应用小波包变换的图像加权广义模糊增强算法

图像边缘细节富含高频成分,鉴于小波包分析具有对高频分辨率高的特点,提出一种应用小波包变换的图像加权广义模糊增强算法。对图像进行小波包分解,分别对各分解子图像进行基于线性广义模糊算子(LGFO)的模糊增强处理,重构前对各增强子图像赋予不同的权值,通过小波包图像重构实现对原始图像的加权模糊增强处理,获得细节丰富、对比度强的高质量增强图像。在基于边缘测度与噪声标准差的增强图像质量评估标准下,算法实现了模糊参数的自适应寻优。实验表明,增强图像轮廓准确、细节丰富。

基于改进广义模糊增强的图像分割方法研究

本文提出了一种基于改进广义模糊增强的图像分割方法。该算法就Pal模糊增强算法的不足进行分析,提出一种改进的广义模糊增强算法且将其应用于图像分割中,并就模糊参数选择缺乏理论依据的问题提出一个解决方案。在与各类传统分割方法的分割效果进行比较后,实验结果证明该方法的算法复杂度低,分割速度快且分割质量高。

自适应双线性广义模糊增强的图像轮廓提取

在模糊集合论(FS)和广义模糊集合论(GFS)的基础上,构造出用于模糊增强图像区域对比度的新型线性广义模糊算子(LGFO),理论分析并验证了其性质。提出了一种自适应双线性广义模糊增强算法用于提取图像边缘轮廓,该算法利用线性广义隶属度变换函数与LGFO,实现了灰度图像空间与广义模糊空间的相互转换,空间转换过程中对线性广义模糊隶属空间实施了线性广义模糊增强处理,最终在灰度图像空间中使用"MIN"算子提取图像轮廓。该算法还使用可检测边缘度与噪声标准差之商作为图像增强的评估标准,自动选择模糊参数D,实现了线性广义模糊增强图像的自适应优化。实验表明,该算法快速无失真,适用于彩色图像,提取的图像轮廓准确、层次分明。

基于广义模糊算子的工业RT图像增强

在分析传统的图像模糊增强算法缺陷的基础上,提出了一种广义模糊增强的方法。该算法通过引入广义模糊集合的概念,将图像映射到广义模糊空间,设计一个分段正弦函数作为模糊隶属度,并采用了相应的增强算子,利用广义模糊变换范围大的特点,通过对工业RT检测焊缝图像进行广义模糊增强处理,使图像获得令人满意的增强效果。引入模糊熵的方法分析增强效果,并分析了广义模糊增强算法中影响增强效果的因素。

一种改进的低对比度图像增强算法

为提升图像对比度,增强图像细节,抑制图像噪声,在认真研究图像增强的基础上,对图像进行小波变换,低频子带系数采用广义模糊算子进行处理,能够更大程度地提升图像对比度和局部亮度。采用贝叶斯萎缩阈值算法将高频子带系数分为噪声和细节信息,通过非线性增益函数抑制噪声并放大细节信息。对传统非线性增益函数进行改进,引入调节因子α,以实现不同程度的细节增强。同时根据信息熵来选取非线性增益函数中参数c的值,以提高算法的自适应性。仿真结果表明,所提算法取得了较高的信息熵、峰值信噪比、清晰度和对比度,图像增强质量较好。

一种X射线图像增强新方法

针对X射线图像对比度不高,图像偏暗,边缘模糊,噪声大的问题,提出了一种小波变换和模糊理论相结合的图像增强新方法。首先,将射线图像进行小波分解获得低频子带和高频子带,然后,对含有图像基本面貌特征和主要能量信息的低频子带采用广义模糊算子进行处理,能较好地提升图像对比度和局部亮度,对含有噪声和细节信息的高频子带利用软阈值去噪方法进行去噪处理,同时定义了一种新的增强算子,在去噪的同时进行细节增强,最后,对处理后的图像进行小波重构。实验结果表明:该方法可以有效去除图像噪声,提升图像对比度和清晰度,视觉效果良好。

昆虫翅膀运动变形测量中的图像特征提取

通过分析翅脉图像的特点,提出了一种用于提取昆虫图像翅脉和翅脉交点的亚像素级图像处理方法。该方法应用小波理论对图像消噪,并采用中值滤波预处理图像,然后利用小波同态滤波和双线性广义模糊相结合的算法增强图像的翅脉信号。应用基于Hession矩阵的亚像素提取算法提取翅脉中心点的位置,并根据翅脉方向变化的连续性,利用邻域角度约束方法确定翅脉交叉点。最后,给出几种算法实验结果的比较和分析,结果表明,该方法成功实现了翅脉和翅脉交点特征的提取,并有效抑制了噪声和干扰。