基于Tetrolet变换与PCNN的图像增强

被引：6

作者：

杨新华 ^{[1
,2
]}

翟逸飞 ^{[1
]}

机构：

[1] 不详

[2] 兰州理工大学电气工程与信息工程学院

[3] 不详

[4] 甘肃省工业过程先进控制重点实验室

[5] 不详

来源：

计算机工程与应用 | 2014年 / 19期

关键词：

Tetrolet变换; 脉冲耦合神经网络(PCNN); 软阈值; 图像增强;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

针对传统图像增强方法易损失边缘对比度以及抗噪性不强的缺点提出了一种基于Tetrolet变换与PCNN结合的图像增强方法。对待增强图像分别进行Tetrolet变换,得到不同尺度的高通和低通子带系数,并将分解后的高通子带系数进行软阈值处理;把经处理后的各尺度高通子带轮廓图像序列作为PCNN神经网络增强算子的外部输入,进而得到增强后的高通子带系数;通过Tetrolet反变换获得增强后的结果图像。数值实验结果表明,该增强算法不但能够有效抑制噪声,而且能够很好地增强图像边缘轮廓的清晰度。

引用

页码：178 / 181+191 +191

页数：5

共 13 条

[1] 融入压缩感知的脉冲耦合神经网络用于图像快速融合 [J].