基于自适应增益系数的两级反锐化掩模法

摘要：

传统的反锐化掩模法(Unsharp Masking Algorithm,UMA)采用固定的增益系数,难以在抑制噪声放大和增强图像特征之间实现较好的平衡.因此,提出了一种基于自适应增益系数的两级UMA.首先,采用UMA重点增强图像的细节;然后,采用加权核范数最小化(Weighted Nuclear Norm Minimization,WNNM)算法去除噪声;最后,再次采用UMA重点增强图像的强边缘.其中,两次UMA均采用基于梯度模的增益函数,自适应地调整细节处和强边缘处的增益系数.实验结果表明,相比传统的UMA,所提方法在增强工业X射线图像重要结构特征的同时,可以有效抑制噪声放大和防止出现过冲现象.

关键词：反锐化掩模法、自适应增益系数、加权核范数最小化算法、X射线图像、图像细节增强

所属期刊栏目：36

分类号：TP391(计算技术、计算机技术)

资助基金：山西省高等学校科技创新资助项目;山西省高等学校科技创新资助项目;晋中学院博士科研启动资助项目;晋中学院创客团队

在线出版日期：2022-09-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：398-403