针对实验图像光照不均、对比度低、噪声大等特点，提出一种基于非抽样contourlet变换的图像非线性增强算法．首先对原图进行非抽样contourlet变换，分解为低频和高频子带；然后对低频子图进行自适应直方图处理，以增强像素的对比度，对高频系数采用分层阈值处理和分段非线性变换；最后将其反变换得到增强的图像．仿真实验结果表明：此算法不仅增强效果好，鲁棒性强，而且具有较大的实用价值．
2022-05-18 18:24:52
294KB
1
contourlet_toolbox contourlet变换工具包
2022-05-10 11:10:50
429KB
1
利用非下采样Contourlet变换（NSCT）平移不变性、多分辨率、多方向的优点，提出了一种基于非下采样Contourlet变换的子带自适应Bayes阈值图像去噪算法。该算法将源图像分解至NSCT 变换域， 能根据不同尺度、不同方向的子带能量，自适应调整去噪阈值。实验表明，与Contourlet多尺度阈值去噪、Contourlet自适应阈值去噪相比，该算法在图像去噪上能获得更好的视觉效果和更高的峰值信噪比。
2022-05-07 17:30:59
676KB
1
本文提出了一种基于非下采样Contourlet变换与非线性各向异性扩散的方法进行含噪图像的去噪和增强。首先对含噪图像进行非下采样Contourlet分解，对每个分解层的各个子带进行非线性收缩和拉伸，以达到抑制噪声和增强图像特征的目的。然后，对去噪增强后图像的Contourlet小系数进行空间域的非线性各向异性扩散，以去除由于进行非下采样Contourlet去噪所造成的为伪Gibbs现象和 side-band效应。实验结果表明，本文方法相比于无扩散的Wavelet和Contourlet方法相比，不仅对图像进行了去噪和增强，而且有效的抑制了伪Gibbs现象和 side-band效应。
2022-04-10 15:58:39
885KB
1
基于小波变换、contourlet变换、contourlet-小波变换+PCA算法实现SAR图像去噪matlab代码.pdf
2022-03-09 11:09:02
484KB
1
为了更好地将可见光图像与噪声干扰严重的合成孔径雷达图像融合, 提出了一种最大尺度硬阈值去噪的方法, 在此基础上设计了一种融合规则, 根据噪声和信号在NSCT(nonsubsampled Contourlet transform)域的分解系数特性, 将NSCT分解的最大尺首先进行硬阈值去噪, 其他高频尺度与最大尺度对应的像素点取值方式保持一致, 在低频系数采用“简单绝对值取大”的融合规则, 最后进行NSCT逆变换得到融合图像。实验结果表明, 该方法能有效抑制斑点噪声, 并能充分保留源图像重要特征。
2021-12-28 15:10:36
1.39MB
1