一种自适应多尺度积阈值的图像去噪算法

该文提出了平稳小波变换(Stationary Wavelet Transform,SWT)域自适应多尺度积阈值的图像去噪算法(SWT domain Multiscale Products,SWTMP)。与传统的阈值去噪算法不同,该阈值不是直接作用于小波系数,而是作用于小波系数的空间多尺度积。分析了SWT域含噪图像多尺度积的特点,提出了SWT域自适应多尺度积阈值的计算方法。多尺度积强化了图像的重要结构信息,弱化了噪声,在有效去噪的同时更多地保留了图像的边缘和细节。实验结果表明,所提算法对自然图像去噪后的视觉效果和性能指标均好于二进小波域多尺度积阈值(Adaptive Multiscale Products Thresholding,AMPT)去噪方法。

基于自适应多尺度积阈值的钢轨裂纹红外图像增强

利用红外热波技术检测钢轨斜裂纹伤损所得的红外图像存在整体亮度偏暗、边缘对比度低和纹理细节模糊的缺点,对测量裂纹的扩展深度不利。对此,本文提出一种基于非子采样Contourlet变换NSCT(Nonsubsampled Contourlet Transform)的自适应多尺度积阈值AMPT(Adaptive Multiscale Products Thresholding)钢轨裂纹红外图像增强算法。对图像进行NSCT分解得到不同尺度不同方向上的子带系数,由子带系数自适应地确定阈值并调整增强函数,将阈值作用于每一子带的多尺度积,对阈值化操作后的子带系数进行增强处理和逆变换,实现图像增强。实验结果表明:该算法在抑制噪声和提高图像整体对比度的基础上,有效突出了目标图像的边缘,对裂纹内部微弱细节纹理的增强效果优于其他传统的红外图像增强方法,为进一步提取代表裂纹深度的关键像素提供了有力支撑。