CN106373104A - 岩石钻孔图像的自适应增强方法 - Google Patents
岩石钻孔图像的自适应增强方法 Download PDFInfo
- Publication number
- CN106373104A CN106373104A CN201610809308.XA CN201610809308A CN106373104A CN 106373104 A CN106373104 A CN 106373104A CN 201610809308 A CN201610809308 A CN 201610809308A CN 106373104 A CN106373104 A CN 106373104A
- Authority
- CN
- China
- Prior art keywords
- image
- coefficient
- band
- low frequency
- curvelet
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 239000011435 rock Substances 0.000 title claims abstract description 37
- 238000000034 method Methods 0.000 title claims abstract description 27
- 230000003044 adaptive effect Effects 0.000 title abstract description 4
- 238000001914 filtration Methods 0.000 claims abstract description 27
- 230000009466 transformation Effects 0.000 claims abstract description 13
- 238000012545 processing Methods 0.000 claims abstract description 8
- 238000006243 chemical reaction Methods 0.000 claims description 52
- 238000000354 decomposition reaction Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 4
- 238000005315 distribution function Methods 0.000 claims description 4
- 230000006978 adaptation Effects 0.000 claims description 3
- 230000002708 enhancing effect Effects 0.000 claims description 3
- 230000001131 transforming effect Effects 0.000 claims description 3
- 238000005286 illumination Methods 0.000 description 8
- 230000000694 effects Effects 0.000 description 5
- 238000013139 quantization Methods 0.000 description 5
- 238000011835 investigation Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 238000002310 reflectometry Methods 0.000 description 2
- 238000005728 strengthening Methods 0.000 description 2
- 230000001629 suppression Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000009533 lab test Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000011056 performance test Methods 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 239000004575 stone Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
- G06T5/92—Dynamic range modification of images or parts thereof based on global image properties
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/73—Deblurring; Sharpening
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20004—Adaptive image processing
- G06T2207/20008—Globally adaptive
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20048—Transform domain processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20172—Image enhancement details
- G06T2207/20192—Edge enhancement; Edge preservation
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明公开了一种岩石钻孔图像的自适应增强方法。首先运用同态滤波的方法处理曝光不均匀问题。然后对原图像和同态滤波后的图像分别进行Curvelet变换,分别分解出高频部分系数与低频部分系数。其中原图像高频部分利用变换系数自适应地确定噪声阈值,并对原图像高频部分高于阈值的部分进行自适应增强处理,同时抑制低于阈值;原图像低频部分采用直方图匹配的方法,与同态滤波后的图像低频系数进行系数匹配。最后经Curvelet逆变换得到增强图像。本发明可以自适应地提高岩石钻孔图像的对比度,将其过曝或过暗部分的一些图像细节信息较好地显示出来。
Description
技术领域
本发明涉及一种岩石钻孔图像的自适应增强方法,属于图像处理技术领域。
背景技术
我国自改革开放以来,经济发展取得巨大成效,岩土工程勘察呈现出良好的发展局面,特别是我国岩土工程勘察技术不断创新,对岩土工程勘察质量技术的要求也越来越高。岩土工程勘察就是根据工程建设的需要,对建设场地的地质条件、岩土工程特性等进行查明、分析以及评价的工程。在岩土工程建设中,一般需要大量的地质钻孔进行工程地质勘探,但是在巨大的经费代价下所钻取的地质钻孔,其利用上大多是仅仅是得到的岩芯进行编录(或获取室内试验所需岩芯),目前利用岩体钻孔进行岩体力学性能测试的设备还不多,导致这些宝贵的岩体钻孔利用率和效益比相对较低。
由于岩体赋存于一定的地质环境中,不但其应力环境复杂,且包含随机发育的空间离散结构面,其工程力学特性难以把握。而岩石钻孔图像由于拍摄条件的限制,通常存在曝光不均匀的情况,这使得图像中曝光大的明亮区细节信息失真,曝光小的暗区细节信息较难显现。针对这种情况,本发明通过调整图像的光照度同时自适应地提高岩石钻孔图像的对比度,将其中过曝光部分的一些图像细节信息较好地显示出来,同时对欠曝光的暗区进行一定的增强。这将非常利于岩体工程地质勘探,方便岩体岩层性质的分析,提高岩体钻孔的利用率。
以Curvelet变换为代表的图像多尺度几何分析方法,很好地克服了小波变换只具有点奇异性,由于其基是各项同性的,所以很难精确地表达图像中边缘的方向这一局限性。Curvelet变换与小波变换不同,除了尺度和位移参量,Curvelet还增加了一个方向参量,具有更好的方向辨识能力。因此,Curvelet对图像的边缘,如曲线、直线等几何特征的表达更加优于小波。
发明内容
本发明所要解决的技术问题是:提供一种岩石钻孔图像增强方法,将岩石钻孔图像中过曝光部分的一些图像细节信息较好地显示出来,同时对欠曝光的暗区进行一定的增强,利于岩体工程地质勘探,方便岩体岩层性质的分析,提高岩体钻孔的利用率。
Curvelet变换是一种图像二维表示方法,具有多分辨率、局部定位、多方向性、近邻界采样和各向异性等性质,具有良好表达图形沿边缘的信息的能力,对于恢复形状的沿边缘的主要结构和抑制周边噪声有其特有优势。
本发明提供一种岩石钻孔图像的自适应增强方法,包括以下步骤:
(1)获取岩石钻孔图像;
(2)对原图像进行同态滤波;
(3)对原始岩石钻孔图像以及经同态滤波后的图像分别进行Curvelet变换,分别分解为高频分量与低频分量;
(4)对原始岩石钻孔图像经Curvelet变换后高频分量进行处理;
(5)对原始岩石钻孔图像经Curvelet变换后低频分量进行处理;
(6)最后对所有子带系数进行Curvelet逆变换,得到增强后的图像。
本发明所达到的有益效果:本发明提出的一种基于同态滤波与Curvelet变换相结合的岩石钻孔图像增强方法。首先运用同态滤波的方法处理曝光不均匀问题。然后对原图像和同态滤波后的图像分别进行Curvelet变换,分别分解出高频分量系数与低频分量系数。其中原图像高频分量利用变换系数自适应地确定噪声阈值,并对原图像高频部分高于阈值的部分进行自适应增强处理,同时抑制低于阈值;原图像低频分量采用直方图匹配的方法,与同态滤波后的图像低频系数进行系数匹配。最后经Curvelet逆变换得到增强图像。实验结果表明,本发明可以自适应地提高岩石钻孔图像的对比度,将其过曝或过暗部分的一些图像细节信息较好地显示出来。
附图说明
图1是本发明岩石钻孔图像自适应增强方法的流程图;
图2是本发明所采用的同态滤波的流程图。
具体实施方式
有关本发明的详细内容和技术方案,配合图式说明如下:
本发明的一种岩石钻孔图像的自适应增强方法,具体步骤依次为:
⑴获取岩石钻孔图像;
⑵对获取的原始岩石钻孔图像进行同态滤波:
同态滤波是一种在频域中将图像动态范围进行压缩并将图像对比度进行增强的方法。当用f(x,y)二维光照函数形式表示空间域图像时,二维光照函数f(x,y)可以由两个分量来表征:入射光源总量i(x,y)和物体反射光的总量r(x,y),即f(x,y)=i(x,y)·r(x,y) 式(1)
其中,x和y是空间域图像坐标点。
光照强度一般具有一致性,在空间上通常会有缓慢变化的性质,在傅立叶变换下变现为低频分量,然而不一样的材料的反射率差异较大,经常会引起反射光的急剧变化,从而使图像的灰度值发生变化,这种变化与高频分量和低频分量有关。为了消除不均匀照度的影响,增强图像的高频部分的细节,可以采用建立在频域的同态滤波器对光照不足或者有光照变化的图像进行处理,可以尽量减少因光照不足引起的图像质量下降,并对感兴趣的景物进行有效增强,这样就在很大程度上做到了原图像的图像增强。
本发明考虑到岩石钻孔图像中闪光灯的照射类似于入射光与反射光的特性,引入同态滤波来改善岩石钻孔图像中曝光不均的问题,通过适当降低入射量函数i(x,y)的影响,同时增强反射率函数r(x,y)的频谱成分来达到增强岩石钻孔图像的目的。其中,影响高频分量与低频分量的高通滤波器设计如式(2):
式中,rH,rL分别为高通截止频率和低通截止频率;d(u,v)=[(u-u0)2+(v-v0)2]1/2是频率(u,v)到滤波中心(u0,v0)的距离;A和B共同决定了高斯滤波器的频率宽度,其中,高通截止频率rH,低通截止频率rL,常数一A和常数二B均可针对增强的需求和效果进行手动设置,(u0,v0)为二维傅里叶变换域(即频域)的高通滤波器滤波中心坐标,(u,v)为频域坐标点,常数一A和常数二B用于调节高斯滤波器的频率宽度。
(3)对原始岩石钻孔图像以及经同态滤波后的图像分别进行Curvelet变换:
对原始岩石钻孔图像以及经同态滤波后的图像分别进行Curvelet变换,并分解得到原始岩石钻孔图像的高频分量与低频分量、经同态滤波后的图像的高频分量与低频分量。其中,原始岩石钻孔图像经Curvelet变换后的变换系数记作Cj,l,k,经同态滤波后的图像经Curvelet变换后的变换系数记作Dj,l,k,j,l,k分别代表系数的尺度、方向和位移。
(4)对原始岩石钻孔图像经Curvelet变换后高频分量进行处理:
原始岩石钻孔图像经Curvelet变换分解后,高频分量部分包含大量图像边缘信息与噪声,设定一个阈值T,对高频分量进行分割,将大于阈值的变换系数视为边缘细节信号,并进行增强处理,将小于阈值的变换系数视为噪声,并进行衰减处理,这样就可以达到对岩石钻孔图像边缘细节信息进行增强,提高清晰度,同时降低噪声的作用。
在Curvelet变换系数中大部分噪声处于最细子带。在最细子带中采用中值估计公式σ=median[abs(c)]/0.6745对方差σ进行估计,其中,c为Curvelet分解后的最细子带系数,median函数:返回给定数值的中值,中值是在一组数值中居于中间的数值,阈值设定为:
式中,σj,l是第j尺度、第l方向的噪声方差,σj,l值由蒙特卡洛估计法得到,J是经Curvelet变换后得到的频率子带个数;
利用如下自适应增强函数进行相应的变换系数调整:
其中,代表第j尺度,第l方向的变换系数中位数,为调整后的变换系数,Cj,l为待调整的高频分量变换系数;max()为最大值函数,mean()为平均值函数,log()为对数函数;
将得到的调整后的高频分量系数与经同态滤波后的图像经Curvelet分解的高频分量系数Dj,l进行加权融合,得到最终高频分量系数C′j,l(x,y),如式(5):
其中,x和y是空间域图像坐标点,ρ为权数。
(5)对原始岩石钻孔图像经Curvelet变换后低频分量进行处理:
原始岩石钻孔图像经Curvelet变换分解后的低频子带一包含大量图像的基本信息,所含噪声较少,该部分关系到图像的整体对比度。为了实现增强岩石钻孔图像的效果,本发明将原始岩石钻孔图像Curvelet变换分解后的低频子带一的变换系数直方图匹配到经同态滤波后的图像Curvelet变换分解后所对应的低频子带二的变换系数直方图上,使前者系数直方图的形状与后者的近似相同,从而提高岩石钻孔图像的整体对比度。
设变量c表示归一化至区间[0,1]的原始岩石钻孔图像Curvelet变换分解后的低频子带一C0中的系数一,d表示归一化至区间[0,1]的同态滤波后图像Curvelet变换分解后的低频子带二D0中的系数二;对连续情况,设pc(c)为原始岩石钻孔图像Curvelet变换分解后的低频子带一C0对应的概率密度函数(Probability Density Function,PDF),pd(d)为期望输出的低频子带所具有的概率密度函数PDF,即经同态滤波后图像的Curvelet变换分解后的低频子带二D0的概率密度函数PDF。若对原低频子带一C0和期望输出的低频子带二D0都进行一次均衡化处理,得到具有相同的均匀分布的变换结果,即:
s为中间变量,在式(6)中定义为pc(c)的概率分布函数,式(7)中令pd(d)的概率分布函数等于s;
由式(6)和式(7)可得G(d)=T(c),因此低频子带系数二d必须满足下列条件:
d=G-1(s)=G-1[T(c)] 式(8)
求出与低频子带系数一c相对应的低频子带系数二d=G-1(s),最后再进行系数的反归一化处理,得到匹配后的最终低频子带系数,T(c)、G(d)分别是以系数一c为自变量和以系数二d为自变量的变换函数,变换函数的定义域和值域均为[0,1],且在定义区间[0,1]上单调递增,G-1(s)为函数G(d)的反函数。
将上述的结论推广到离散情况,当处理离散的低频子带系数时,用相应的直方图与求和来代替式(6)~式(8)中的概率密度函数PDF与积分,对应得到如下公式:
式中:ni是具有系数值ci的系数个数;n为原始岩石钻孔图像经过Curvelet变换分解后的低频子带中的系数总数;L为变换系数的量化级数,则有:
dq=G-1(sk)=G-1[T(ck)] (11)
ck是对c在区间[0,1]上的量化,ci表示第i个量化系数值,ck表示第k个量化系数值,为避免求和变量与求和上限相互混淆,因此分别用ci、ck表示量化系数值。s是连续概率分布函数,sk为离散概率分布函数。
这样,把原始岩石钻孔图像Curvelet变换分解后的低频子带一中的每个均衡后的系数值sk映射为直方图匹配后的低频子带二中的相应经过直方图匹配之后输出的系数值dq,经系数反归一化处理后,得到直方图匹配后的最终低频子带系数。以上系数直方图匹配的离散实现将产生指定直方图的近似。
(6)步骤(4)与步骤(5)处理的最终高频分量系数与最终低频子带系数进行Curvelet重构,得到岩石钻孔图像自适应增强后的效果图像。
Claims (6)
1.一种岩石钻孔图像的自适应增强方法,其特征在于,包括以下步骤:
(1)获取岩石钻孔图像;
(2)对原图像进行同态滤波;
(3)对原始岩石钻孔图像以及经同态滤波后的图像分别进行Curvelet变换,分别分解为高频分量与低频分量;
(4)对原始岩石钻孔图像经Curvelet变换后高频分量进行处理;
(5)对原始岩石钻孔图像经Curvelet变换后低频分量进行处理;
(6)最后对所有子带系数进行Curvelet逆变换,得到增强后的图像。
2.根据权利要求1所述的岩石钻孔图像的自适应增强方法,其特征在于:在步骤(2)中,进行同态滤波采用的高通滤波器如式(2)所示:
式中,rH,rL分别为高通截止频率和低通截止频率;d(u,v)=[(u-u0)2+(v-v0)2]1/2是频率(u,v)到滤波中心(u0,v0)的距离,(u0,v0)为二维傅里叶变换域的高通滤波器滤波中心坐标,(u,v)为频域坐标点,常数一A和常数二B用于调节高斯滤波器的频率宽度。
3.根据权利要求1所述的岩石钻孔图像的自适应增强方法,其特征在于:在步骤(4)中,原始岩石钻孔图像经Curvelet变换分解后,高频分量包含图像边缘信息与噪声,设定一个阈值T,对高频分量进行分割,将大于阈值的变换系数视为边缘细节信号,并进行增强处理,将小于阈值的变换系数视为噪声,并进行衰减处理。
4.根据权利要求3所述的岩石钻孔图像的自适应增强方法,其特征在于:阈值T设定为:
式中,σj,l是第j尺度、第l方向的噪声方差,σj,l值由蒙特卡洛估计法得到,J是经Curvelet变换后得到的频率子带个数;σ=median[abs(c)]/0.6745,c为Curvelet分解后的最细子带系数,median函数:返回给定数值的中值,中值是在一组数值中居于中间的数值;
利用如下自适应增强函数进行相应的变换系数调整:
其中,
代表第j尺度,第l方向的变换系数中位数,为调整后的变换系数,Cj,l为待调整的高频分量变换系数;max()为最大值函数,mean()为平均值函数,log()为对数函数;
将得到的调整后的高频分量系数与经同态滤波后的图像经Curvelet分解的高频分量系数Dj,l进行加权融合,得到最终高频分量系数C′j,l(x,y),如式(5):
其中,x和y是空间域图像坐标点,ρ为权数。
5.根据权利要求1所述的岩石钻孔图像的自适应增强方法,其特征在于:在步骤(5)中,将原始岩石钻孔图像Curvelet变换分解后的低频子带一的变换系数直方图匹配到经同态滤波后的图像Curvelet变换分解后所对应的低频子带二的变换系数直方图上。
6.根据权利要求5所述的岩石钻孔图像的自适应增强方法,其特征在于:设变量c表示归一化至区间[0,1]的原始岩石钻孔图像Curvelet变换分解后的低频子带一C0中的系数一,d表示归一化至区间[0,1]的同态滤波后图像Curvelet变换分解后的低频子带二D0中的系数二;对连续情况,设pc(c)为原始岩石钻孔图像Curvelet变换分解后的低频子带一C0对应的概率密度函数,pd(d)为期望输出的低频子带所具有的概率密度函数,即经同态滤波后图像的Curvelet变换分解后的低频子带二D0的概率密度函数,若对原低频子带一C0和期望输出的低频子带二D0都进行一次均衡化处理,得到具有相同的均匀分布的变换结果,即:
s为中间变量,在式(6)中定义为pc(c)的概率分布函数,式(7)中令pd(d)的概率分布函数等于s;
由式(6)和式(7)可得G(d)=T(c),因此低频子带系数二d必须满足下列条件:
d=G-1(s)=G-1[T(c)] 式(8)
求出与低频子带系数一c相对应的低频子带系数二d=G-1(s),最后再进行系数的反归一化处理,得到匹配后的最终低频子带系数,T(c)、G(d)分别是以系数一c为自变量和以系数二d为自变量的变换函数,G-1(s)为函数G(d)的反函数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610809308.XA CN106373104A (zh) | 2016-09-07 | 2016-09-07 | 岩石钻孔图像的自适应增强方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610809308.XA CN106373104A (zh) | 2016-09-07 | 2016-09-07 | 岩石钻孔图像的自适应增强方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106373104A true CN106373104A (zh) | 2017-02-01 |
Family
ID=57900464
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610809308.XA Pending CN106373104A (zh) | 2016-09-07 | 2016-09-07 | 岩石钻孔图像的自适应增强方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106373104A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108460736A (zh) * | 2018-02-07 | 2018-08-28 | 国网福建省电力有限公司泉州供电公司 | 一种低照度电力设备图像曲波域增强方法 |
CN111242876A (zh) * | 2020-01-17 | 2020-06-05 | 北京联合大学 | 低对比度图像增强方法、装置及计算机可读存储介质 |
CN114998311A (zh) * | 2022-07-11 | 2022-09-02 | 江苏名欧精密机械有限公司 | 一种基于同态滤波的零件精密度检测方法 |
CN115187465A (zh) * | 2022-05-30 | 2022-10-14 | 中国矿业大学 | 基于nsct和图像匹配的浮选泡沫图像增强方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020076116A1 (en) * | 2000-12-15 | 2002-06-20 | Xerox Corporation | Fast implementation of homomorphic filters for image enhancement |
CN103295204A (zh) * | 2013-06-20 | 2013-09-11 | 河海大学常州校区 | 一种基于非下采样轮廓波变换的图像自适应增强方法 |
CN104504662A (zh) * | 2014-12-26 | 2015-04-08 | 北京慧眼智行科技有限公司 | 一种基于同态滤波的图像处理方法及系统 |
-
2016
- 2016-09-07 CN CN201610809308.XA patent/CN106373104A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020076116A1 (en) * | 2000-12-15 | 2002-06-20 | Xerox Corporation | Fast implementation of homomorphic filters for image enhancement |
CN103295204A (zh) * | 2013-06-20 | 2013-09-11 | 河海大学常州校区 | 一种基于非下采样轮廓波变换的图像自适应增强方法 |
CN104504662A (zh) * | 2014-12-26 | 2015-04-08 | 北京慧眼智行科技有限公司 | 一种基于同态滤波的图像处理方法及系统 |
Non-Patent Citations (7)
Title |
---|
H. SOYEL 等: "Automatic image enhancement using intrinsic geometrical information", 《ELECTRONICS LETTERS》 * |
周妍 等: "基于非下采样Contourlet变换系数直方图匹配的自适应图像增强", 《光学精密工程》 * |
张成义 等: "基于Matlab的同态滤波器的优化设计", 《应用光学》 * |
欧珊瑚 等: "《Visual C++.NET数字图像处理技术与应用》", 29 February 2004 * |
潘泉: "《多源信息融合理论及应用》", 28 February 2013 * |
焦李成: "《图像多尺度几何分析理论与应用》", 31 July 2008 * |
禹晶 等: "《数字图像处理》", 30 September 2015 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108460736A (zh) * | 2018-02-07 | 2018-08-28 | 国网福建省电力有限公司泉州供电公司 | 一种低照度电力设备图像曲波域增强方法 |
CN111242876A (zh) * | 2020-01-17 | 2020-06-05 | 北京联合大学 | 低对比度图像增强方法、装置及计算机可读存储介质 |
CN111242876B (zh) * | 2020-01-17 | 2023-10-03 | 北京联合大学 | 低对比度图像增强方法、装置及计算机可读存储介质 |
CN115187465A (zh) * | 2022-05-30 | 2022-10-14 | 中国矿业大学 | 基于nsct和图像匹配的浮选泡沫图像增强方法 |
CN114998311A (zh) * | 2022-07-11 | 2022-09-02 | 江苏名欧精密机械有限公司 | 一种基于同态滤波的零件精密度检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106373104A (zh) | 岩石钻孔图像的自适应增强方法 | |
CN103295204B (zh) | 一种基于非下采样轮廓波变换的图像自适应增强方法 | |
Tang et al. | Noise estimation of natural images via statistical analysis and noise injection | |
CN103295191A (zh) | 多尺度视觉自适应图像增强方法及评价方法 | |
CN110490816B (zh) | 一种水下异构信息数据降噪方法 | |
Rasti et al. | Colour image watermarking based on wavelet and QR decomposition | |
CN113808042A (zh) | 一种基于小波变换和生成对抗网络的sar图像去噪方法 | |
CN101840568B (zh) | 基于PCNN区域分割的NeighShrink图像去噪方法 | |
Pandey et al. | Satellite image enhancement techniques—a comparative study | |
Lu et al. | SAR speckle reduction using Laplace mixture model and spatial mutual information in the directionlet domain | |
CN102496144A (zh) | 基于hsv色彩空间的nsct水声图像增强方法 | |
CN108428221A (zh) | 一种基于shearlet变换的邻域双变量阈值去噪方法 | |
CN107832798B (zh) | 基于nsct阶梯网模型的极化sar图像目标检测方法 | |
CN102314675B (zh) | 基于小波高频的贝叶斯去噪方法 | |
CN102142130B (zh) | 基于小波域增强型图像掩膜的水印嵌入方法及装置 | |
CN1329874C (zh) | 一种通用的数字图像隐形信息检测方法 | |
Ramiz et al. | Hybrid technique for image enhancement | |
Liu et al. | SAR image denoising based on patch ordering in nonsubsample shearlet domain | |
CN102509268B (zh) | 基于免疫克隆选择的非下采样轮廓波域图像去噪方法 | |
CN109284769B (zh) | 一种基于量化参数的水下图像自适应分类方法 | |
Chen et al. | Contourlet-based despeckling for SAR image using hidden Markov tree and Gaussian Markov models | |
Xie et al. | Remote sensing image enhancement based on wavelet analysis and histogram specification | |
CN105372707A (zh) | 一种多尺度地震资料随机噪音衰减方法 | |
Veeramani et al. | A Comparative Study Of Various Wavelet Approaches Used In Image Denoising | |
CN104422961A (zh) | 一种地震随机噪声衰减方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170201 |