基于小波变换的彩色图像自适应细节增强算法

针对彩色图像,提出了一种基于小波变换的自适应细节增强算法。首先选择了合适的彩色空间,保持图像的彩色分量不变,对其亮度分量进行小波变换,然后按照分解后的各级近似图像对比度自适应地调整小波细节系数,同时适当地增强近似系数以提高彩色图像的平均亮度,在处理过程中不需要设定额外的调整参数。实验证明,算法不但保留了图像较亮的细节,而且增强了较暗的细节,同时达到了图像色彩不失真的目的。

小波变换的兴趣特征图像检索技术

针对分析过程中优越的多分辨分析和空间频率局部化性能,在离散小波变换(DWT)基础上,提出了一种新的基于内容的图像检索方法.YUV色彩空间中更利于提取颜色特征,将每个图像从标准RGB色彩空间转换到YUV色彩空间,图像的每个分量(Y、U和V)转化为小波域.图像数据库建立阶段,存储每幅图像的小波系数.图像检索阶段,系统比较查询图像与数据库中图像的Y、U和V分量的小波系数,加上用户分配的权重因素,在用户感兴趣特征基础上查询最佳匹配结果.实验结果表明建立方法的是有效的.

基于第二代Curvelet变换的彩色图像增强算法

针对小波变换对彩色图像增强算法诸多问题,提出基于第二代Curvelet变换的彩色图像增强算法,它克服了小波变换在表达彩色图像边缘的方向特性等方面的内在缺陷,更加适合分析二维图像中的曲线或直线状边缘特征。阐述了第二代Curvelet变换的基本原理,通过对512×512的Lena和Babon彩色图像仿真实验,实验结果表明算法对彩色图像具有很好的增强效果,提高了彩色图像的对比度,降低了噪声,同时也较好地保留了边缘信息,无论是从视觉效果还是从性能指标都优于小波和Ridgelet算法。

基于小波与Retinex原理的锈蚀图像特征增强

为更好地判断金属材料的锈蚀程度,针对低照度金属锈蚀图像存在的亮度不高和细节信息不明显的问题,提出了基于小波变换和Retinex原理的图像特征增强算法。首先,将原始锈蚀图像的色彩空间转换HSI空间,保持饱和度分量和色调分量不变,对亮度分量I进行小波分解;其次,对分解后的高频分量和低频分量进行自适应增强,重构后的图像经Retinex原理进行多尺度增强改善图像亮度。实验结果表明,对锈蚀低照度图像的增强效果明显,能较好地改善图像的整体亮度,对细节信息的保留和增强效果明显。