通知公告
交大新闻
06 现在的位置：首页 > 期刊导读 > 2015 > 06 >
人工蜂群优化的非下采样Shearlet域引导滤波图像增强
【作者】 吴一全 孟天亮 吴诗婳 南京航空航天大学电子信息工程学院 南京210016 华中科技大学数字制造装备与技术国家重点实验室 武汉430074 国土资源部地质信息技术重点实验室 北京100037 东华理工大学江西省数字国土重点实验室 南昌330013
【关键词】 图像增强 非下采样Shearlet变换 引导滤波 人工蜂群优化 非线性增益函数
【摘要】针对现有图像增强算法边缘保持性能不佳、抗噪性弱的问题,提出了一种改进的引导滤波图像增强算法——ABCO-NSST-GF。通过非下采样Shearlet变换（NSST）将图像分解成低频和高频2部分,利用引导滤波来增强低频系数,避免了高频噪声的放大;对图像的高频系数进行非线性增益函数变换,在增强边缘及细节的同时抑制噪声。最后,对处理后的低频和高频系数实施NSST反变换,重构出最终的增强图像。由于引导滤波中的盒滤波半径与正则化参数对增强结果有较大影响,采用了混沌蜂群算法搜索其最佳值,确保增强结果达到最优。针对约70幅实际工程图像进行了实验,结果表明,ABCO-NSST-GF算法能够明显改善图像视觉效果,与NSCT自适应阈值法等4种算法相比,所得图像清晰度、对比度和信息熵平均提高25.2%,与空域引导滤波算法相比,P峰值信噪比平均提高20.9%。
© 2015 《西安交通大学学报》编辑部 地址：西安市咸宁西路28号 邮编：710049
互联网备案号：陕ICP备07500839号