【技术实现步骤摘要】
本专利技术涉及，是一种基于非 线性Curvelet扩散的噪声图像增强方法。
技术介绍
图像增强是图像处理中的一个经典问题，通过对图像中感兴趣特征进行有选择的 增强，同时衰减其次要信息，从而提高图像可读性并增强图像解译能力，为图像后续处理奠 定基础。传统的图像增强方法主要有直方图均衡化、反锐化掩模等空域法，以及通过傅里叶 变换增强感兴趣频率成分的频域法。这些方法增强图像对比度的同时也会放大噪声，使得 图像细节信息被噪声淹没。小波变换增强算法是近年来广泛流行的图像增强方法。虽然基于多尺度小波变换 的子带系数增强方法在抑制噪声和增强特征和对比度方面比传统的单尺度方法有很大改 进，但研究表明，由于小波基各向同性的特点，它只能反映奇异“点”的位置和特性，而难以 表达更高维(如线)的特征。针对小波变换的上述缺陷，Canc^s等人提出了 Curvelet变 换理论，其各向异性特征非常有利于图像边缘的高效表示。文献“Gray and color image contrast enhancement by the curvelet transform，IEEE Trans, on Image Process.， 2003,12(6) :706-717. ”公开了一种基于Curvelet变换的灰度和彩色图像增强方法。该方 法利用Curvelet变换的各向异性特征有利于图像边缘的高效表示的特点，首先对输入自 然图像进行Curvelet变换，并对得到的Curvelet系数根据增益函数进行增强，最后，对增 强的系数进行Curvelet逆变换重构出增强的图像。虽然该方法比基于小波变...
【技术保护点】
一种基于非线性Ｃｕｒｖｅｌｅｔ扩散的噪声图像增强方法，其特征在于步骤如下：步骤１：对噪声图像灰度值矩阵进行ＭＥ－Ｃｕｒｖｅｌｅｔ正变换，得到不同分解尺度下各个方向的ＭＥ－Ｃｕｒｖｅｌｅｔ系数矩阵；步骤２：根据改进增益函数对步骤１得到的所有ＭＥ－Ｃｕｒｖｅｌｅｔ系数矩阵分别进行非线性变换，得到非线性变换后不同分解尺度下各个方向的ＭＥ－Ｃｕｒｖｅｌｅｔ系数矩阵；所述的改进增益函数为：ｙ＝＊＊＊其中，ｘ为输入，ｙ为输出；ｐ∈（０，１］，ｓ∈（０，１］；Ｔ↓［１］＝＊＊＊，Ｔ↓［２］＝ｓ↓［３］Ｔ↓［１］，Ｔ↓［３］＝ｓ↓［４］Ｔ↓［２］；其中，ｊ为分解尺度，σ为按σ＝ｍｅｄｉａｎ（｜Ｓ↓［ＨＨ］｜）／０．６７４５计算得到的ＳＡＲ图像灰度值矩阵的对数矩阵的噪声标准差，ｍｅｄｉａｎ（.）表示取中值，｜.｜表示取模，Ｓ↓［ＨＨ］是对噪声图像灰度值矩阵进行一级小波分解得到的对角方向高频子带小波系数矩阵；σ↓［ｘ］为输入ｘ的二范数；ｓ↓［１］∈［１，５］，ｓ↓［２］∈［１，５］，ｓ↓［３］∈［２，３］，ｓ↓［４］∈［１．５，２．５］；步骤３：对步骤２得到的ＭＥ－Ｃｕｒｖｅｌｅｔ系数矩阵进行ＭＥ－Ｃｕｒ...
【技术特征摘要】
【专利技术属性】
技术研发人员：李映，宁慧君，张艳宁，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：87[]
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。