几种常用语音增强算法的研究，吴晓宇，，语音增强算法是语音信号处理领域一个重要分支，它通过对语音信号进行预处理，抑制或消除背景噪声，提高语音质量。本文介绍了谱减

为提高煤矿井下低照度、大噪声图像的可观测性，提出了一种基于非下采样轮廓波变换的矿井图像增强算法，该方法克服了常规图像增强算法无法兼顾对比度提高与噪声抑制的不足。根据Retinex理论，推导出了低照度含噪声图像的Retinex增强框架，该框架解除了噪声对估计光照图的干扰，并且分离实现了图像的对比度提高和噪声抑制。依据该图像增强框架，首先利用非下采样轮廓波变换将输入图像分解为低频子带系数和高频方向子带系数，解除估计光照图与抑制噪声的耦合;然后在轮廓波变换域，利用R，G，B三个颜色通道的低频子带系数，求出3个低频子带系数的亮通道图像，但该亮通道图像存在细节突变和过低灰度值，不符合光照图缓慢变化的特征，对亮通道图像做进一步的Gamma校正和均值滤波，获得灰度值提高了的平滑光照图估计值;接着在轮廓波变换域，根据阈值函数收缩高频方向子带系数实现噪声抑制;最后，为突显某一频带方向的细节信息和提高整体对比度，将收缩的高频方向子带系数乘以相应的增益完成特定细节加强，再利用细节加强的高频子带系数、低频子带系数和光照图估计值重构出整体对比度提高的增强图像。数值实验表明，该图像增强算法能够有效地实现矿井图像的

针对多尺度Retinex算法在处理煤矿井下低照度图像时存在细节增强不足和耗时等问题，提出了一种基于光照校正的快速多尺度Retinex算法对煤矿井下低照度图像进行增强。该算法通过计算高斯模糊后图像的每个像素点的亮度值，将图像划分为暗调区域和高光区域，并对不同区域进行光照校正，从而降低高光区域的亮度，保证不过分曝光，同时提升较暗区域的亮度，凸显更多细节信息；利用三次快速均值滤波代替高斯滤波来估计光照强度，减少算法耗时。实验结果表明，该算法能有效提高图像的亮度和对比度，增强图像中暗调区域和高光区域的细节，具有较快的处理速度。

使用R的集成方法 ######我已经完成了关于集成方法的个人项目（论文）。 首先，我对不同的集成方法进行了背景研究，然后在基础机器学习算法上实现了Boosting，AdaBoost，Bagging和随机森林技术。 我使用了提升方法来提高弱小的学习者（如决策树桩）的性能。 为决策树（包括回归和分类问题）和KNN分类器实施装袋。 将随机森林用作分类树。 我已经在使用不同阈值的逻辑回归算法上实现了一种特殊的增强算法，称为“ AdaBoost”。 然后绘制不同的图形，例如错误率与增强，装袋和随机森林迭代的关系。 比较装袋与提振的结果。 在应用集成方法之前和应用集成方法之后，分析了分类器的性能。 使用了诸如交叉验证，MSE，PRSS，ROC曲线，混淆矩阵和袋外误差估计之类的不同模型评估技术来评估集成技术的性能。

Matlab视差增强算法，通过RGB三通道增强

指纹增强是指纹识别系统中的关键一步,增强效果的好坏对整个指纹识别系统有着至关重要的作用。采用基于Sobel算子的方法求取方向图,并且对Sobel算子进行了补充和改进。然后基于方向滤波的指纹图像增强方法,设计一组滤波器来实现指纹图像的增强,并且通过滤波器扩展成功解决了旋转溢出问题。实验证明,该方法的对改善指纹质量十分有效。

提出了一种新的基于小波变换的自适应MRI增强算法。该新算法采用两个非线性自适应规则分别增强低频和高频的小波系数，并且在增强图像信号的同时抑制、减小其中的噪声。实验结果表明新算法增强后的图像具有很好的对比度，且结果图像中的噪声要比其他基于小波变换的自适应增强算法得到的增强后的图像中的噪声要少很多。

方向滤波是沿着指纹纹线方向滤波的方法。一种方向滤波算法的有效性主要依赖于指纹图像方向估计的准确性和滤波模板构造的合理性。首先利用对低质量指纹图像鲁棒性较高的掩膜法估计点方向 ,并将点方向转换为块方向 ;然后使用八个方向的平滑滤波模板和锐化滤波模板 ,对指纹图像滤波进行增强 ;最后对增强后的指纹图像二值化。通过对 FVC2000指纹数据库 DB2中的指纹图像作增强处理 ,表明该算法增强效果较好。

一种新颖的医学图像锐化增强算法，通过微分算子实现医学图像的增强

 提出一种基于GSC的语音增强算法，该算法应用了DFT调制子带滤波器组将语音信号分解到子带进行自适应滤波，从而获得更好的增强效果以及更低的运量复杂度。同时，将范数约束自适应滤波（NCAF）算法应用于自适应噪声对消器（ANC）以降低语音的失真度。为了进一步去除增强后语音中的残留噪声，算法使用改进的Wiener后置滤波器。仿真结果表明，相对于基于全带GSC的麦克风阵列语音增强算法以及传统Wiener后置滤波算法，采用本文所用算法具有更高的输出分段信噪比。