【摘 要】
：
为了解决医学图像在采集和传输过程中引入噪声和干扰导致图像质量恶化从而严重影响医学诊断的问题,提出一种基于剪切波(shearlet)域改进Gamma校正的图像增强方法。首先,通过剪切波变换,把图像分解成高频部分和低频部分;其次,用改进的Gamma校正处理剪切波分解后的低频部分以调整图像的整体对比度,采用改进的自适应阈值函数对高频部分进行去噪;最后,把剪切波反变换的重构图像进行模糊对比增强,以突出图像
论文部分内容阅读
为了解决医学图像在采集和传输过程中引入噪声和干扰导致图像质量恶化从而严重影响医学诊断的问题,提出一种基于剪切波(shearlet)域改进Gamma校正的图像增强方法。首先,通过剪切波变换,把图像分解成高频部分和低频部分;其次,用改进的Gamma校正处理剪切波分解后的低频部分以调整图像的整体对比度,采用改进的自适应阈值函数对高频部分进行去噪;最后,把剪切波反变换的重构图像进行模糊对比增强,以突出图像的细节信息。实验结果表明,本文算法的峰值信噪比(PSNR)、结构相似度(SSIM)和绝对均值差(MAE)
其他文献
随着计算机3D技术以及移动终端的发展,为满足IOS用户更高的人机交互需求,文中基于IOS平台研究并开发了一套虚拟漫游系统,采用IBMR方法实现了虚拟场景的创建与生成功能。该系统在设计时考虑到了移动端由于屏幕等因素的制约在视觉效果上的天然劣势,在虚拟现实场景的构想、交互与沉浸感上均有了长足的进步。
为了改善的数字全息激光图像的质量,提出了高频强调滤波的数字全息激光图像增强方法。首先对当前数字全息激光图像增强研究现状进行分析,然后针对它们不足,采用高频强调滤波器对原始数字全息激光图像进行处理,增强数字全息激光图像的高频分量,并采用连续均值量化变换对数字全息激光图像进行增强处理,最后在Matlab 2012平台上进行了数字全息激光图像增强实验,结果表明,本文算法提高了数字全息激光图像信噪比,显著
人脸表情识别是人工智能领域一个重要的研究方向,当前方法在对人脸进行识别的过程中存在算法复杂、识别率低等不足。提出一种基于线性判别分析的可见光和近红外光人脸表情识别方法研究,首先对原始人脸表情样本进行下采样处理,将提取的测试样本表示为多个训练样本的线性组合;以矩阵指数为基础,对类间离散度和类内离散度进行重新定义,同时提取类内离散度矩阵的空间特征信息,实现对人脸表情的有效识别。实验证明,提出的方法能够
以往提出的激光成像隐写算法只初步实现了隐身通信,算法的有效性和隐身数据量均需要得到提升。因此,提出基于分类特征选择的激光成像隐写算法。算法使用分类特征选择分析激光成像结果中图像信息来源,对成像过程产生的事物共性特征加以选择,给出分类特征选择样本,构造样本高频数据的正态函数,获取正态函数中的激光成像特征分布因子,给出激光成像隐写算法的写入位置。在算法的具体实现中,将激光成像看成位平面并切割成数据块,
采用高光谱成像技术对同种介质上的不同血迹进行分类识别。利用高光谱成像系统采集木头、玻璃、布上的兔血、鸡血、人血的高光谱图像数据,并提取出感兴趣区域,得到三种血迹的光谱数据。使用db4小波对光谱进行去噪处理,建立BP神经网络模型、SVM模型和谱面积法对血迹进行分类识别。通过对比发现,高光谱图像技术与BP神经网络模型的相结合,平均识别率可以达到82.44%,BP神经网络模型的综合运算时间为1.0380
针对单一特征不能充分表达图像信息的问题,为了提高图像检索的准确率,提出了一种基于颜色体积核特征和改进的局部二元模式(LBP)的图像检索算法。首先提取图像的颜色体积直方图来描述图像颜色的整体信息和空间信息,并使用高斯核函数将低维颜色体积直方图特征映射到高维核空间对图像先进行过滤,再使用由LBP算子改进得到的局部Gabor二元模式(LGWBP)算子对返回的图像提取纹理特征,最后对图像进行相似性度量。实
随着红外图像的广泛应用,人们对成像质量的要求也不断提高,传统的图像增强方法一直存在增强效果差、精度低的问题,提出关联规则的红外图像对比度自适应增强方法。该方法为进一步增强图像对比度,提高分辨率,首先,通过信息熵法,获取红外图像评价函数;其次,采用Harris角点对红外图像灰度变化进行度量,实现红外图像均衡处理;然后,通过灰度等距排列,去除红外图像的冗余度;最后,利用关联规则法对红外图像对比度进行自
This paper proposes a novel high-speed visual target tracking system based on mixed rotation invariant description(MRID) and skipping searching method. MRID is a novel rotation invariant description o
针对利用相机传感器模式噪声的篡改检测在待测图像纹理复杂区域存在较高的虚警,提出了一种考虑纹理复杂度的自适应阈值检测算法。根据Nyman-Pierson(N-P)准则,确定不同纹理复杂度对应的相关性匹配判定阈值,而得到相关性阈值与纹理复杂度的关系拟合函数。在不重叠分块计算待测图像噪声残差和其来源相机传感器模式噪声对应块相关性的基础之上,根据待测图像块不同的纹理复杂度进行相关性匹配,确定大致篡改位置;
提出一种基于B样条概率密度函数(PDF,probability density function)估计的复杂纹理图像分类识别方法,主要包括图像纹理PDF特征学习、表征以及纹理类型识别3个步骤。在图像纹理PDF特征学习和表征中,引入各向异性高斯导数方向滤波器获得纹理图像多尺度和多方向空间结构;然后基于预先固定的B样条基函数,将图像空间结构PDF估计转化为与基函数相对应的权值向量估计;之后采用最远邻聚