CN111192204A - 一种图像增强方法、系统和计算机可读存储介质 - Google Patents
一种图像增强方法、系统和计算机可读存储介质 Download PDFInfo
- Publication number
- CN111192204A CN111192204A CN201911158140.0A CN201911158140A CN111192204A CN 111192204 A CN111192204 A CN 111192204A CN 201911158140 A CN201911158140 A CN 201911158140A CN 111192204 A CN111192204 A CN 111192204A
- Authority
- CN
- China
- Prior art keywords
- image
- frequency
- band
- low
- frequency sub
- 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.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000001914 filtration Methods 0.000 claims abstract description 46
- 238000012545 processing Methods 0.000 claims abstract description 35
- 230000009466 transformation Effects 0.000 claims abstract description 32
- 230000002708 enhancing effect Effects 0.000 claims abstract description 7
- 238000000354 decomposition reaction Methods 0.000 claims description 16
- 230000006870 function Effects 0.000 claims description 14
- 238000009792 diffusion process Methods 0.000 claims description 10
- 230000003044 adaptive effect Effects 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000013507 mapping Methods 0.000 claims description 6
- 239000000126 substance Substances 0.000 claims description 6
- 230000008569 process Effects 0.000 description 8
- 230000000694 effects Effects 0.000 description 5
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Facsimile Image Signal Circuits (AREA)
Abstract
本发明提供一种图像增强方法、系统和计算机可读存储介质，所述方法包括：对原始图像直接进行非下采样剪切波变换，获得第一低频子带图像和第一高频子带图像；对原始图像进行直方图均衡化后，再进行非下采样剪切波变换，得到第二低频子带图像和第二高频子带图像；根据PM滤波算法对所述第二低频子带图像进行增强处理，得到低频部分图像；对所述第一高频子带图像进行自适应阈值去噪处理；对去噪后的第一高频子带图像进行引导滤波处理，得到高频部分图像；对所述低频部分图像和所述高频部分图像进行非下采样剪切波反变换，得到增强后的遥感图像。本发明增强后的遥感图像具有较好的对比度和清晰度。
Description
技术领域
本发明图像增强技术领域，尤其涉及一种图像增强方法、系统和计算机可读存储介质。
背景技术
在遥感图像的获取中，受传感器和环境等因素的干扰，导致图像成像过程中引入一些干扰和噪声，图像出现视觉效果差、纹理信息不明显、对比度低等问题。遥感图像增强作为一个重要环节，不仅可以改善图像清晰度，而且可以加强图像细节信息，一个好的图像增强方法对获取高质量的遥感图像有非常大的帮助。因此，如果提高遥感图像的增强效果已成为当前人们共同研究的课题。
发明内容
为了解决上述至少一个技术问题，本发明提出了一种图像增强方法、系统和计算机可读存储介质。
为了实现上述目的，本发明第一方面提出了一种图像增强方法，所述方法包括：
对原始图像直接进行非下采样剪切波变换，获得第一低频子带图像和第一高频子带图像；
对原始图像进行直方图均衡化后，再进行非下采样剪切波变换，得到第二低频子带图像和第二高频子带图像；
根据PM滤波算法对所述第二低频子带图像进行增强处理，得到低频部分图像；
对所述第一高频子带图像进行自适应阈值去噪处理；
对去噪后的第一高频子带图像进行引导滤波处理，得到高频部分图像；
对所述低频部分图像和所述高频部分图像进行非下采样剪切波反变换，得到增强后的遥感图像。
进一步的，对原始图像直接进行非下采样剪切波变换，具体包括：
通过非下采样金字塔分解得到低频和高频部分；
通过shearlet滤波器，从伪极化网络系统映射到笛卡尔坐标；进行多尺度分解，得到多个方向的子带系数；然后对每个子带系数进行傅里叶逆变换。
进一步的，所述PM滤波算法的计算式为：
其中，div()是关于空间变量的散度算子，u是空间变量x和时间变量t的函数，u0表示原始图像，c(·)＞0称为扩散系数，其为非递增单调函数。
进一步的，对去噪后的第一高频子带图像进行引导滤波处理，具体包括：
根据公式EI＝ε(P-Q)+Q对去噪后的第一高频子带图像进行引导滤波处理；
其中，P是待滤波图像；Q为滤波后图像；I为引导图像；ε是增强参数。
进一步的，对所述第一高频子带图像进行自适应阈值去噪处理，具体包括：
根据公式
对所述第一高频子带图像进行自适应阈值去噪处理；
其中，
表示第r层，j方向的NSST系数；σ是噪声方差，
是信号方差，β是一个常量。
本发明第二方面还提出一种图像增强系统，所述图像增强系统包括：存储器及处理器，所述存储器中包括一种图像增强方法程序，所述图像增强方法程序被所述处理器执行时实现如下步骤：
对原始图像直接进行非下采样剪切波变换，获得第一低频子带图像和第一高频子带图像；
对原始图像进行直方图均衡化后，再进行非下采样剪切波变换，得到第二低频子带图像和第二高频子带图像；
根据PM滤波算法对所述第二低频子带图像进行增强处理，得到低频部分图像；
对所述第一高频子带图像进行自适应阈值去噪处理；
对去噪后的第一高频子带图像进行引导滤波处理，得到高频部分图像；
对所述低频部分图像和所述高频部分图像进行非下采样剪切波反变换，得到增强后的遥感图像。
进一步的，对原始图像直接进行非下采样剪切波变换，具体包括：
通过非下采样金字塔分解得到低频和高频部分；
通过shearlet滤波器，从伪极化网络系统映射到笛卡尔坐标；进行多尺度分解，得到多个方向的子带系数；然后对每个子带系数进行傅里叶逆变换。
进一步的，所述PM滤波算法的计算式为：
其中，div()是关于空间变量的散度算子，u是空间变量x和时间变量t的函数，u0表示原始图像，c(·)＞0称为扩散系数，其为非递增单调函数。
进一步的，对去噪后的第一高频子带图像进行引导滤波处理，具体包括：
根据公式EI＝ε(P-Q)+Q对去噪后的第一高频子带图像进行引导滤波处理；
其中，P是待滤波图像；Q为滤波后图像；I为引导图像；ε是增强参数。
本发明第三方面还提出一种计算机可读存储介质，所述计算机可读存储介质中包括一种图像增强方法程序，所述图像增强方法程序被处理器执行时，实现如上述的一种图像增强方法的步骤。
本发明提出的图像增强方法、系统和计算机可读存储介质，利用PM滤波器处理直方图均衡化出的低频部分图像，采用循环阈值法来去除原始图像高频部分的噪声，然后再用引导滤波增强处理后的高频部分图像，最终通过NSST重构即可得到增强后的遥感图像，且增强后的遥感图像具有较好的对比度和清晰度。
本发明的附加方面和优点将在下面的描述部分中给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
图1示出了本发明一种图像增强方法的流程图；
图2示出了本发明一种图像增强系统的框图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。
图1示出了本发明一种图像增强方法的流程图。
如图1所示，本发明第一方面提出一种图像增强方法，所述方法包括：
S102，对原始图像直接进行非下采样剪切波变换，获得第一低频子带图像和第一高频子带图像；
S104，对原始图像进行直方图均衡化后，再进行非下采样剪切波变换，得到第二低频子带图像和第二高频子带图像；
S106，根据PM滤波算法对所述第二低频子带图像进行增强处理，得到低频部分图像；
S108，对所述第一高频子带图像进行自适应阈值去噪处理；
S110，对去噪后的第一高频子带图像进行引导滤波处理，得到高频部分图像；
S112，对所述低频部分图像和所述高频部分图像进行非下采样剪切波反变换，得到增强后的遥感图像。
进一步的，对原始图像直接进行非下采样剪切波变换，具体包括：
通过非下采样金字塔分解得到低频和高频部分；
通过shearlet滤波器，从伪极化网络系统映射到笛卡尔坐标；进行多尺度分解，得到多个方向的子带系数；然后对每个子带系数进行傅里叶逆变换。
需要说明的是，所述非下采样剪切波(NSST)变换是在shearlet变换基础上延伸出来的。Shearlet变换是合成仿射系统与多尺度分析相结合的算法，它对图像进行更稀疏的分解，实现最优逼近。
进一步的，所述PM滤波算法的计算式为：
其中，div()是关于空间变量的散度算子，u是空间变量x和时间变量t的函数，u0表示原始图像，c(·)＞0称为扩散系数，其为非递增单调函数。
需要说明的是，PM(perona-malik)滤波是基于各种古典扩散过滤器构成的。图像进行迭代的扩散过程，每一次迭代后噪音逐渐移除。将图像进行自适应直方图均衡化后，再经过NSST变换后的低频系数进行处理，低频子带包含大量背景信息，是去除纹理和细节后的图像，该部分关系图像的整体对比度。虽然大量噪声集中在高频子带，但仍有少量噪声存在于低频子带。在采用PM模型对低频分量增强时，不仅提高对比度还抑制了噪声。
扩散率函数为：
或
PM模型的实质是改进的热传导偏微分方程。
进一步的，对去噪后的第一高频子带图像进行引导滤波处理，具体包括：
根据公式EI＝ε(P-Q)+Q对去噪后的第一高频子带图像进行引导滤波处理；
其中，P是待滤波图像；Q为滤波后图像；I为引导图像；ε是增强参数。
可以理解，ε值的大小决定细节部分的清晰度。
需要说明的是，图像引导滤波是一个关于局部线性关系的图像滤波器，能够实现平滑滤波的同时还能良好的对边缘信息进行保护。滤波过程包含引导图像I，待处理图像P和处理后图像Q。其中I和P都是灰度图像。引导滤波的关键部分就是对引导图像I和待处理图像P局部线性关系的假设。在局部窗wk中，r为半径，像素点k为中心，P是I的线性变换，即：
Pi＝akIi+bk，i∈wk；
其中：ak，bk是可变换的系数，在局部窗wk中为常值。
(a是常系数)，通过引导滤波的局部线性模型，图像的边缘保持的很好，因为滤波的输出图像和引导图像会保持相同的边缘细节。
进一步的，对所述第一高频子带图像进行自适应阈值去噪处理，具体包括：
根据公式
对所述第一高频子带图像进行自适应阈值去噪处理；
其中，
表示第r层，j方向的NSST系数；σ是噪声方差，
是信号方差，β是一个常量。
需要说明的是，原始图像经NSST变换后，对得到高频系数进行处理。其中高频部分包含了图像在各个方向上的边缘、轮廓等细节信息，以及图像中存在的大量噪声。阈值的选择对去噪的效果很重要，通过选取合适的阈值，来最大程度的减少噪声的影响，并且要保证较少主要信息丢失。本发明采用阈值方案是转换阈值系数，对每层每方向上的高频系数进行自适应的去噪。
优选的，本发明shearlet变换的分解层数为4层，方向数为1，2，4，8。
高频子带噪声方差：
其中，
表示每层每个方向上的系数，且
是
的共轭复数，Lr是高频子带长度，
对高频系数的处理，选择阈值时既考虑到不同层次，噪声方差的不同，也考虑到同一层不同方向噪声方差的不同。因此本发明所选取的阈值可以最大程度的滤除噪声且保留图像信息。经上述阈值出去噪声后，为了使图像有更好的增强效果，再用引导滤波来处理每层每方向的高频子带图像。
图2示出了本发明一种图像增强系统的框图。
如图2所示，本发明第二方面还提出一种图像增强系统2，所述图像增强系统2包括：存储器21及处理器22，所述存储器中包括一种图像增强方法程序，所述图像增强方法程序被所述处理器执行时实现如下步骤：
对原始图像直接进行非下采样剪切波变换，获得第一低频子带图像和第一高频子带图像；
对原始图像进行直方图均衡化后，再进行非下采样剪切波变换，得到第二低频子带图像和第二高频子带图像；
根据PM滤波算法对所述第二低频子带图像进行增强处理，得到低频部分图像；
对所述第一高频子带图像进行自适应阈值去噪处理；
对去噪后的第一高频子带图像进行引导滤波处理，得到高频部分图像；
对所述低频部分图像和所述高频部分图像进行非下采样剪切波反变换，得到增强后的遥感图像。
需要说明的是，本发明的系统可以在PC、手机、PAD等终端设备中进行操作。
需要说明的是，所述处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
进一步的，对原始图像直接进行非下采样剪切波变换，具体包括：
通过非下采样金字塔分解得到低频和高频部分；
通过shearlet滤波器，从伪极化网络系统映射到笛卡尔坐标；进行多尺度分解，得到多个方向的子带系数；然后对每个子带系数进行傅里叶逆变换。
需要说明的是，所述非下采样剪切波(NSST)变换是在shearlet变换基础上延伸出来的。Shearlet变换是合成仿射系统与多尺度分析相结合的算法，它对图像进行更稀疏的分解，实现最优逼近。
进一步的，所述PM滤波算法的计算式为：
其中，div()是关于空间变量的散度算子，u是空间变量x和时间变量t的函数，u0表示原始图像，c(·)＞0称为扩散系数，其为非递增单调函数。
需要说明的是，PM(perona-malik)滤波是基于各种古典扩散过滤器构成的。图像进行迭代的扩散过程，每一次迭代后噪音逐渐移除。将图像进行自适应直方图均衡化后，再经过NSST变换后的低频系数进行处理，低频子带包含大量背景信息，是去除纹理和细节后的图像，该部分关系图像的整体对比度。虽然大量噪声集中在高频子带，但仍有少量噪声存在于低频子带。在采用PM模型对低频分量增强时，不仅提高对比度还抑制了噪声。
扩散率函数为：
或
PM模型的实质是改进的热传导偏微分方程。
进一步的，对去噪后的第一高频子带图像进行引导滤波处理，具体包括：
根据公式EI＝ε(P-Q)+Q对去噪后的第一高频子带图像进行引导滤波处理；
其中，P是待滤波图像；Q为滤波后图像；I为引导图像；ε是增强参数。
可以理解，ε值的大小决定细节部分的清晰度。
需要说明的是，图像引导滤波是一个关于局部线性关系的图像滤波器，能够实现平滑滤波的同时还能良好的对边缘信息进行保护。滤波过程包含引导图像I，待处理图像P和处理后图像Q。其中I和P都是灰度图像。引导滤波的关键部分就是对引导图像I和待处理图像P局部线性关系的假设。在局部窗wk中，r为半径，像素点k为中心，P是I的线性变换，即：
Pi＝akIi+bk，i∈wk；
其中：ak，bk是可变换的系数，在局部窗wk中为常值。
(a是常系数)，通过引导滤波的局部线性模型，图像的边缘保持的很好，因为滤波的输出图像和引导图像会保持相同的边缘细节。
进一步的，对所述第一高频子带图像进行自适应阈值去噪处理，具体包括：
根据公式
对所述第一高频子带图像进行自适应阈值去噪处理；
其中，
表示第r层，j方向的NSST系数；σ是噪声方差，
是信号方差，β是一个常量。
需要说明的是，原始图像经NSST变换后，对得到高频系数进行处理。其中高频部分包含了图像在各个方向上的边缘、轮廓等细节信息，以及图像中存在的大量噪声。阈值的选择对去噪的效果很重要，通过选取合适的阈值，来最大程度的减少噪声的影响，并且要保证较少主要信息丢失。本发明采用阈值方案是转换阈值系数，对每层每方向上的高频系数进行自适应的去噪。
优选的，本发明shearlet变换的分解层数为4层，方向数为1，2，4，8。
高频子带噪声方差：
其中，
表示每层每个方向上的系数，且
是
的共轭复数，Lr是高频子带长度，
对高频系数的处理，选择阈值时既考虑到不同层次，噪声方差的不同，也考虑到同一层不同方向噪声方差的不同。因此本发明所选取的阈值可以最大程度的滤除噪声且保留图像信息。经上述阈值出去噪声后，为了使图像有更好的增强效果，再用引导滤波来处理每层每方向的高频子带图像。
本发明第三方面还提出一种计算机可读存储介质，所述计算机可读存储介质中包括一种图像增强方法程序，所述图像增强方法程序被处理器执行时，实现如上述的一种图像增强方法的步骤。
本发明提出一种图像增强方法、系统和计算机可读存储介质，利用PM滤波器处理直方图均衡化出的低频部分图像，采用循环阈值法来去除原始图像高频部分的噪声，然后再用引导滤波增强处理后的高频部分图像，最终通过NSST重构即可得到增强后的遥感图像，且增强后的遥感图像具有较好的对比度和清晰度。
在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种图像增强方法，其特征在于，所述方法包括：
对原始图像直接进行非下采样剪切波变换，获得第一低频子带图像和第一高频子带图像；
对原始图像进行直方图均衡化后，再进行非下采样剪切波变换，得到第二低频子带图像和第二高频子带图像；
根据PM滤波算法对所述第二低频子带图像进行增强处理，得到低频部分图像；
对所述第一高频子带图像进行自适应阈值去噪处理；
对去噪后的第一高频子带图像进行引导滤波处理，得到高频部分图像；
对所述低频部分图像和所述高频部分图像进行非下采样剪切波反变换，得到增强后的遥感图像。
2.根据权利要求1所述的一种图像增强方法，其特征在于，对原始图像直接进行非下采样剪切波变换，具体包括：
通过非下采样金字塔分解得到低频和高频部分；
通过shearlet滤波器，从伪极化网络系统映射到笛卡尔坐标；进行多尺度分解，得到多个方向的子带系数；然后对每个子带系数进行傅里叶逆变换。
3.根据权利要求1所述的一种图像增强方法，其特征在于，
所述PM滤波算法的计算式为：
其中，div()是关于空间变量的散度算子，u是空间变量x和时间变量t的函数，u0表示原始图像，c(·)＞0称为扩散系数，其为非递增单调函数。
4.根据权利要求1所述的一种图像增强方法，其特征在于，对去噪后的第一高频子带图像进行引导滤波处理，具体包括：
根据公式EI＝ε(P-Q)+Q对去噪后的第一高频子带图像进行引导滤波处理；
其中，P是待滤波图像；Q为滤波后图像；I为引导图像；ε是增强参数。
5.根据权利要求1所述的一种图像增强方法，其特征在于，对所述第一高频子带图像进行自适应阈值去噪处理，具体包括：
根据公式
对所述第一高频子带图像进行自适应阈值去噪处理；
其中，
表示第r层，j方向的NSST系数；σ是噪声方差，
是信号方差，β是一个常量。
6.一种图像增强系统，其特征在于，所述图像增强系统包括：存储器及处理器，所述存储器中包括一种图像增强方法程序，所述图像增强方法程序被所述处理器执行时实现如下步骤：
对原始图像直接进行非下采样剪切波变换，获得第一低频子带图像和第一高频子带图像；
对原始图像进行直方图均衡化后，再进行非下采样剪切波变换，得到第二低频子带图像和第二高频子带图像；
根据PM滤波算法对所述第二低频子带图像进行增强处理，得到低频部分图像；
对所述第一高频子带图像进行自适应阈值去噪处理；
对去噪后的第一高频子带图像进行引导滤波处理，得到高频部分图像；
对所述低频部分图像和所述高频部分图像进行非下采样剪切波反变换，得到增强后的遥感图像。
7.根据权利要求6所述的一种图像增强系统，其特征在于，对原始图像直接进行非下采样剪切波变换，具体包括：
通过非下采样金字塔分解得到低频和高频部分；
通过shearlet滤波器，从伪极化网络系统映射到笛卡尔坐标；进行多尺度分解，得到多个方向的子带系数；然后对每个子带系数进行傅里叶逆变换。
8.根据权利要求6所述的一种图像增强系统，其特征在于，
所述PM滤波算法的计算式为：
其中，div()是关于空间变量的散度算子，u是空间变量x和时间变量t的函数，u0表示原始图像，c(·)＞0称为扩散系数，其为非递增单调函数。
9.根据权利要求6所述的一种图像增强系统，其特征在于，对去噪后的第一高频子带图像进行引导滤波处理，具体包括：
根据公式EI＝ε(P-Q)+Q对去噪后的第一高频子带图像进行引导滤波处理；
其中，P是待滤波图像；Q为滤波后图像；I为引导图像；ε是增强参数。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中包括一种图像增强方法程序，所述图像增强方法程序被处理器执行时，实现如权利要求1至5中任一项所述的一种图像增强方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911158140.0A CN111192204A (zh) | 2019-11-22 | 2019-11-22 | 一种图像增强方法、系统和计算机可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911158140.0A CN111192204A (zh) | 2019-11-22 | 2019-11-22 | 一种图像增强方法、系统和计算机可读存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111192204A true CN111192204A (zh) | 2020-05-22 |
Family
ID=70707236
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911158140.0A Withdrawn CN111192204A (zh) | 2019-11-22 | 2019-11-22 | 一种图像增强方法、系统和计算机可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111192204A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111768350A (zh) * | 2020-06-10 | 2020-10-13 | 中国人民解放军军事科学院国防科技创新研究院 | 一种红外图像增强方法及系统 |
| CN113344820A (zh) * | 2021-06-28 | 2021-09-03 | Oppo广东移动通信有限公司 | 图像处理方法及装置、计算机可读介质、电子设备 |
| CN113902745A (zh) * | 2021-12-10 | 2022-01-07 | 山东捷瑞数字科技股份有限公司 | 基于图像处理的商用车变速箱精准故障识别方法及装置 |
-
2019
- 2019-11-22 CN CN201911158140.0A patent/CN111192204A/zh not_active Withdrawn
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111768350A (zh) * | 2020-06-10 | 2020-10-13 | 中国人民解放军军事科学院国防科技创新研究院 | 一种红外图像增强方法及系统 |
| CN111768350B (zh) * | 2020-06-10 | 2022-12-20 | 中国人民解放军军事科学院国防科技创新研究院 | 一种红外图像增强方法及系统 |
| CN113344820A (zh) * | 2021-06-28 | 2021-09-03 | Oppo广东移动通信有限公司 | 图像处理方法及装置、计算机可读介质、电子设备 |
| CN113344820B (zh) * | 2021-06-28 | 2024-05-10 | Oppo广东移动通信有限公司 | 图像处理方法及装置、计算机可读介质、电子设备 |
| CN113902745A (zh) * | 2021-12-10 | 2022-01-07 | 山东捷瑞数字科技股份有限公司 | 基于图像处理的商用车变速箱精准故障识别方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Liu et al. | Efficient single image dehazing and denoising: An efficient multi-scale correlated wavelet approach | |
| Jain et al. | A survey of edge-preserving image denoising methods | |
| Bnou et al. | A wavelet denoising approach based on unsupervised learning model | |
| US7260272B2 (en) | Method and apparatus for noise reduction using discrete wavelet transform | |
| Wang et al. | Image denoising using SVM classification in nonsubsampled contourlet transform domain | |
| Liu et al. | A medical image enhancement method using adaptive thresholding in NSCT domain combined unsharp masking | |
| Pham et al. | Efficient image sharpening and denoising using adaptive guided image filtering | |
| 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 | |
| Panigrahi et al. | Curvelet‐based multiscale denoising using non‐local means & guided image filter | |
| CN111192204A (zh) | 一种图像增强方法、系统和计算机可读存储介质 | |
| Yin et al. | Image denoising with anisotropic bivariate shrinkage | |
| Hossain et al. | Medical image enhancement based on nonlinear technique and logarithmic transform coefficient histogram matching | |
| Sharma et al. | From pyramids to state‐of‐the‐art: a study and comprehensive comparison of visible–infrared image fusion techniques | |
| Shi et al. | An image denoising method based on multiscale wavelet thresholding and bilateral filtering | |
| Gopinathan et al. | Wavelet and FFT Based Image Denoising Using Non-Linear Filters. | |
| Biradar et al. | Edge preserved speckle noise reduction using integrated fuzzy filters | |
| Kaur et al. | Survey of de-noising methods using filters and fast wavelet transform | |
| Shahdoosti et al. | Combined ripplet and total variation image denoising methods using twin support vector machines | |
| CN102637292B (zh) | 一种图像的处理方法和装置 | |
| CN111242854A (zh) | 一种图像去噪方法 | |
| Singh et al. | A homomorphic non-subsampled contourlet transform based ultrasound image despeckling by novel thresholding function and self-organizing map | |
| CN109993703A (zh) | 多尺度图像降噪方法及装置 | |
| CN113487505A (zh) | 一种基于噪声识别的红外图像混合降噪方法 | |
| Pai et al. | Medical color image enhancement using wavelet transform and contrast stretching technique | |
| Qingrong et al. | Contrast enhancement of medical images using fuzzy set theory and nonsubsampled shearlet transform |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20200522 |
|
| WW01 | Invention patent application withdrawn after publication |