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 吴诗婳 孟天亮
• 来源期刊: 西安交通大学学报
• 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
• 年，卷（期）: 2015,（6）
• 页码范围: 39-45
• 页数: 7页
• 分类号: TN911.73
• 语种: 中文
• DOI: 10.7652/xjtuxb201506007

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％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴一全	南京航空航天大学电子信息工程学院	198	2249	23.0	36.0
17	吴诗婳	南京航空航天大学电子信息工程学院	28	424	11.0	20.0
18	孟天亮	南京航空航天大学电子信息工程学院	7	207	4.0	7.0