增强其细节信息,依据红外分割图,将增强后的微光图像与原始红外图像进行一次融合;然后,在非下采样contourlet变换(NSCT)域,对原始红外图像、微光图像和一次融合后的图像进行二次融合,得到最终融合图像。通过试验对比,所提出的二次融合方法得到的融合图像视觉效果明显优于其它方法。最后,利用多个指标进行客观评价。结果显示,该方法可有效突出目标信息,提高图像清晰度与对比度,挖掘更多细节信息。     

考虑梯度边缘信息的分形图像纹理细节增强算法研究

为降低噪声干扰,增强图像纹理细节,提高图像质量,提出考虑梯度边缘信息的分形图像纹理细节增强算法.依据图像已知点的灰度值推测新增点的灰度值,将新的像素点插入在图像像素点间,通过FBR理论对图像进行分形插值处理;采用图像锐化技术改进消噪掩模法,获取分形图像梯度边缘信息;构建梯度约束与数值约束的增强模型,控制图像噪声的同时,增强分形图像的边缘纹理细节.实验结果表明：信噪比越大,该算法分形插值处理后图像分辨率越高;该算法图像纹理细节增强后的图像噪声含量低,图像纹理与结构上相似度高,图像纹理细节呈现效果好;去噪能力较强,可有效增强图像边缘与细微纹理细节.     

一种背光源玻璃底板缺陷检测新方法

背光源玻璃底板表面缺陷检测的难点在于其扫描图像受到不均匀光照之影响,且具有较为复杂的纹理信息.为有效分割缺陷,必须在拉平背景信号与纹理信号的同时,增强Mura信号.其中背景信号与纹理信号的信息存在于小波近似系数中,而Mura信号的信息存在于细节系数中.利用图像均值代替近似系数,利用对比敏感度函数加权细节系数,通过小波反变换将系数合成,使Mura信号得到增强,再利用三阈值法分割背光源玻璃底板的亮斑缺陷与毛发缺陷,最后根据图像中上下两行的关系减少误判率.实验结果表明,该算法对光照不敏感,具有良好的鲁棒性.     

一种基于Retinex算法的雾天图像增强算法

为了解决雾天图像增强中的细节信息优化问题,提出了一种新的雾天图像增强算法。采用背景亮度作为激励亮度值对图像的亮度块进行分割,然后采用IIR低通滤波器对分隔块进行增强,最后对像素的边缘信息进行分割,并按照一定比例对块信息进行融合。仿真结果表明,与传统的Retinex算法相比,该算法的信息熵较大,增强之后图像细节更丰富。     

医疗X光图像的增强处理技术研究

针对X光成像中产生的图像清晰度不高,不利于医疗诊察的问题,提出了空间混合图像增强方法。将拉普拉斯变换和梯度变换相结合,分别增强图像的细节和边缘,同时避免引入新的噪声干扰。实验表明,该方法能够有效地增强X光图像的清晰度,在医疗诊察方面具有重要意义。     

基于Contourlet变换的全色影像与多光谱影像的融合

Contourlet变换比小波变换更适宜表达图像的各向异性的直线、曲线和边界特征,能有效地捕捉图像的几何结构信息。与Contourlet变换相比,非下采样Contourlet变换不仅具有多尺度、多方向特性,同时还具备平移不变性。本文提出了一种新的基于Contourlet变换和IHS变换的全色影像与多光谱影像的融合方法,并将IKONOS影像数据应用于融合实验来验证方法的有效性,结果表明本文方法在较好地保持多光谱影像光谱信息的同时增强了融合图像的空间细节表现能力,优于IHS和基于小波变换的IHS融合方法。     

改进细节提升多尺度Retinex图像增强算法

为了改善复杂照度下彩色图像增强出现的细节丢失和色彩失真问题,依据颜色空间转换和边缘细节融合算法,提出基于HSI空间细节提升多尺度Retinex图像增强算法。通过边缘提取融合算法增强HSI模型亮度分量,进行基于高斯模糊的多尺度细节提升,获得增强图像。与经典的MSR、MSRCR等进行仿真比较,实验数据表明,在主观视觉效果和客观评价指标下,该算法均优于MSR和MSRCR,增强图像细节丰富,色彩自然逼真。     

基于图像边缘检测的小波阈值去噪方法

提出一种基于图像边缘检测的小波闽值去噪新方法.该方法利用Canny算子检测出图像的边缘,进而定义了一种新的阈值函数,然后对含噪图像、边缘图像的小波变换系数采用新阈值函数分别进行阈值处理,将处理后的边缘图像与图像的小波系数进行融合,得到去噪后的图像.实验结果表明,采用该方法处理的去噪图像,能够在去噪的同时有效地保持图像的边缘信息.     

图像处理在护照缝纫装订中的应用

为提高护照质量,有效防止护照被不法分子仿制,以及国民个人信息安全被泄露,利用图像处理技术通过Matlab软件处理采集到的图像。在紫外灯照射下,缝纫线与纸张上的荧光纤维都呈现出一定亮度的颜色。先将RGB颜色空间转换为HSV空间对原始图像进行同态滤波处理,然后转回RGB空间,提取红色通道,对灰度图进行图像增强与图像平滑预处理|再利用巴特沃兹滤波器增强缝纫线的边缘,对滤波后的图像进行均衡处理|最后用Otsu进行图像分割,最终获得细节分明的二值图像。通过以上的图像处理步骤,在消除背景噪声的同时,可获得了细节丰富的缝纫线图像。     

基于混合阶偏微分方程的图像放大

针对二阶偏微分方程进行图像放大产生的阶梯效应和对弱边缘纹理增强不足的缺点,利用四阶偏微分方程具有去阶梯效应特性和反向扩散特性,提出了一种各向同性扩散的四阶偏微分方程耦合改进的全变差模型的图像放大算法.使用双正交映射操作实现图像退化模型约束,在低梯度区进行各向同性四阶偏微分方程结合二阶各向异性扩散,弱边缘反向扩散进行增强,同时避免了平滑区域产生阶梯效应,在高梯度区采用二阶偏微分方程扩散耦合冲激滤波器对强边缘进行增强.本文算法和其他算法进行了比较,仿真实验证明:本文算法在保证边缘、细节有较好视觉效果的前提下,得到的放大图像更加自然,对强弱边缘的增强效果都较好.     

基于二次采样小波变换的拉普拉斯边缘检测方法

提出了一种新的基于小波变换的拉普拉斯图像边缘检测方法：采用二次采样小波变换方法生成图像的梯度图像,然后采用普通拉普拉斯算子提取出图像的边缘.实验结果表明该方法既能够有效地抑制噪声,又能够清晰地提取到图像的真实边缘.有利于完善拉普拉斯边缘检测算子.     

基于S+P变换和EZW编码的图像压缩算法

嵌入式零树小波是根据标准小波变换的空间多分辨率特征将重要节点与零树根进行编码来完成图像压缩的编码算法,但标准小波变换对图像的边缘、轮廓以及纹理等特征信息的表达不具有稀疏性,不能够较好地表达图像的细节信息。针对标准小波变换的缺陷,新算法根据S+P变换能够实现整数到整数的变换,将EZW和S+P变换结合起来,提出了一种基于S+P变换改进的EZW编码算法,即使用S+P变换替换标准小波变换,完成图像的低损耗压缩。实验结果表明:相对于经典的EZW编码算法,基于S+P变换改进的EZW编码算法在压缩比、编码效率以及峰值信噪比等性能方面都具有较大的改善。     

基于DT-CWT和自适应PCNN模型的多聚焦图像融合方法研究

针对传统图像融合方法在多聚焦图像融合中存在细节丢失、边缘模糊和焦点不清楚等问题,提出一种基于双树-复小波变换（DT-CWT）优化显著性测度和自适应脉冲耦合神经网络（PCNN）模型的多聚焦图像融合方法。首先,将两张聚焦区域不同的输入图像使用双树-复小波分解成低频子带和高频子带;然后,对低频子带采用基于显著性测度的度量方法计算小波融合系数,对于高频子带,采用自适应PCNN模型计算触发时间来选取高频融合子带;最后,通过双树-复小波逆变换重构得到融合结果。与其他融合方法进行对比,结果表明,基于文章所提方法的融合图像更加自然清晰,具有较高的边缘保持度,同时保留了更多的细节信息,因此,此方法可以大大提高图像质量。     

多尺度自相似融合图像超分辨率重建

为提高低分辨率图像超分辨率重建的精度和效率,提出一种多尺度自相似融合图像超分辨率重建算法。该方法在锚定邻域回归(ANR)方法的基础上引入自相似矩阵,使图像边缘更加清晰;利用多层小波变换构建多尺度串联模型,实现小波域的不同尺度图像的多层超分辨率重建;增加训练字典原子数和邻域数,采用分层搜索匹配策略进行低分辨率图像块与锚点的匹配以减少图像重建时间。实验结果表明:该方法重建的图像边缘和细节更清晰,边缘重影和阶梯效应明显削弱,PSNR值提高约1 dB,且重建时间有所减少。     

结合形态非抽样小波和引导滤波的图像融合研究

提出一种新的图像融合方法,该方法将形态非抽样小波和引导滤波结合,实现一种快速有效并且对图像边缘保持明显的融合过程。该方法首先对源图像进行形态非抽样小波分解得到基础层图像,源图像减基础层图像得到细节图像。接着对细节图像进行显著比较得到权重图,然后对权重图进行引导滤波,源图像作为引导图得到优化后的权值图,最后将优化后的权值图分别与基础层图像和细节图像加权平均再相加得到最终的融合图像。相对于现有的图像融合算法,该方法能有效的保留源图像的边缘部分,有助于显著目标的识别。通过实验证明了该算法能得到具有高对比度的融合图像,融合效果良好,在实时图像融合中具有较高的应用价值。     

一种有效的形态小波多聚焦图像融合算法

多聚焦图像融合的关键问题是如何更好地保持源图像的轮廓信息和细节信息。形态小波具有小波变换的多层次分解特性和形态学的非线性特性。提出了一种基于形态小波变换的多聚焦图像融合算法。根据形态小波分解信号的特点,分别对高频系数和低频系数设计不同的融合规则:高频系数采用方向相关方法,最大程度保留细节和细节信息的方向特性;低频系数采用加权平均方法,该方法轮廓明显,最大程度地保留了轮廓信息。实验结果表明:该方法融合图像效果优于传统图像融合方法。     

基于小波变换与LBP算子的遥感图像融合研究

提出一种新的基于小波变换与LBP算子相结合的遥感图像融合算法．该算法在源图像小波变换的高频子带内，利用局部LBP算子极大的方法得到小波重构高频系数，而低频系数则利用源图像小波分解后低频子带系数的非线性加权得到．然后由此高频和低频系数进行小波重构得到融合图像．实验采用可见光图像与SAR图像融合，结果表明这种方法可以很好地在保留源图像各自信息的同时融合源图像的细节信息，并且能够有效抑制源图像中孤立噪声点．     

遥感图像薄云覆盖下地物信息恢复算法

针对遥感图像薄云覆盖下地物细节模糊问题,给出一种融合对偶树复小波变换和支持向量滤波的遥感图像薄云覆盖下地物信息恢复算法.利用对偶树复小波变换和支持向量滤波器将薄云覆盖遥感图像分解为高频方向子带和低频子带;分别对高频方向子带系数进行自适应增强,对低频子带系数加以抑制;对不同方法处理后的低频系数采用基于匹配度的选择和加权相结合方法进行融合,对高频系数采用基于轮廓波对比度的方法进行融合,获得地物细节清晰的融合图像.实验结果表明,算法在视觉效果和定量指标上优于对偶树复小波变换方法和支持向量滤波方法.     

基于非子采样Contourlet变换的多聚焦图像融合

根据非子采样Contourlet变换同时具有多尺度、多分辨分析和平移不变性质的特点,提出一种基于非子采样Contourlet变换的多聚焦图像融合方法。实验中将文中方法与Contourlet变换、小波变换等方法进行比较,结果表明,文中方法得到的融合结果能很好地将源图像的细节信息融合在一起,拓宽NSCT的应用范围。     

基于第二代Bandelet基的SAR图像压缩感知及其重建

针对合成孔径雷达(SAR)图像具有丰富的高频细节纹理信息特点,提出了一种SAR图像压缩感知和重建的算法.该算法利用随机高斯矩阵对SAR图像直接进行降维线性观测,实现SAR图像的压缩.同时将第二代Bandelet用于SAR图像的稀疏表示,以保持SAR图像的高频细节纹理信息,从而保证了利用sl0算法重建SAR图像的质量.仿真结果表明,与传统的小波变换相比较,本文所提出算法具备更为出色的图像还原质量.