CN106709891A - 基于小波变换与自适应变换结合的图像处理方法 - Google Patents
基于小波变换与自适应变换结合的图像处理方法 Download PDFInfo
- Publication number
- CN106709891A CN106709891A CN201611005675.0A CN201611005675A CN106709891A CN 106709891 A CN106709891 A CN 106709891A CN 201611005675 A CN201611005675 A CN 201611005675A CN 106709891 A CN106709891 A CN 106709891A
- Authority
- CN
- China
- Prior art keywords
- wavelet
- component
- image
- original image
- low frequency
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 16
- 238000001914 filtration Methods 0.000 claims abstract description 13
- 230000009466 transformation Effects 0.000 claims description 49
- 230000003044 adaptive effect Effects 0.000 claims description 30
- 230000002708 enhancing effect Effects 0.000 claims description 15
- 238000000354 decomposition reaction Methods 0.000 claims description 6
- 238000013507 mapping Methods 0.000 claims description 6
- 238000010008 shearing Methods 0.000 claims description 6
- 238000002592 echocardiography Methods 0.000 claims description 3
- 239000003623 enhancer Substances 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims 2
- 238000012545 processing Methods 0.000 abstract description 2
- 238000000034 method Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 7
- 230000000694 effects Effects 0.000 description 6
- 230000000007 visual effect Effects 0.000 description 4
- 230000001131 transforming effect Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000011426 transformation method Methods 0.000 description 2
- 235000002918 Fraxinus excelsior Nutrition 0.000 description 1
- 239000002956 ash Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 239000008187 granular material Substances 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000013341 scale-up Methods 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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
- G06T5/10—Image enhancement or restoration using non-spatial domain filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
-
- 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
- G06T5/90—Dynamic range modification of images or parts thereof
-
- 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
- G06T2207/20012—Locally 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
- G06T2207/20064—Wavelet transform [DWT]
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Compression Or Coding Systems Of Tv Signals (AREA)
Abstract
本发明公开了一种基于小波变换与自适应变换结合的图像处理方法,所述图像处理方法包括:对原始图像进行离散小波变换,得到所述原始图像的低频分量和高频分量;通过对所述原始图像的低频分量进行自适应变换,得到所述低频分量的自适应变换结果;通过对所述原始图像的高频分量进行滤波处理,得到所述高频分量的滤波后结果;利用所述低频分量的自适应变换结果和所述高频分量的滤波后结果进行离散小波逆变换,得到所述原始图像的增强图像。
Description
技术领域
本发明涉及图像处理领域,具体涉及一种基于小波变换与自适应变换结合的图像处理方法。
背景技术
雨雪雾天等恶劣天气下能见度差,是计算机视觉许多应用中的一个难题。恶劣天气时,除空气分子外,大气中的粒子还有小水滴和冰晶颗粒,且半径远大于分子半径,对光线的散射的影响较大,这会导致一个场景的可见度变差。恶劣天气图像变得模糊,对比度下降。对比度增强,作为一种为图像和视频显著处理技术,能有效地提高人的感知和识别图像的视觉质量。
目前已引入许多对比度增强技术已被引入,以提高图像的对比度。基于直方图的增强算法包括全局直方图均衡化和局部直方图均衡化,前者对图像光照不均匀,效果不好,由于是全局图像增强,效果不可控,不能突出图像中的目标信息。后者仅考虑局部窗口内的灰度分布,没有考虑图像整体特点,易减弱图像的层次感。总之,没有考虑图像的频率以及细节信息,容易造成过增强。
发明内容
在下文中给出了关于本发明的简要概述,以便提供关于本发明的某些方面的基本理解。应当理解,这个概述并不是关于本发明的穷举性概述。它并不是意图确定本发明的关键或重要部分,也不是意图限定本发明的范围。其目的仅仅是以简化的形式给出某些概念,以此作为稍后论述的更详细描述的前序。
鉴于此,本发明提供了一种基于小波变换与自适应变换结合的图像处理方法,以至少解决现有技术存在的处理效果不好、易减弱图像的层次感、容易造成过增强的问题。
根据本发明的一个方面,提供了一种基于小波变换与自适应变换结合的图像处理方法,所述图像处理方法包括:对原始图像进行离散小波变换,得到所述原始图像的低频分量和高频分量;通过对所述原始图像的低频分量进行自适应变换,得到所述低频分量的自适应变换结果;通过对所述原始图像的高频分量进行滤波处理,得到所述高频分量的滤波后结果;利用所述低频分量的自适应变换结果和所述高频分量的滤波后结果进行离散小波逆变换,得到所述原始图像的增强图像。
进一步地,所述对原始图像进行离散小波变换,得到所述原始图像的低频分量和高频分量的步骤包括:对所述原始图像进行用syms4小波作2层分解,得到1个低频子频带的小波系数来作为其低频分量,并得到水平细节分量H、垂直细节分量V以及对角细节分量D上6个高频子频带的小波系数来作为其高频分量。
进一步地,所述对所述原始图像的低频分量进行自适应变换的步骤包括:将图像分割成不重叠的大小一致的子块;剪切高于阈值的每个子块的直方图,并将剪切的像素均匀地分配到所有灰度区间;对每个子块进行直方图均衡;相邻的子块之间插值映射;任何像素的所得结果映射从那些于其临近的四个块的变换函数插值获取。
进一步地,对各高频带小波系数进行滤波可按照如下方式进行:对9个高频子频带的小波系数采用参数不同的指数同态滤波器进行滤波,滤波器变换函数为:
其中,γ1和γ2是增强因子,Kc为截至系数,j为小波分解级数;对于水平细节分量H,(ωh,ωv)=(1,0);对于垂直细节分量V,(ωh,ωv)=(0,1);对于对角细节分量D,(ωh,ωv)=(1,1)。
本发明的有益效果:本发明利用小波变换可以有效分离图像低频和高频成分的特点,在图像小波变换的低频子带上,自适应变换增强低频系数,在高频子带上,利用同态滤波对高频带小波系数进行滤波,以限制噪声增强。本发明通过开发一个新的对比度增强技术,能够避免过度的提高和有效的抑制噪音。
附图说明
本发明可以通过参考下文中结合附图所给出的描述而得到更好的理解,其中在所有附图中使用了相同或相似的附图标记来表示相同或者相似的部件。所述附图连同下面的详细说明一起包含在本说明书中并且形成本说明书的一部分,而且用来进一步举例说明本发明的优选实施例和解释本发明的原理和优点。在附图中:
图1是本发明的基于小波变换与自适应变换结合的图像处理方法的流程图。
本领域技术人员应当理解,附图中的元件仅仅是为了简单和清楚起见而示出的,而且不一定是按比例绘制的。例如,附图中某些元件的尺寸可能相对于其他元件放大了,以便有助于提高对本发明实施例的理解。
具体实施方式
在下文中将结合附图对本发明的示范性实施例进行描述。为了清楚和简明起见,在说明书中并未描述实际实施方式的所有特征。然而,应该了解,在开发任何这种实际实施例的过程中必须做出很多特定于实施方式的决定,以便实现开发人员的具体目标,例如,符合与系统及业务相关的那些限制条件,并且这些限制条件可能会随着实施方式的不同而有所改变。此外,还应该了解,虽然开发工作有可能是非常复杂和费时的,但对得益于本公开内容的本领域技术人员来说,这种开发工作仅仅是例行的任务。
在此,还需要说明的一点是,为了避免因不必要的细节而模糊了本发明,在附图中仅仅示出了与根据本发明的方案密切相关的装置结构和/或处理步骤,而省略了与本发明关系不大的其他细节。
本发明的实施例提供了一种基于小波变换与自适应变换结合的图像处理方法,所述图像处理方法包括:对原始图像进行离散小波变换,得到所述原始图像的低频分量和高频分量;通过对所述原始图像的低频分量进行自适应变换,得到所述低频分量的自适应变换结果;通过对所述原始图像的高频分量进行滤波处理,得到所述高频分量的滤波后结果;利用所述低频分量的自适应变换结果和所述高频分量的滤波后结果进行离散小波逆变换,得到所述原始图像的增强图像。
在本发明的基于小波变换与自适应变换结合的图像处理方法的一个示例中,可以按照图1所示的步骤来执行处理。
如图1所示,在步骤S110中,对原始图像进行离散小波变换,得到所述原始图像的低频分量和高频分量。然后执行步骤S120。
例如,对待增强图像(即原始图像)进行用syms4小波作2层分解。得到1个低频子频带的小波系数和水平细节分量H、垂直细节分量V以及对角细节分量D上6个高频子频带的小波系数。
在步骤S120中,通过对所述原始图像的低频分量进行自适应变换(CLAHE),得到所述低频分量的自适应变换结果。然后执行步骤S130。
自适应变换是一个典型的局部对比度增强技术,可以有效地提高图像的局部细节。自适应变换的主要步骤如下:
步骤1:将图像分割成不重叠的大小一致的子块。
步骤2:剪切高于阈值的每个子块的直方图,并将剪切的像素均匀地分配到所有灰度区间。
步骤3:对每个子块进行直方图均衡。
步骤4:相邻的子块之间插值映射。任何像素的所得结果映射从那些于其临近的四个块的变换函数插值获取。
自适应变换剪切直方图高于阈值的一部分,并重新分配截取像素到每个灰度区间。该操作可以在一定程度上减轻噪声增强现象。然而,噪声对某些应用仍然是不可接受的。更重要的是,它可能会因为过度增强失去输入图像的一些部分的细节。
在步骤S130中,通过对所述原始图像的高频分量进行滤波处理,得到所述高频分量的滤波后结果。然后执行步骤S140。
例如,对各高频带小波系数进行滤波可按照如下方式进行。
对9个高频子频带的小波系数采用参数不同的指数同态滤波器进行滤波,滤波器变换函数为:
其中,γ1和γ2是增强因子,Kc为截至系数,j为小波分解级数。对于水平细节分量H,(ωh,ωv)=(1,0);对于垂直细节分量V,(ωh,ωv)=(0,1);对于对角细节分量D,(ωh,ωv)=(1,1)。
由新的系数的逆小波重构图像。从而有效的减轻过增强现象。
下面是离散小波变换CLAHE的流程图。LF和HF表示图像的低频和高频分量。通过这种离散小波变换CLAHE应用在图像的亮度部分可以把它很好的扩展至彩色图像增强[11]-[13]。图像的亮度部分值V可以通过下面的等式来计算:
其中,(R,G,B)是输入图像的RGB值。为了防止彩色失真,采用了以下的操作就获得了最终增强彩色图像。
其中(Rout,Gout,Bout)输出图像的RGB值,VE是使用自适应离散小波变换的的亮度分量V。
在步骤S140中,利用所述低频分量的自适应变换结果和所述高频分量的滤波后结果进行离散小波逆变换,得到所述原始图像的增强图像。
实验结果表明,传统的自适应变换方法处理图像提高了图像亮度,但与原始图像相比颜色失真较为严重,并且对过度增强和噪声放大问题没有有效改善作用。同态滤波方法处理结果图像存在明显的整体图像泛黑,亮度低现象,清晰化结果欠佳。
采用本发明的方法处理后图像的细节部分明显增强了,有明显的对比度增强和清晰化效果,同时可以有效地避免过度增强,从而产生良好的视觉质量的结果。本算法可以有效地避免过度增强,从而产生良好的视觉质量的结果。
本发明利用小波分析具有时频局部化能力和多分辨率分析能力的特性,通过对图像小波变换,提出了一种新的图像增强方法,即离散小波变换CLAHE,结合小波变换与CLAHE。在所提出的方法中,图像是通过小波变换分解为低频和高频分量。低频部分代表了输入图像的近似信息以及雾霾图像的大部分噪声,高频成分图像的所有详细信息。通过低频分量和高频分量分别通过CLAHE和滤波增强,可以有效限制噪声增强和避免过增强保持图像的细节信息。最后,通过小波逆变换得到增强图像。实验结果表明,该方法可以得到优质的有利人眼观察的可视图像。
尽管根据有限数量的实施例描述了本发明,但是受益于上面的描述,本技术领域内的技术人员明白,在由此描述的本发明的范围内,可以设想其它实施例。此外,应当注意,本说明书中使用的语言主要是为了可读性和教导的目的而选择的,而不是为了解释或者限定本发明的主题而选择的。因此,在不偏离所附权利要求书的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。对于本发明的范围,对本发明所做的公开是说明性的,而非限制性的,本发明的范围由所附权利要求书限定。
Claims (4)
1.基于小波变换与自适应变换结合的图像处理方法,其特征在于,所述图像处理方法包括:
对原始图像进行离散小波变换,得到所述原始图像的低频分量和高频分量;
通过对所述原始图像的低频分量进行自适应变换,得到所述低频分量的自适应变换结果;
通过对所述原始图像的高频分量进行滤波处理,得到所述高频分量的滤波后结果;
利用所述低频分量的自适应变换结果和所述高频分量的滤波后结果进行离散小波逆变换,得到所述原始图像的增强图像。
2.根据权利要求1所述的基于小波变换与自适应变换结合的图像处理方法,其特征在于,所述对原始图像进行离散小波变换,得到所述原始图像的低频分量和高频分量的步骤包括:
对所述原始图像进行用syms4小波作2层分解,得到1个低频子频带的小波系数来作为其低频分量,并得到水平细节分量H、垂直细节分量V以及对角细节分量D上6个高频子频带的小波系数来作为其高频分量。
3.根据权利要求1所述的基于小波变换与自适应变换结合的图像处理方法,其特征在于,所述对所述原始图像的低频分量进行自适应变换的步骤包括:
将图像分割成不重叠的大小一致的子块;
剪切高于阈值的每个子块的直方图,并将剪切的像素均匀地分配到所有灰度区间;
对每个子块进行直方图均衡;
相邻的子块之间插值映射;任何像素的所得结果映射从那些于其临近的四个块的变换函数插值获取。
4.根据权利要求3所述的基于小波变换与自适应变换结合的图像处理方法,其特征在于,对各高频带小波系数进行滤波可按照如下方式进行:
对9个高频子频带的小波系数采用参数不同的指数同态滤波器进行滤波,滤波器变换函数为:
其中,γ1和γ2是增强因子,Kc为截至系数,j为小波分解级数;对于水平细节分量H,(ωh,ωv)=(1,0);对于垂直细节分量V,(ωh,ωv)=(0,1);对于对角细节分量D,(ωh,ωv)=(1,1)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611005675.0A CN106709891A (zh) | 2016-11-15 | 2016-11-15 | 基于小波变换与自适应变换结合的图像处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611005675.0A CN106709891A (zh) | 2016-11-15 | 2016-11-15 | 基于小波变换与自适应变换结合的图像处理方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106709891A true CN106709891A (zh) | 2017-05-24 |
Family
ID=58940915
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611005675.0A Pending CN106709891A (zh) | 2016-11-15 | 2016-11-15 | 基于小波变换与自适应变换结合的图像处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106709891A (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107742279A (zh) * | 2017-10-31 | 2018-02-27 | 努比亚技术有限公司 | 一种图像处理方法、装置及存储介质 |
CN109741274A (zh) * | 2018-12-26 | 2019-05-10 | 新疆大学 | 图像处理方法及装置 |
CN109859138A (zh) * | 2019-02-14 | 2019-06-07 | 哈尔滨理工大学 | 一种基于人眼视觉特性的红外图像增强方法 |
CN110136084A (zh) * | 2019-05-16 | 2019-08-16 | 哈尔滨工业大学(深圳) | 基于离散小波变换的自动clahe图像增强方法、装置、系统及存储介质 |
CN111263128A (zh) * | 2018-11-30 | 2020-06-09 | 展讯通信(上海)有限公司 | 图像插值方法及装置、存储介质、终端 |
CN111383299A (zh) * | 2018-12-28 | 2020-07-07 | Tcl集团股份有限公司 | 图像的处理方法、装置及计算机可读存储介质 |
CN112669222A (zh) * | 2019-10-15 | 2021-04-16 | 国际关系学院 | 基于小波域直方图均衡化的数字图像去雾方法 |
CN112966611A (zh) * | 2021-03-09 | 2021-06-15 | 中国科学技术大学 | 一种dwt注意机制的能量迹噪声自适应方法 |
CN113066035A (zh) * | 2021-03-19 | 2021-07-02 | 桂林理工大学 | 一种基于双线性插值和小波变换的图像质量增强方法 |
WO2022135218A1 (zh) * | 2020-12-21 | 2022-06-30 | 维沃移动通信有限公司 | 图像编码方法及装置 |
CN115908144A (zh) * | 2023-03-08 | 2023-04-04 | 中国科学院自动化研究所 | 基于随机小波注意力的图像处理方法、装置、设备及介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101493939A (zh) * | 2009-02-27 | 2009-07-29 | 西北工业大学 | 基于小波域同态滤波的检测伪造图像的方法 |
CN102314673A (zh) * | 2011-08-02 | 2012-01-11 | 中国科学院长春光学精密机械与物理研究所 | 一种自适应图像增强方法 |
CN104346776A (zh) * | 2013-08-02 | 2015-02-11 | 杭州海康威视数字技术股份有限公司 | 基于Retinex理论的非线性图像增强方法及其系统 |
CN104486606A (zh) * | 2014-12-30 | 2015-04-01 | 广州博冠信息科技有限公司 | 调整图像亮度和对比度的方法及其装置 |
US9269127B2 (en) * | 2013-01-31 | 2016-02-23 | Ohio State Innovation Foundation | De-noising of real-time dynamic magnetic resonance images by the combined application of karhunen-loeve transform (KLT) and wavelet filtering |
CN205486306U (zh) * | 2016-02-04 | 2016-08-17 | 辽宁柏高智能系统工程有限公司 | 极端天气条件下低质图像增强系统 |
CN106067164A (zh) * | 2016-05-26 | 2016-11-02 | 哈尔滨工业大学 | 基于自适应小波域处理的彩色图像对比度增强算法 |
-
2016
- 2016-11-15 CN CN201611005675.0A patent/CN106709891A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101493939A (zh) * | 2009-02-27 | 2009-07-29 | 西北工业大学 | 基于小波域同态滤波的检测伪造图像的方法 |
CN102314673A (zh) * | 2011-08-02 | 2012-01-11 | 中国科学院长春光学精密机械与物理研究所 | 一种自适应图像增强方法 |
US9269127B2 (en) * | 2013-01-31 | 2016-02-23 | Ohio State Innovation Foundation | De-noising of real-time dynamic magnetic resonance images by the combined application of karhunen-loeve transform (KLT) and wavelet filtering |
CN104346776A (zh) * | 2013-08-02 | 2015-02-11 | 杭州海康威视数字技术股份有限公司 | 基于Retinex理论的非线性图像增强方法及其系统 |
CN104486606A (zh) * | 2014-12-30 | 2015-04-01 | 广州博冠信息科技有限公司 | 调整图像亮度和对比度的方法及其装置 |
CN205486306U (zh) * | 2016-02-04 | 2016-08-17 | 辽宁柏高智能系统工程有限公司 | 极端天气条件下低质图像增强系统 |
CN106067164A (zh) * | 2016-05-26 | 2016-11-02 | 哈尔滨工业大学 | 基于自适应小波域处理的彩色图像对比度增强算法 |
Non-Patent Citations (1)
Title |
---|
蔡成涛 等: "《海洋环境下的计算机视觉技术》", 31 October 2015, 国防工业出版社 * |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107742279B (zh) * | 2017-10-31 | 2020-07-10 | 珠海大横琴科技发展有限公司 | 一种图像处理方法、装置及存储介质 |
CN107742279A (zh) * | 2017-10-31 | 2018-02-27 | 努比亚技术有限公司 | 一种图像处理方法、装置及存储介质 |
CN111263128A (zh) * | 2018-11-30 | 2020-06-09 | 展讯通信(上海)有限公司 | 图像插值方法及装置、存储介质、终端 |
CN111263128B (zh) * | 2018-11-30 | 2021-06-25 | 展讯通信(上海)有限公司 | 图像插值方法及装置、存储介质、终端 |
CN109741274B (zh) * | 2018-12-26 | 2022-04-01 | 新疆大学 | 图像处理方法及装置 |
CN109741274A (zh) * | 2018-12-26 | 2019-05-10 | 新疆大学 | 图像处理方法及装置 |
CN111383299A (zh) * | 2018-12-28 | 2020-07-07 | Tcl集团股份有限公司 | 图像的处理方法、装置及计算机可读存储介质 |
CN111383299B (zh) * | 2018-12-28 | 2022-09-06 | Tcl科技集团股份有限公司 | 图像的处理方法、装置及计算机可读存储介质 |
CN109859138A (zh) * | 2019-02-14 | 2019-06-07 | 哈尔滨理工大学 | 一种基于人眼视觉特性的红外图像增强方法 |
CN110136084A (zh) * | 2019-05-16 | 2019-08-16 | 哈尔滨工业大学(深圳) | 基于离散小波变换的自动clahe图像增强方法、装置、系统及存储介质 |
CN112669222A (zh) * | 2019-10-15 | 2021-04-16 | 国际关系学院 | 基于小波域直方图均衡化的数字图像去雾方法 |
WO2022135218A1 (zh) * | 2020-12-21 | 2022-06-30 | 维沃移动通信有限公司 | 图像编码方法及装置 |
CN112966611A (zh) * | 2021-03-09 | 2021-06-15 | 中国科学技术大学 | 一种dwt注意机制的能量迹噪声自适应方法 |
CN113066035A (zh) * | 2021-03-19 | 2021-07-02 | 桂林理工大学 | 一种基于双线性插值和小波变换的图像质量增强方法 |
CN115908144A (zh) * | 2023-03-08 | 2023-04-04 | 中国科学院自动化研究所 | 基于随机小波注意力的图像处理方法、装置、设备及介质 |
CN115908144B (zh) * | 2023-03-08 | 2023-06-02 | 中国科学院自动化研究所 | 基于随机小波注意力的图像处理方法、装置、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106709891A (zh) | 基于小波变换与自适应变换结合的图像处理方法 | |
CN100550978C (zh) | 一种保持边缘的自适应图像滤波方法 | |
CN103955905B (zh) | 基于快速小波变换和加权图像融合的单幅图像去雾方法 | |
Suganya et al. | Survey on image enhancement techniques | |
CN104346776B (zh) | 基于Retinex理论的非线性图像增强方法及其系统 | |
Gupta et al. | Review of different local and global contrast enhancement techniques for a digital image | |
CN104182939B (zh) | 一种医疗影像图像细节增强方法 | |
CN103093433B (zh) | 基于区域划分和字典学习的自然图像去噪方法 | |
CN111583123A (zh) | 一种基于小波变换的融合高低频信息的图像增强算法 | |
US20140193093A1 (en) | Method and system for enhancing image quality | |
CN105096280A (zh) | 处理图像噪声的方法及装置 | |
CN104881847A (zh) | 一种基于小波分析和伪彩色处理的比赛视频图像增强方法 | |
US9443286B2 (en) | Gray image processing method and apparatus based on wavelet transformation | |
CN104574293A (zh) | 基于有界运算的多尺度Retinex图像清晰化算法 | |
CN106169181A (zh) | 一种图像处理方法及系统 | |
CN104574328A (zh) | 一种基于直方图分割的彩色图像增强方法 | |
CN103945217B (zh) | 基于熵的复小波域半盲图像质量评测方法和系统 | |
CN107784638A (zh) | 一种优化的东巴古籍图像增强方法 | |
CN104680485A (zh) | 一种基于多分辨率的图像去噪方法及装置 | |
CN106651817A (zh) | 一种基于非抽样Contourlet的图像增强方法 | |
Pandey et al. | Enhancing the quality of satellite images by preprocessing and contrast enhancement | |
CN105931206A (zh) | 一种颜色恒常的彩色图像清晰度增强方法 | |
CN104616259B (zh) | 一种噪声强度自适应的非局部均值图像去噪方法 | |
CN107194903A (zh) | 一种基于小波变换的多聚焦图像融合方法 | |
CN111311508B (zh) | 一种带噪路面裂缝图像的降噪方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170524 |
|
RJ01 | Rejection of invention patent application after publication |