基于曲波变换的医学图像增强算法

为满足临床诊断的需要,对医学图像进行良好的分辨,提出一种基于曲波变换的医学图像增强算法。对医学数据进行曲波正变换,获取各个尺度、方向上的曲波系数,利用广义交叉验证准则和遗传算法自适应选取最优阈值进行阈值去噪,对处理后的数据进行频带拓宽处理,进行曲波反变换来重构数据,得到增强图像。分别选取10组医学脑部CT和胸部图像进行研究,实验结果表明,医学数据在经过该算法处理后,信噪比由原始的3dB-4dB提高到5dB-6dB,处理后图像的分辨率有明显提升,病灶点的层次划分更加清晰,有效增强了边缘细节信息,为医疗工作者诊断病症提供了更加清晰准确的依据。

遥感图像薄云的小波自适应阈值去除

可见光遥感图像最常见的薄云噪声严重地影响其解译的准确性,因此根据薄云噪声主要影响图像的低频信号,提出单波段遥感图像小波变换自适应阈值去云,图像经小波分解后,薄云噪声与地物信息在低频小波系数的阈值使用遗传算法以广义交叉验证GCV准则作为目标函数自动寻找,然后对小波系数进行阈值化去云。结果表明,该方法可有效去除薄云噪声并保留地物信息,使原来模糊的地物细节信息变清晰,信息熵最高,去云效果优于小波同态滤波,且明显优于同态滤波;不同尺度低频小波系数中薄云噪声与地物信息间的阈值,可用遗传算法和GCV准则有效地自动确定。

模糊图像的不连续边缘智能检测改进算法

针对传统不连续边缘检测算法利用增强图像边缘对比度进行检测,只适用于检测灰度值变化不强烈及含有普通噪声的图像边缘,检测性能具有局限性的问题,提出一种模糊图像的不连续边缘智能检测改进算法.首先通过广义交叉验证准则获取图像噪声方差估计值,对图像中高斯噪声进行判别,使用自适应模糊滤波器对含噪图像进行模糊滤波处理;然后采用改进模糊图像边缘检测算法,按图像含噪情形制定边缘检测策略,获取模糊图像边缘;最后通过灰度形态学的模糊图像不连续边缘检测算法,对模糊图像边缘受灰度值不均匀变化形成的膨胀、腐蚀、形态学梯度型不连续边缘进行检测.实验结果表明,该算法抗噪性较高,模糊图像不连续边缘检测的结果更清晰、完整。