灰度变换下多模态刚性医学图像分层增强仿真

为了提升医学图像增强效果,有效保留图像细节,提出基于灰度变换的多模态刚性医学图像增强算法。对多模态刚性医学图像去噪处理,采用免疫优化算法对自适应阈值优化处理,选择最佳阈值。根据去噪结果通过小波变换将医学图像分解为多个不同区间,分别对各个区间实行灰度变换处理,根据变换后的结果获取分层增强效果,实现多模态刚性医学图像的整体增强。经实验测试结果表明,所提算法可以获取更加满意的医学图像增强效果,提高了图像清晰度,图像视觉效果显著增强。

线性变换与局部均衡融合的红外图像增强

为了改善红外图像的效果,提升对比度和清晰度,丰富边缘细节信息,提出了融合线性变换和局部均衡的红外图像增强方法。利用图像的像素值分布,对像素值进行自适应的分段线性变换,并用局部的直方图均衡增强图像;分别计算两张增强图像的权重图。对比度权重、显著性权重和亮度分布权重;以拉普拉斯金字塔和高斯金字塔的方式,分别对增强图像和权重图进行分解,将分解的图像与权重图进行多尺度线性融合,获得效果理想的增强图像。结果表明,相对于现有方法,本文中提出的方法增强图像的视觉效果更清晰,信息熵、平均梯度和变异系数分别比现有方法高出9.03%、23.87%和9.97%以上。该研究可更有效地提高红外图像增强的性能。

HSV空间的明度对数斜率变换的低照图像增强

为了在保持图像颜色自然的同时,适宜地提升图像的亮度和对比度,丰富图像的细节信息,提出了HSV空间的明度对数斜率变换的低照图像增强方法。将低照图像转到HSV颜色空间,将明度分量V进行多尺度Retinex分解,得到多尺度的细节层图像和光照图像;对多尺度的细节层图像进行自适应分数拉普拉斯增强,而用自适应的对数斜率变换对光照图像进行增强;将增强后的明度分量V与色调H和饱和度S分量组合,得到亮度适宜、高对比度和高清晰度的图像。与部分现有方法进行比较,实验数据显示所提方法的增强图像的视觉效果更佳、信息熵和平均梯度更高,因此具有更优的图像增强性能。

改进网格单应性投影变换的文物多镜头光谱图像拼接方法

针对文物多镜头光谱图像序列拼接时的累计误差和多个景深视差导致的特征相对位置偏移问题,提出改进网格单应性投影变换的拼接方法。引入正射彩色全景图像作为参考图像,避免了以单一分镜头光谱图像为基准的累计误差问题。提出SIFT-LBP特征匹配算法,利用LBP纹理对SIFT特征匹配进行筛选和补充,获得准确的特征匹配点对;采用网格单应性变换,以特征匹配点之间的距离为权重,计算目标网格像素点的偏移位置,减少特征相对位置偏移问题;采用直方图匹配加权融合方法融合分镜头光谱图像,以平滑图像重叠区域。与主流图像拼接方法相比较,该方法拼接的图像视觉效果更优,且峰值信噪比较主流方法提高12.81%,结构相似性提高13.12%,为文物保护与研究提供可靠的全景光谱图像数据。

基于复剪切波变换与VGG19模型的医学图像融合方法

针对传统医学图像融合方法存在的细节信息不够清晰、边缘信息易丢失和图像失真等缺点,以及深度学习网络缺乏足够的训练数据集等问题,提出了一种基于复剪切波变换和预训练网络模型VGG19的多模态医学图像融合方法。首先,利用复剪切波变换提取医学图像边缘和纹理信息,并得到多尺度、多方向的子带系数。然后,使用加权局部能量和修正的拉普拉斯算子对低频子带系数进行融合;引入预训练的VGG19提取多层特征图,结合加权评估规则来获取高频子带的融合结果。最后,对融合的高频和低频子带,施加复剪切波逆变换重构融合图像。实验表明,该方法得到的融合图像,不仅可以清晰地显示图像的细节信息和边缘信息,而且能够有效抑制伪影和失真现象的产生,在主观视觉比较和6种客观评价指标下能够达到更佳融合效果。

融合门控变换机制和GAN的低光照图像增强方法

针对低光照图像增强过程中存在的配对图像数据依赖、细节损失严重和噪声放大问题,提出结合门控通道变换机制和生成对抗网络(GAN)的低光照图像增强方法AGR-GAN,该方法可以在没有低/正常光图像对的情况下进行训练。首先,设计特征提取网络,该网络由多个基于门控通道变换单元的多尺度卷积残差模块构成,以提取输入图像的全局上下文特征和多尺度局部特征信息;然后,在特征融合网络中,采用卷积残差结构将提取的深浅层特征进行充分融合,再引入横向跳跃连接结构,最大程度保留细节特征信息,获得最终的增强图像;最后,引入联合损失函数指导网络训练过程,抑制图像噪声,使增强图像色彩更自然匀称。实验结果表明,该方法在主观视觉分析和客观指标评价方面相较其他算法均具有显著优势,其能有效提高低光照图像的亮度和对比度,减弱图像噪声,增强后的图像更清晰且色彩更真实,峰值信噪比、结构相似度和无参考图像质量评价指标平均可达16.48 dB、0.93和3.37。

基于三维小波变换的高光谱图像分类算法

针对如何充分利用空间特征来达到较高的高光谱图像分类精度的问题,提出了一种基于三维离散小波变换(3D-DWT)与随机补丁网络(RPNet)结合的高光谱图像的地物属性分类算法。在分类过程中,综合3D-DWT提取的特征和RPNet深度学习框架提取的特征,利用支持向量机(SVM)对特征向量进行分类。所提出的方法在Indian Pines和University of Pavia两个数据集上进行测试,结果表明该方法比现有方法有显著的分类性能的提高。

基于图像矫正与小波变换融合的岩心图像拼接算法

为了提高岩心图像拼接的效率,针对在岩心采集出现的图像中的像素错位现象以及图像拼接处理出现的亮度差异、鬼影等问题,提出基于图像矫正与小波变换融合的岩心图像融合算法。首先改进AKAZE算法提高提取效率,对采集图像进行图像矫正得到矫正图像;再对矫正后的待拼接图像进行特征点提取与匹配,得到2幅图像之间配准关系;最后通过基于HSI域的小波融合与改进最佳缝合线融合得到拼接图像。实验结果表明,本文提出的矫正与拼接算法满足实际需求,图像无明显上下拼接缝与错位,且在DoEM和PSNR指标上与传统最佳缝合线和改进的渐入渐出算法相比均有所提升,融合区域避免了鬼影且亮度过渡均匀,无明显左右缝合线产生,拼接的图像符合人眼视觉。

基于改进小波变换与卷积神经网络的干式空心电抗器红外图像去噪方法

针对传统小波变换法去除干式空心电抗器红外图像中夹带的噪声效果不理想的问题,提出了基于改进小波变换与卷积神经网络的干式空心电抗器红外图像去噪方法。首先利用卷积神经网络中的残差学习对图像中混合特征信息进行提取;然后通过改进小波变换对图像进行小波分解,并将分解后的分量输入至网络中进行训练;进而通过残差学习增强图像纹理细节信息,解决了传统图像去噪方法的不足;最后进行仿真比较。结果表明,所提方法可以降低网络计算难度,加快训练速度,同时具有良好的去噪性能,优于传统图像去噪方法。

基于Radon变换的时空图像纹理角识别方法

时空图像测速法以河流表面自然特征为分析对象,检测生成的时空图像中的纹理主方向,根据物象变换关系、拍摄所得视频参数和纹理方向倾角的正切值计算出河流表面的一维时均流速。针对实际应用中生成的时空图像受噪声干扰而导致时空图像纹理倾斜角检测精度出现较大误差的问题,本文提出采用改进的同态滤波器来增强河流表面图像的纹理特征,采用融合了自适应直方图均衡化的频域滤波对时空图像去噪,再利用Radon变换检测纹理角方向。通过模拟纹理图像实验,较高、较低流速条件下实地河道实验验证本文改进方法的有效性,实验结果表明,对于标准的模拟纹理图,Radon变换角度检测结果相对误差小于0.03%,对于干扰较多的复杂的实地河道环境,较低和较高流速条件下,基于Radon变换的时空图像纹理角识别结果与人工手动目测值间的相对误差分别小于1.56%和1.80%。实验表明,Radon变换法可行且较其他纹理角检测算法有更高的精度。

基于整数U变换的图像压缩方法

整数变换方法因其较快的计算速度被国际图像和视频编码标准广泛采纳。现有基于连续正交函数系的整数变换方法不仅难以获得原始变换的准确整数形式,而且无法克服在非连续信号表达时出现的吉布斯震荡现象,降低了重构图像质量。为此,文中提出了基于非连续正交U系统的整数变换算法及其图像压缩方法。首先,采用分段积分法和施密特正交化法计算出U系统的2维正交变换矩阵,提取行向量的缩放因子得到整数矩阵;接着,建立整数U矩阵的可逆正交变换方法,使用整数矩阵将离散图像信息的能量集中到少量数据集,同时将缩放因子与量化步骤合并以减轻计算负担;然后,采用矩阵分解法将整数U矩阵分解为稀疏矩阵的乘积,从而实现图像变换的快速计算;最后,设计基于整数U变换模块和逆变换模块的图像压缩方法,用于减轻图像存储和传输压力。实验结果表明:文中方法与其他相关方法相比,可以降低图像可逆变换的截断误差;在图像和视频压缩实验中,在相同的压缩率下文中方法获得的压缩图像质量更高,而且快速变换方法可以有效地节省运算时间。

小波变换的图像增强

本文对于水下图拍摄照片不清晰和雾天图受天气影响的问题,提出了一种基于直方图均衡和小波变换相结合的图像增强方法。首先将图像归一化转为灰度图像,再利用二维离散小波变换的方法把图片分为四个子图,接着对低频部分的子图进行直方图均衡的图像增强,并且对其他部分子图进行置零处理,最后将处理过后的四个子图进行二维离散小波逆变换,重构出增强图像。文章进一步对小波变换中的滤波器进行多维度处理,并且对小波变换分解和重构的层次进行进一步分析,结果发现随着滤波器维数和小波变换层数的增加,图像增强的效果更好。

基于剪切波变换和脉冲耦合神经网络的图像融合方法研究

图像融合的目的是将多个来源的图像合并,从而产生1个包含所有原始图像信息的新图像。传统的图像融合方法可能损失一些重要信息或导致图像失真,因此研究新的图像融合方法具有重要意义。作为新兴技术,剪切波变换和脉冲耦合神经网络在图像融合中的应用潜力尚未被充分发掘。文章致力于研究这2种技术在图像融合中的效果,并提出结合两者的新方法。

结合小波变换和注意力机制的U-NET图像去雾算法

图像是众多任务的基础使用数据,对于本身的质量有较高的要求。但是图像的质量受到很多因素的影响,例如空气中的雾。因此图像去雾的研究就十分有必要。兴起的深度学习在各种计算机视觉任务中发挥了重要作用,在单幅图像去雾中也是如此。论文在卷积神经网络的基础上,提出设计了一种结合小波变换和注意力机制的U-NET图像去雾模型,小波变换替代原始U-NET中的上下采样,保留更多的细节信息,同时将像素注意力机制与通道注意力机制结合成注意力模块,与U-NET模块并行,作为特征补充存在。在视觉效果和定量分析中,证明该模型有较好的去雾效果。

融合快速傅里叶卷积的域变换图像去雨滴方法

在下雨天气中,玻璃上的雨滴会对图像质量产生严重影响,且目前的去雨滴方法过度依赖成对图像,使得无监督图像雨滴去除面临较大挑战。针对这一问题,提出一种域变换图像去雨滴方法。构建域变换网络(DTN),通过有雨与无雨域之间的变换,以无监督的方式实现图像的雨滴去除。同时,通过引入快速傅里叶卷积(FFC)来设计生成网络和判别网络,实现全局与局部特征的信息交互。在FFC中,通过频谱变换(ST)对空间域和频域进行转换,克服传统卷积神经网络(CNN)感受野不足的问题,从而更好地感知细小的雨滴。在2个真实的雨滴测试集上进行去雨滴实验,结果表明,该方法在定量结果和视觉效果上均优于现有的先进方法。与改进前的U-Net+马尔可夫判别网络相比,改进后的该方法在峰值信噪比(PSNR)和结构相似性指数(SSIM)上分别提升3.37 dB和0.0313,并且其能在去除雨滴的同时还原更多的图像纹理细节。

傅里叶变换下的粗细双路径图像修复算法

针对传统的粗细双路径图像修复算法在修复图像时提取全局特征能力弱和所修复图像与原图像存在频域差,导致修复的图像全局结构差和存在伪影的问题,提出了傅里叶变换下的粗细双路径图像修复算法。为了改善编码器特征提取能力,设计了具有压缩奖惩机制的编码器来提升网络采集全局信息的能力;在编码器训练时首次引入焦频损失来监督图像的修复,缩小了修复图像与原图像的频域差,提升了算法修复高频成分的能力,改善了修复图像伪影和模糊性。将该算法应用于CelebA数据集,所提的算法修复的图像比基线算法所修复的图像的峰值信噪比(PNSR)、结构相似性(SSIM)等性能分别提高了1.18%~6.14%,0.11%~2.24%,而距离得分(FID)降低了34.58%~38.79%。实验结果表明,所提算法以微小的时间成本获取了较好的性能提升,增强了修复图像的全局结构性和清晰度。

基于组合变换域的彩色图像大容量零水印算法

针对现有大多数彩色图像零水印方案中水印嵌入容量小且抗几何攻击鲁棒性能不佳等问题,提出一种基于组合变换域和位平面分解的大容量鲁棒零水印算法。对彩色载体图像的R、G、B通道分别进行快速有限剪切波变换(FFST),并对变换后的各低频子带进行非重叠分块置乱,将置乱后的各子带的分块离散余弦变换(DCT)系数用于构造四元数离散余弦变换(QDCT)系数矩阵;在每个QDCT系数矩阵中选取两个低频系数,利用其各个实部和虚部的符号极性构造8个二值鲁棒特征矩阵;将经过正交拉丁方置乱加密后的灰度水印图像按位分解,把位分解后的8个二值位平面分别与以上二值鲁棒特征矩阵进行异或并重组得到灰度级认证零水印。此外,在水印检测前,采用ORB算法对待认证图像进行几何校正。实验结果表明,所提算法水印嵌入容量和安全性高,且对于常规非几何攻击和几何攻击均具有较强的鲁棒性。

结合稠密小波变换的双分支低照度图像增强

针对低照度图像存在低亮度、高噪声、色彩失真等问题,提出了一种结合稠密小波变换的双分支低照度图像增强方法。采用稠密小波网络进行多尺度特征信息融合,在减少信息丢失的同时使网络具有一定的去噪能力。在多尺度特征融合中嵌入全局注意力模块和特征提取模块,充分提取全局和局部特征。通过双分支结构对图像进行色彩增强和细节重建,使得低照度图像具有较好的增强效果。引入了新的联合损失函数从多方面指导网络训练,以增强网络性能。将所提方法与主流方法相比较,实验结果充分表明,所提方法有效提高了低照度图像的亮度,抑制了图像噪声,并取得了更丰富的细节和色彩信息,得到的增强图像更清晰自然,在峰值信噪比和结构相似度等图像质量客观评价指标方面也具有显著的优势。

基于曲波变换的弱光照包装图像对比度设计增强方法

弱光照包装图像分辨率低的情况下,包装识别和检测的辨识度不高,需要进行对比度增强处理,提出基于曲波变换的弱光照包装图像对比度设计增强方法。构建图像空间特征信息检测模型,通过全色锐化方法多尺度分解图像,采用曲波变换方法重组全色锐化特征,结合字典集稀疏表示方法实现低维子空间表示,根据子空间细节表达结构构建弱光照包装图像对比度增强模型。结果表明,采用该方法进行弱光照包装图像对比度增强处理,提高了图像的辨识度水平和细节特征表达能力,辨识误差较低,平均为0.045,峰值信噪比较高,平均为42.134 dB,图像增强耗时平均为239.75 ms。

匹配变换和线性变换融合的水下图像增强

为了有效地改善水下图像的颜色和对比度,提出了匹配变换和线性变换融合的水下图像增强方法。对强度最大的通道图像进行对比度限制的自适应直方图均衡化,根据均衡化后的通道图像直方图,对另外两通道图像分别进行直方图匹配,最后得到颜色校正的图像。在HSV颜色空间中,对颜色校正图像的明度分量进行自适应分段线性变换,得到对比度增强的图像。分别计算2张增强图像的对比度权重、显著性权重、亮度分布权重和饱和度权重,根据权重对2张增强图像进行多尺度金字塔加权融合,得到最后的增强图像。实验结果表明,该方法对水下图像增强后的视觉效果优于现有方法,对应的平均梯度、水下彩色图像质量评价(UCIQE)指标和水下图像质量(UIQM)指标比现有方法分别提高30.0%、7.29%和16.0%。