基于小波多分辨率分析的图像模糊增强算法的研究与实现
小波变换在图像超分辨率重建与解析度增强中的图像插值技术研究及应用实践
小波变换在图像超分辨率重建与解析度增强中的图像插值技术研究及应用实践近年来，随着数字图像处理技术的不断发展，图像超分辨率重建和解析度增强成为了研究的热点之一。
在这一领域中，小波变换作为一种重要的图像处理工具，被广泛应用于图像插值技术的研究和实践中。
首先，我们来了解一下小波变换的基本原理。
小波变换是一种时频分析方法，它通过将信号分解为不同频率的小波基函数，来描述信号的时域和频域特征。
在图像处理中，小波变换可以将图像分解为不同尺度的细节和近似部分，从而实现对图像的分析和重建。
在图像超分辨率重建中，图像插值技术是一种常用的方法。
插值是指通过已知数据点之间的关系，推测出未知数据点的值。
传统的插值方法如双线性插值和双三次插值等，虽然能够提供一定程度上的图像重建效果，但在保持图像细节和边缘清晰度方面存在一定的局限性。
而小波变换在图像插值中的应用则可以克服传统插值方法的不足之处。
通过对图像进行小波变换，可以得到图像的低频和高频部分，其中低频部分包含了图像的大致轮廓和结构信息，而高频部分则包含了图像的细节信息。
在进行图像插值时，我们可以对低频部分进行插值处理，并将高频部分保持不变。
这样一来，就能够在提高图像分辨率的同时，保持图像的细节和边缘清晰度。
除了图像超分辨率重建，小波变换在图像解析度增强中也发挥着重要的作用。
解析度增强是指通过一系列的图像处理方法，提高图像的清晰度和细节可见度。
在传统的图像增强方法中，常用的方法包括直方图均衡化、锐化和去噪等。
然而，这些方法往往会引入一定的噪声或者导致图像过度增强。
小波变换在图像解析度增强中的应用则可以有效地克服传统方法的缺点。
通过对图像进行小波变换，我们可以得到图像的细节和近似部分。
在进行图像增强时，我们可以对细节部分进行增强处理，而保持近似部分不变。
这样一来，就能够在提高图像的清晰度和细节可见度的同时，减少图像的噪声和过度增强现象。
在实际应用中，小波变换在图像超分辨率重建和解析度增强中已经取得了一定的成果。
基于小波变换和模糊理论的裂纹图像增强算法①
基于小波变换和模糊理论的裂纹图像增强算法①李沛轩;叶俊勇【期刊名称】《计算机系统应用》【年(卷),期】2013(000)009【摘要】针对传统图像增强算法的缺陷，提出了一种基于小波分析和模糊理论的图像增强算法，该算法先对原始图像进行小波变换得到图像的高频和低频小波系数，再定义新的模糊隶属度函数对低频系数进行模糊增强，对不同方向上的高频系数进行小波阈值去噪，通过小波重构得到增强后的图像，所有算法通过Matlab编程验证，能有效的增强图像，改善图像的视觉效果。
实验结果表明，算法是可行有效的。
%Focused on the limitation of traditional image enhancement algorithm, proposed an image enhancement algorithm based on wavelet transform and fuzzy set theory. Firstly, wavelet transform is used to decompose the original image.Secondly, a new membership function of fuzzy was defined and the low frequency coefficient was enhanced by fuzzy enhancement transformation. the high frequency coefficients of different directions was enhanced by wavelet threshold de-noising.Finally, the inverse wavelet transform was applied to restructure image. All algorithms are realized in Matlab. It's can enhance the image effectively and improve image visual effect. The experimental results demonstratethat the algorithm is feasible and effective.【总页数】5页(P191-194,190)【作者】李沛轩;叶俊勇【作者单位】重庆大学光电技术及系统教育部重点实验室,重庆,400044;重庆大学光电技术及系统教育部重点实验室,重庆,400044【正文语种】中文【相关文献】1.基于小波变换与模糊理论的图像增强算法研究 [J], 刘兴淼;王仕成;赵静2.基于小波变换与模糊理论的医学超声图像增强与去噪方法研究 [J], 何文3.基于模糊理论的煤矿井下图像增强算法 [J], 乔陆;陈静4.基于模糊理论的图像增强算法研究 [J], 韩涛;侯海啸5.一种基于模糊理论的阴霾天气图像增强改进算法∗ [J], 姜庆伟; 苏兴龙因版权原因，仅展示原文概要，查看原文内容请购买。
基于小波变换的图像增强新算法
0 引言
在图像的获取过程中 ,由于传感器噪声 、 随机大气湍流和 成像光源的散射等多方面因素 , 图像的分辨率和对比度产生 下降 ,因此 ,为得到一幅清晰的图像 , 必须进行增强处理 。传 统的图像增强算法在改善图像的对比度和增强图像的细节的 同时放大了噪声 , 而小波增强 [ 1, 2 ] 在增强图像细节的同时抑 制了图像的噪声 ,该方法通过小波变换使原图像中不同分辨 率的细节特征随尺度的不同而分离 ,然后 ,利用非线性变换函 数对不同尺度小波分量分别进行变换 , 使原始图像中不同分 辨率的细节特征都得到增强 ,然而 ,图像的低频分量即尺度分 量没有作相应改变 ,处理后的图像灰度基本没有变化 。人眼 的光接收体可分为锥状体和杆状体两类 , 锥状体能辨认图像 的细节 ,但在低照度下不起作用 ,杆状体在低照度下起作用 , 但不能感受图像的细节 ,因此 ,在太高或太低的照度下 , 增强 细节意义不大 。 本文提出一种基于小波变换的图像增强新算法 , 利用 àtrous 算法
像进行处理 ,对灰度图像具有很好的动态范围压缩性能 ,由于 采用多尺度处理 ,对不同照度下的细节都有增强效果 ,处理后 图像的亮度有了明显的改善 。具体的处理方法如下 :
N
其中 , T 为阈值门限 , G为增益因子 , W in 和 W ou t 为变换前 后的小波系数 。 在实验中 , T 和 G的值采用人机交互的方式进 行选取 。 该算法对所有的小波系数进行了放大 , 在增强图像细 节的同时 , 对噪声进行了放大 。
2 ) 双阈值增强算法
R ( x, y ) =
∑w
n =1
n
{ logI ( x, y ) - loR ( x, y ) 为 M SR 的输出 , I ( x, y ) 为图像数据 , 卷积运算符 , w n 为权重 , 满足
小波域图象超分辨率重构算法
THANKS
感谢观看
02
通过融合不同尺度下的细节信息，实现图像的超分 辨率重构。
03
通过对图像的边缘、纹理等特征进行增强，提高图 像的视觉效果。
小波域图象超分辨率重构算法的实现过程
对低分辨率图像进行 小波变换，得到不同 尺度下的细节系数。
对融合后的细节系数 进行逆小波变换，得 到高分辨率图像。
根据需要，选择合适 的细节系数进行融合。
通过小波变换对低分辨率图像进行多尺度 分析，获取图像在不同尺度下的细节信息 ，再利用这些信息重构出高分辨率图像。
03
图像超分辨率技术
图像超分辨率技术的概述
图像超分辨率技术是一种通过软件算法提高图像分辨率的方法，使得低分 辨率图像能够被放大并呈现出高分辨率的效果。
该技术主要通过插值、优化、学习等方法，对图像的细节和纹理进行恢复 和增强，以实现超分辨率重构。
小波域图象超分辨率重构 算法
• 引言 • 小波变换基础 • 图像超分辨率技术 • 小波域图象超分辨率重构算法原理 • 小波域图象超分辨率重构算法实验与
分析
• 小波域图象超分辨率重构算法的应用 案例
• 总结与展望
01
引言
背景介绍
图像超分辨率重构是计算机视觉领域的重要研究方向，旨在通过算法提高图像的分 辨率和质量。
未来研究方向与展望
进一步优化算法性能，提高超分辨率图 像的质量和稳定性，以满足更高标准的 图像处理需求。
探索与其他图像处理技术的结合，如深度学 习、人工智能等，以实现更高效、更智能的 图像超分辨率重构。
拓展小波域图象超分辨率重构算法 在其他领域的应用，如医学影像、 遥感图像等，以提高相关领域的技 术水平和应用效果。
小波变换在图像处理中的应用
基于小波变换的图像增强算法研究_李云
A=imread(`flower.jpg' ); %读入图像
imshow(A);
%显示图像
figure, imhist(A); 实验结果如图 3所示 。
%显示图像的直方图
图 1 小波变换的分解算法
2.2 图像的细节系数的统计特性
Mallat讨论 [ 3] 了二维小波 变换 的细节 系数 的统 计特 性 , 各
ONALGORITHM OFIMAGECONTRASTENHANCEMENT BASED ON WAVELET TRANSFORMATION
LiYun LiuXuecheng
(DepartmentofMathematicsandSystem Science, TaishanUniversity, Taishan271021 , Shandong, China)
Keywords Imageenhancement Histogram equalization Wavelettransformation Contrastenhancement
0 引 言
由于小波分 析技 术可 以将 信号 或图 像分 层次 按小 波基 展
开 , 并且可以根据图像的性 质及事先 给定的 图像处 理要求 确定 到底要展开到哪一级为止 , 从而不仅能有效地控制计算量 , 满足 实时处理的需要 , 同时 , 小波变 换具有放大 、缩小和平移的功能 , 能够很方便的产生各 种分辨率 的图像 , 从而 适应于 不同分 辨率 图像的 I/O设备和不 同传输速率的通信系统 。
%直方图均衡前的图像效果
subPlot(1, 2, 2), imshow(I);
%直方图均衡后的图像效果
figure, SubPlot(1, 2, 1), imhist(A);
基于小波变换与模糊理论的图像增强算法研究
关键词 ： 波变换 ； 小 阅值 去 噪 ； 糊 理 论 ； 属 度 函 数 ； 模 隶 图像 增 强
中 图分 类 号 ： ＴＮ９ １ ７ １．３ 文献 标 志 码 ： Ａ
Ｉ ａ ｅ Ｅｎ ａ ｃ ｍ ｅ ｔ Ａｌ ｏ ｉｈ ｓ ｄ ｏ ｍ ｇ ｈ ｎ ｅ ｎ ｇ ｒ ｔ ｍ Ｂａ ｅ ｎ
增强 ， 高频 系 数 进行 小 波 去 噪 ， 且 定 义新 的隶 属度 函数 对 各 个 尺度 上 不 同方 向 的 高 频 系 数进 行模 糊 增 强 ， 并 最
后 通 过 小 波 重 构 得 到 增 强 的 图像 。实 验结 果 表 明 ， 算 法 可 以 有 效 去 除 噪 声 和 增 强 图像 ， 使 图 像 具 有 良好 该 并
基 于 小 波 变 换 与模 糊 理 论 的 图像 增 强 算 法研 究
刘 兴淼 ， 王仕 成 ， 赵
（ 二炮兵工程பைடு நூலகம்院 ， 安 第 西
静
７０２） １０ ５
摘 要 ： 针对传统 图像增强方法增强图像 同时放大噪声 的问题 ， 出了一种基 于小波变换 和改进模糊集 理论 提 进行图像增强的方法 。该算法先对原 始图像进行 小波变换获得低频 和高频 系数 ， 对低频系数进行了分段 函数
第 ３ Ｏ卷 第 ４期 ２ｌ Ｏ Ｏ年 ８月
弹
箭
与
制
导
学
报
Ｖｏ ． Ｏ Ｎｏ ４ １３ ．
Ａ ｕ ０１ ｇ２ ０
ｊ ｕ ｎ ｌ ｆＰ ｏｅ ｔｌｓ ｏ ｒ ａ ｒｊｃｉ 。Ｒｏ ｋ ｔ ，Ｍ ｉｓｌｓａ ｄ Ｇｕｄ ｎ ｅ ｏ ｅ ｃ ｅｓ ｓｉ ｎ ｉａ ｃ ｅ
ｉ ｇ ｎ ａ ｃ ｍｅ ｔａｇ ｒｔ ｍ ａ ｅ ｎ ｗａ ｅ ｅ ｒ ｎ ｆ ｒ ａ ｄ ｉ ｒ ｖ ｄ ｆ ｚ ｙ ｓ ｔ ｔ ｅ ｒ ｓ ｐ ｅ ｅ ｔ ｄ Ｆｉｓｌ ，ｔ ｅ ｍ ｕｔ ｓ ａｅ ｍａ ｅ ｅ ｈ ｎ ｅ ｎ ｌ ｏ ｉ ｈ ｂ ｓ ｄ ｏ ｖ ｌ ｔｔ ａ ｓｏ ｍ ｎ ｍｐ ｏ ｅ ｕ ｚ ｅ ｈ ｏ ｙ ｗａ ｒ ｓ ｎ ｅ ． ｒ ｔｙ ｈ ｌ — ｃ ｌ ｉ
基于多尺度小波域相关性的图像去噪与增强方法的研究的开题报告
基于多尺度小波域相关性的图像去噪与增强方法的研究的开题报告一、选题背景及研究意义图像处理一直是计算机视觉领域中的一个重要研究方向，图像去噪与增强是其中的重要应用之一。
图像去噪的目的是消除图像中的噪声，提高图像的质量；图像增强的目的是突出图像中的特定信息，以便更好地满足实际需求。
在实际应用中，图像往往受到多种因素的干扰，如传感器噪声、图像失真、图像模糊等，而且不同的干扰因素可能会导致图像特征发生变化，给后续的图像分析和处理带来麻烦。
因此图像去噪与增强技术在实际应用中具有重要的价值。
本文将基于多尺度小波域相关性，探讨图像去噪与增强的方法，以提高图像质量，同时保留原始图像中的有用信息。
本文的研究具有重要的理论价值和应用价值，对于提高图像处理的精度和效率具有积极的推动作用。
二、研究目的和内容本文的研究目的是建立一个基于多尺度小波域相关性的图像去噪与增强模型，以实现对图像质量的提高和有用信息的保留。
本文将重点研究以下内容：1.利用小波变换对图像信号进行多尺度分析，提高图像处理的精度与效率。
2.探讨小波域中的相关性概念，建立图像去噪与增强模型。
3.分析模型的适应性和性能，提出模型的优化方案。
4.通过实验验证模型的有效性和实用性。
三、研究方法本文的研究方法主要包括以下几个方面：1.图像处理理论研究：从数据处理的角度入手，基于小波变换对图像信号进行多尺度分析，探讨小波域中的相关性概念，并提出基于相关性的图像去噪与增强模型。
2.数学建模和算法设计：建立基于小波域相关性的图像去噪与增强模型，并提出相应的优化算法。
3.软件开发和实验验证：将所提出的模型和算法实现为计算机软件，完成实际图像的处理，并通过实验验证模型的有效性和实用性。
四、论文结构本文将分为以下几个部分：第一章：绪论。
阐述图像去噪与增强的背景和意义，描述本文的研究目的和内容，以及研究方法和论文结构。
第二章：相关技术及理论基础。
介绍图像处理中常用的基本理论和方法，包括小波变换、相关性分析等。
小波变换在高分辨率图像处理中的图像增强应用
小波变换在高分辨率图像处理中的图像增强应用近年来，随着数字图像技术的不断发展和应用领域的不断拓展，高分辨率图像处理成为一个热门的研究方向。
在高分辨率图像处理中，图像增强是一个重要的环节，它可以提高图像的质量和细节，使图像更加清晰和真实。
而小波变换作为一种重要的信号处理工具，被广泛应用于高分辨率图像处理中的图像增强。
小波变换是一种多尺度分析方法，它可以将信号分解成不同尺度的频率成分，并且能够捕捉到信号的局部特征。
在高分辨率图像处理中，小波变换可以将图像分解成不同频率的子图像，从而实现对图像的局部增强。
具体而言，小波变换通过对图像进行一系列的低通和高通滤波操作，得到图像的低频和高频部分。
低频部分包含图像的整体信息，而高频部分则包含图像的细节信息。
通过调整滤波器的参数，可以实现对图像不同频率成分的增强。
在图像增强的过程中，小波变换可以应用于多个方面。
首先，小波变换可以用于图像的去噪处理。
由于图像采集和传输过程中可能会引入噪声，这些噪声会降低图像的质量。
通过对图像进行小波变换，并对高频部分进行阈值处理，可以将噪声滤除，从而提高图像的清晰度和细节。
其次，小波变换还可以用于图像的边缘增强。
边缘是图像中的重要特征，它可以提供图像的轮廓和结构信息。
通过对图像进行小波变换，并对高频部分进行增强，可以使图像的边缘更加清晰和明显。
此外，小波变换还可以用于图像的亮度和对比度调整。
通过对图像进行小波变换，并对低频部分进行增强，可以改变图像的亮度和对比度，使图像更加鲜明和生动。
然而，小波变换在高分辨率图像处理中也存在一些挑战和限制。
首先，小波变换需要选择合适的小波基函数和尺度，这对于不同的图像和应用场景来说是一个挑战。
不同的小波基函数和尺度会对图像的增强效果产生影响，需要根据具体情况进行选择。
其次，小波变换在处理过程中会引入一定的失真和伪影。
由于小波变换是一种局部分析方法，它可能会导致图像的细节部分出现伪影，从而影响图像的质量。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
翟改霞 王春光
（ 内蒙古农业大学机电工程学 院 内蒙古 呼和浩特 ００ １ ） １０ ８ 到各种 噪声的干扰和污染。基 于小波变换的 多分辨率分析能够有效抑制噪声 的特性 ， 出利 会 提
用小波多分辨率分析对 图像进行平滑滤 波实现 图像 的去噪， 并定 义新的模 糊隶属度 函数对 图像进行增 强， 在保 证模 糊增 强效果 的同
ａ ａ ｙ ｉ ｓ ａ ｌ ｏ ｒ ｓｒ ｉ ｈ ｒ ｐ ｒｙ ｏ ｉｅｅ ｆｃｉ ｅｙ Ｉ ｈｉ ａ ｅ ｔｐｒ ｐ ｓ ｄ ｔ ａ ｒ ｕｔｓ ｏｈ ｉ ａ ｅ ｆｌｅ ｎｇａｓｗｅ ｌａ ｍａ ｅ ｄ — ｎ ｌｓｓ ｉ ｂｅ ｔ ｅ ｔａ ｎ ｔ ｅ ｐ ｏ ｅ ｔ ｆｎｏｓ ｆｅ ｔｖ ｌ． ｎ ｔ ｓ ｐ ｐ ｒｉ ｏ ｏ ｅ ｏ ｃ ｒｙ ｏ ｍｏ ｔ ｍ ｇ ｔｒ ｌ ｓｉ ｇ ｅ ｉ ｉ
： 主 』
： 主 １
其 步骤如 下 ： 将图像 映射 为一个模 糊矩 阵 ，记 图像 的大 小
０ 引 言
图像增强是指突 出图像 中的有 用信息 ， 减少 噪声对 图像 的 影 响， 使其 比原 图像更 适合 于特定应 用。图像增 强 的方法有空
间域 方 法 和 频 率 域 方 法 两 大类 ， 年 来 得 到 了充 分 的应 用 ， 得 近 取 了一 些 成 就 ， 但是 还 存 在 很 大 的 局 限 性 。近 年 来 随 着 模 糊 理 论 的 出现 和 发 展 ， 经应 用 到 图像 分析 领域 中 ， 图像 增 强 处 理 中 已 在 对 改 善 图像 的视 觉 效 果 起 到 了较 好 的作 用 。 模 糊 集 的概 念 是 在 １６ ９５年 由 美 国加 利 福 尼 亚 大 学 Ｌ Ａ ．．
堕
ｎ ｉ ｎ ｓｎ ｖ ｌｔｍｕ ｔ ｒ ｓ ｌ ｔ ｎ ａ ａｙ ｉ ，ａ ｄ ｄ ｆ ｅ ｅ ｕ ｚ ｍｂ ｒｈｐ ｆ ｎ ｔ ｎ ｔ ｎ ａ ｃ ｈ ｍａ ｅ ｈ ｕ ｚ ｎ ａ ｃ ｍｅ ｔ ｏ ｓ ｇ ｕ ｉ ｇ ｗａ ｅ ｅ ｌ —ｅ ｏ ｕ ｉ ｎ ｌ ｓｓ ｎ ｅ ｎ ｄ ａ ｎ ｗ ｆ ｚ ｙ ｍｅ ｅｓ ｉ ｕ ｃ ｉ ｏ ｅ ｈ ｎ ｅ ｔ ｅ ｉ ｇ ．Ｔ ｅ ｆ ｚ ｙ ｅ ｈ ｎ ｅ ｎ ｉ ｉ ｏ ｉ ｏ ｅｆ ｃ ｉ ｗ ｒａ ｔｄ ｗ ｉ ｏｓ ｎ ｌ ｅ ｃ ｓ ｍｉ ｇ ｔ ｄ ｈ ｅ ｔｖ ｒ ｅ ｈ ｔｔ ｅ ｍｅｈ ｄ ｃ ｕ ｄ ｅ ｈ ｎ ｅ ｔ ｅ ｉ ｇ ｆ ｃｅ ｔ ． ｆ ｔ ｓ ａ ｒ ｎ ｅ ｈ ｌ ｎ ｉｅ ｉｆ ｎ ｅ ｉ ｅ ｅ ｕ ｔ ａ ｅ ．Ｔ ｅ ｔｓ ｅ ｆ ｄ ｔａ ｈ ｔ ｏ ｏ ｌ ｎ ａ ｃ ｈ ｍａ ｅ ｅｆ ｉｎｌ ｉ ｉ ｉ ｉ ｙ Ｋｅ ｗｏ ｄ ｙ ｒｓ Ｗ ａ ｅ ｅ ｒ ｎ ｆ ｒ ｖ ｌ ｔ ａ ｓｏ ｍ Ｆ ｚｙ ｅ ｈ ｎ ｅ ｎ Ｉ ｇ ｎ ａ ｃ ｍｅ ｔ Ｉ ｇ ｅ ｏｓ Ｔ ｕ ｚ ｎ ａ ｃ ｍｅ ｔ ｍａ ｅ ｅ ｈ ｎ ｅ ｎ ｍａ ｅ ｄ ｎ ｉ ｅ
时减 少 噪声 的影 响。 经 试 验 证 实 ， 方 法 能 够 有 效地 实 现 图像 的 增 强 。 该 关 键 词 小波变换 模 糊 增 强 图像 增 强 图像 去 噪
ＳＴＵＤＹ ＡＮＤ ＲＥＡＬＩ ＺＡＴＩ ｏＮ ｏＦ Ｍ ＡＧＥ Ｉ ＦＵＺＺＹ ＥＮＨＡＮＣＥＭ ＥＮＴ
ＡＬＧｏＲＩ ＴＨＭ ＢＡＳ ＥＤ ｏＮ ＡＶＥＬＥＴ ＵＬＴＩ ＲＥＳｏＬＵＴＩ Ｗ Ｍ ． ｏＮ ＡＮＡＬＹＳＩ Ｓ
Ｚｈ ｉＧａｘ ａ Ｗ ａ ｇ Ｃｈ ｇ ａ ｇ ａ ｉｉ ｎ ｕｎ ｕ ｎ
（ ｏ ｅｏ ｃａ ｉ ｌ ｎ ｌ ｔｃｌ ｎ ｉｅｒ ｇ Ｉｎｒ ｎ ｏｉ Ａ ｒ ｕｔｒｌＵ ｉ ｒｔ， ｕ ｈｔ １０ ８， ｎｒ ｏｇ ｌ Ｃ ｉａ Ｃｌ Ｍｅｈ ｎｃ ｄＥｅ ｒａ ｇｎｅｎ ，ｎｅ ｇｌ ｇｉ ｌ ａ ｎｖ ｓｙ Ｈ ｈ ｏ ０ ０１ Ｉ ｅ ｍ ｎｏｉ ｈｎ ） ｆ ａａ ｃｉ Ｅ ｉ Ｍｏ ａ ｃ ｕ ｅｉ ｎ ａ，
利用 二维 小 波多 分 辨 率 分 析 理论 对 图 像 进 行 平 滑 处 理 ， 义 定
第２ ５卷 第 １ ０期
２０ ０ ８年 １ ０月
计算机 应 用与软 件
Ｃｏ ｕ ｅ ｐ ｉａｉ ｎ ｎ ｏ ｔ ｒ ｍｐ ｔ ｒＡｐ ｌ ｔｏ ｓ ａ ｄ Ｓ ｆ ｃ ｗａ ｅ
Ｖｏ＿ ５ Ｎｏ １ ｌ２ ． ０ ０ｃ ． ２ ０８ ｔ ０
基 于小 波 多分 辨 率分 析 的 图像 模 糊 增 强 算 法 的研 究 与 实 现
为 Ｍ ×Ｎ， 灰度级 为 ， 对应的模糊矩阵记为 ，， 表示 如下 ： 可
主 ｌ
Ｉ
Ｚ ｄｈ提 出的 ， ａｅ 模糊 集概 念 的提 出标 志 着模 糊数 学 的诞生 。模 糊增强 的理论基础是模糊数学 。Ｐ ｌ Ｋｎ 提 出了模 糊增强方 ａ 与 ｉｇ 法 ， 此后许多学者 通过 对隶 属度 函数 进行 分析 ， 过选 用不 通 同的隶属度 函数 ， 改善了模 糊增 强的效果 ］ 。