10.3969/j.issn.1006-2475.2015.11.021
基于NSCT和PCNN的彩色图像增强方法
根据人类对颜色的感知特性,本文在彩色图像的HSV空间,提出一种基于非下采样Contourlet变换(Non-subsampled Contourlet Transform,NSCT)和脉冲耦合神经网络(Pulse Coupled Neural Networks,PCNN)模型相结合的彩色图像增强算法.首先对HSV空间亮度分量V做NSCT分解,得到低频子带系数和高频方向子带系数,对低频子带系数做PCNN增强,并对处理后的系数做修正,再对高频子带系数做线性变换处理,将处理后的V分量做逆NSCT以重构;然后对饱和度分量S做幂次微调.最后,将HSV颜色空间变换到RGB空间得到增强后的图像.实验结果表明,本增强方法在视觉效果和客观评价指标上都优于比较算法,不仅增加了彩色图像的亮度,而且颜色保持较好,边缘更清晰.
非下采样Contourlet变换、脉冲耦合神经网络、HSV颜色模型、彩色图像增强
TP391.41(计算技术、计算机技术)
陕西省教育厅基金资助项目14JK1802;咸阳师范学院基金资助项目12XSYK072
2015-12-18(万方平台首次上网日期,不代表论文的发表时间)
共5页
99-102,108