基于非下采样剪切波变换的图像增强算法研究
发布时间：2021-01-10 00:30
近年来,随着科学技术的快速发展,基于计算机辅助系统的图像处理算法也不断更新,其应用领域在人们的生活中逐渐增多,尤其是在医学图像、遥感图像和多聚焦图像处理方面。医学图像的获取可以提供患者疾病部位的有用信息,使得医生可以对患者的疾病进行快速有效的诊断和治疗,但是由于图像采集设备的限制和拍摄过程中受外界因素（如光照强度、温度等）的干扰,所获取的图像质量通常较低,这严重影响了对图像中重要信息的提取和图像的后续处理。遥感图像作为记录地貌特征的特殊图像,其广泛应用到军事、国防、民生等领域,例如对自然灾害的监控、城市规划与建设和土地利用动态监测等;但由于受大气环境和传感器设备等因素的影响,获取的遥感图像通常会出现清晰度低和亮度不均等缺点。因此对这些获取的低质量的医学图像和遥感图像进行有效的增强处理是非常有必要的,而且增强后的图像更能反映真实的信息。由于光学镜头的景深有限,使得人们在摄影时很难获取一幅全景清晰的图像,又因聚焦点不同,所以多聚焦图像中包含有不同的清晰区域和模糊区域,这将不利于对图像中信息的提取;图像融合技术作为图像增强的一个分支,将其应用到多聚焦图像的处理中,可以使得图像得到有效的增强。...
【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校
【文章页数】：140 页
【学位级别】：博士
【部分图文】：
论文整体组织结构图
具有类似于 Curvelet 变换的各向异性尺度关系，能够有效地表示图像中的轮边缘信息，充分表现出其捕获图像中高维奇异性信息的良好性能[62][63]。Contourlet 变换的基本思想是：首先用拉普拉斯金字塔(Laplacian Pyramid,解得到边缘的孤立断点，然后使用二维方向滤波器组(Directional Filter BaFB)将方向一致的断点连接成线，形成最基本的轮廓段[63]。Contourlet 分解的示意框图如图 2.1 所示，其中阴影部分表示图像分解时滤波器在频域的支撑，而 2,2则表示经采样矩阵 0220下采样。Contourlet 分解包括尺度分解向子带分解两个重要部分。其中，尺度分解是由 LP 变换完成的，它将图像到多个尺度上，也就是进行多尺度分解；随后，经 LP 分解得到的各个尺度通过 DFB 进行频域方向分割，从而得到多个方向子带，也就是我们所说的多方向分解[64][65]。由此可见，Contourlet 变换是由 LP 和 DFB 结合而形成的滤波器组结构，也被称为塔形方向滤波器组(Pyramidal Direction Filter BaDFB)。
图 2.2 一层 LP 分解示意图图 2.3 一层 LP 重构示意图2.1.1 LP 变换由 Burt 和 Adelson 提出的 LP 变换能够将图像分解到多个尺度上[66]。如图 2与图 2.3 所示分别给出了一层 LP 分解与重构的示意图，其中， 2，2和 2，2分别表示由采样矩阵 0220进行下采样和上采样[63]。在分解图像 X 时，首先利用低通滤波器 H 和下采样得到其近似图像 a，然后将近似 a 插值(即上采样后经低通滤波器 G 滤波)再与原始图像求差值便得到 LP 分解的高频部分 d[67]。重构时，将
【参考文献】：
期刊论文
[1]基于Sentinel-1A卫星SAR数据地震同震形变场反演——以意大利佩鲁贾地震为例[J]. 周鹏,周光. 河北北方学院学报(自然科学版). 2019(05)
[2]形态学滤波和改进PCNN的NSST域多光谱与全色图像融合[J]. 焦姣,吴玲达. 中国图象图形学报. 2019(03)
[3]改进的卷积神经网络单幅图像超分辨率重建[J]. 曾接贤,倪申龙. 计算机工程与应用. 2019(13)
[4]基于多尺度递归网络的图像超分辨率重建[J]. 吴磊,吕国强,薛治天,盛杰超,冯奇斌. 光学学报. 2019(06)
[5]基于Retinex算法的水面无人艇海天线检测方法[J]. 王传龙,马善伟,屈崇. 船舶与海洋工程. 2019(01)
[6]基于深度卷积神经网络的低照度图像增强[J]. 马红强,马时平,许悦雷,朱明明. 光学学报. 2019(02)
[7]基于NSST域的引导滤波遥感图像增强方法[J]. 韩晶,贾振红,杨杰,Nikola Kasabov. 计算机工程与设计. 2018(09)
[8]基于非下采样Shearlet变换与模糊对比度的合成孔径雷达图像增强[J]. 郭庆荣,贾振红,杨杰,Nikola KASABOV. 计算机应用. 2018(09)
[9]Multi-focus image fusion with the all convolutional neural network[J]. 杜超本,高社生. Optoelectronics Letters. 2018(01)
[10]基于LLF和RBD检测的红外和可见光图像融合[J]. 王贝贝,王正勇,何小海,吴小强. 计算机工程与应用. 2017(17)
博士论文
[1]基于多分辨率分析的医学图像融合关键技术研究[D]. 杨国城.电子科技大学 2016
[2]基于多尺度分解的多传感器图像融合算法研究[D]. 叶传奇.西安电子科技大学 2009
硕士论文
[1]高动态范围图像的色调映射算法研究[D]. 程虹.中国科学院大学(中国科学院光电技术研究所) 2019
[2]基于活跃度度量的多聚焦图像融合研究[D]. 毛义坪.重庆师范大学 2019
[3]高动态范围医学图像增强方法研究[D]. 王泽琦.东北师范大学 2019
[4]脑部磁共振图像自动分割方法的研究与应用[D]. 陈书海.安徽大学 2019
[5]基于NSST和Tetrolet变换的图像增强算法的研究[D]. 张兰花.新疆大学 2018
[6]基于视频处理的煤矸石识别研究[D]. 张勇.中国矿业大学 2018
[7]基于多分辨率分析的医学图像融合技术研究[D]. 田宇.哈尔滨工程大学 2018
[8]基于多尺度变换的图像融合方法研究[D]. 柴鹏飞.江南大学 2017
[9]基于PET/CT的肺结节分割与良恶性诊断方法的研究[D]. 闫晓斐.太原理工大学 2017
[10]基于NSCT和剪切波变换的图像增强算法的研究[D]. 周飞.新疆大学 2017
本文编号：2967701
【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校
【文章页数】：140 页
【学位级别】：博士
【部分图文】：
论文整体组织结构图
具有类似于 Curvelet 变换的各向异性尺度关系，能够有效地表示图像中的轮边缘信息，充分表现出其捕获图像中高维奇异性信息的良好性能[62][63]。Contourlet 变换的基本思想是：首先用拉普拉斯金字塔(Laplacian Pyramid,解得到边缘的孤立断点，然后使用二维方向滤波器组(Directional Filter BaFB)将方向一致的断点连接成线，形成最基本的轮廓段[63]。Contourlet 分解的示意框图如图 2.1 所示，其中阴影部分表示图像分解时滤波器在频域的支撑，而 2,2则表示经采样矩阵 0220下采样。Contourlet 分解包括尺度分解向子带分解两个重要部分。其中，尺度分解是由 LP 变换完成的，它将图像到多个尺度上，也就是进行多尺度分解；随后，经 LP 分解得到的各个尺度通过 DFB 进行频域方向分割，从而得到多个方向子带，也就是我们所说的多方向分解[64][65]。由此可见，Contourlet 变换是由 LP 和 DFB 结合而形成的滤波器组结构，也被称为塔形方向滤波器组(Pyramidal Direction Filter BaDFB)。
图 2.2 一层 LP 分解示意图图 2.3 一层 LP 重构示意图2.1.1 LP 变换由 Burt 和 Adelson 提出的 LP 变换能够将图像分解到多个尺度上[66]。如图 2与图 2.3 所示分别给出了一层 LP 分解与重构的示意图，其中， 2，2和 2，2分别表示由采样矩阵 0220进行下采样和上采样[63]。在分解图像 X 时，首先利用低通滤波器 H 和下采样得到其近似图像 a，然后将近似 a 插值(即上采样后经低通滤波器 G 滤波)再与原始图像求差值便得到 LP 分解的高频部分 d[67]。重构时，将
【参考文献】：
期刊论文
[1]基于Sentinel-1A卫星SAR数据地震同震形变场反演——以意大利佩鲁贾地震为例[J]. 周鹏,周光. 河北北方学院学报(自然科学版). 2019(05)
[2]形态学滤波和改进PCNN的NSST域多光谱与全色图像融合[J]. 焦姣,吴玲达. 中国图象图形学报. 2019(03)
[3]改进的卷积神经网络单幅图像超分辨率重建[J]. 曾接贤,倪申龙. 计算机工程与应用. 2019(13)
[4]基于多尺度递归网络的图像超分辨率重建[J]. 吴磊,吕国强,薛治天,盛杰超,冯奇斌. 光学学报. 2019(06)
[5]基于Retinex算法的水面无人艇海天线检测方法[J]. 王传龙,马善伟,屈崇. 船舶与海洋工程. 2019(01)
[6]基于深度卷积神经网络的低照度图像增强[J]. 马红强,马时平,许悦雷,朱明明. 光学学报. 2019(02)
[7]基于NSST域的引导滤波遥感图像增强方法[J]. 韩晶,贾振红,杨杰,Nikola Kasabov. 计算机工程与设计. 2018(09)
[8]基于非下采样Shearlet变换与模糊对比度的合成孔径雷达图像增强[J]. 郭庆荣,贾振红,杨杰,Nikola KASABOV. 计算机应用. 2018(09)
[9]Multi-focus image fusion with the all convolutional neural network[J]. 杜超本,高社生. Optoelectronics Letters. 2018(01)
[10]基于LLF和RBD检测的红外和可见光图像融合[J]. 王贝贝,王正勇,何小海,吴小强. 计算机工程与应用. 2017(17)
博士论文
[1]基于多分辨率分析的医学图像融合关键技术研究[D]. 杨国城.电子科技大学 2016
[2]基于多尺度分解的多传感器图像融合算法研究[D]. 叶传奇.西安电子科技大学 2009
硕士论文
[1]高动态范围图像的色调映射算法研究[D]. 程虹.中国科学院大学(中国科学院光电技术研究所) 2019
[2]基于活跃度度量的多聚焦图像融合研究[D]. 毛义坪.重庆师范大学 2019
[3]高动态范围医学图像增强方法研究[D]. 王泽琦.东北师范大学 2019
[4]脑部磁共振图像自动分割方法的研究与应用[D]. 陈书海.安徽大学 2019
[5]基于NSST和Tetrolet变换的图像增强算法的研究[D]. 张兰花.新疆大学 2018
[6]基于视频处理的煤矸石识别研究[D]. 张勇.中国矿业大学 2018
[7]基于多分辨率分析的医学图像融合技术研究[D]. 田宇.哈尔滨工程大学 2018
[8]基于多尺度变换的图像融合方法研究[D]. 柴鹏飞.江南大学 2017
[9]基于PET/CT的肺结节分割与良恶性诊断方法的研究[D]. 闫晓斐.太原理工大学 2017
[10]基于NSCT和剪切波变换的图像增强算法的研究[D]. 周飞.新疆大学 2017
本文编号：2967701
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/2967701.html
最近更新
教材专著
