提出一种反锐化掩模(USM)锐化检验方法。采用局部二值模式方法(LBP)检测图像边缘特征,利用支持向量机进行分类,然后检测图像是否被锐化。针对不同的锐化强度,对比不同LBP检测模式,筛选出最优检测方式。实验结果表明,LBP方法能达到较好的USM锐化检测效果,其中旋转不变模式的检测效果最好,在弱锐化情况下检出率仍能达到90%,优于现有文献中各类方法的检测性能。

为检测强云杂波背景中的红外弱小运动目标，结合反锐化掩模理论，提出了一种基于曲线波变换的多尺度反锐化掩模红外图像云层背景抑制新方法。首先，根据红外目标和背景杂波的特性，采用二代曲线波变换对图像进行多尺度、多方向分解，提取图像的多尺度和方向细节特征，然后，根据目标和背景杂波子带系数的差异，通过应用反锐化掩模理论调整分解后的各子带系数，从而将红外图像中弱小目标信号和背景杂波分离，达到抑制背景的目的。实验结果显示，与最大中值(ＭＭｅｄ)和二维最小均方误差(ＴＤＬＭＳ)方法比较，该方法对信杂比较低的红外弱小目标复杂云层背景从主观视觉和数值指标都具有良好抑制效果。

针对小尺寸TFT-LCD驱动控制芯片的结构特点,提出了一种适用于小尺寸TFT-LCD的新型图像锐化算法。在传统的反锐化掩膜算法中考虑了人眼的视觉系统特性,加入了能量色散滤波器,进而提高了图像锐化效果,降低了锐化噪声,减小了灰度溢出,同时也避免了色彩失真现象。所提出的算法简单且易于硬件实现,硬件开销小,还可以通过寄存器配置锐化强度等参数,以实现显示画质的优化和微调,尤其适应于手机等小尺寸TFT-LCD显示终端应用。

针对含有低亮度低对比度区域的图像,提出基于局部自适应拉升窗(LASW)的复合图像增强算法。通过研究目前一系列基于局部操作的空域图像增强算法,提出全局和局部操作结合的总体思路;首先使用高提升拉普拉斯(Laplacian)反锐化掩模(UM)增强以获得较多的隐藏细节和边缘信息,然后构造局部自适应拉升窗大幅增强低对比度图像细节,同时使用自适应滤波器进行掩模平滑操作；最后根据局部增强结果进行全局修正。仿真实验表明,在绝对误差、图像熵等评价指标下,该算法使低对比度图像尤其当含有低亮度微弱局部信息时,获得了较好的增强效果。

数字CR(computed radiography)医学放射图像动态范围宽、细节丰富、对比度差，只有对其进行增强处理才能满足医生临床诊断的需要。由于目前通用的CR图像增强算法的对比度和噪声增强过度，丢失了细节，为了对CR图像进行边缘细节增强，提出了一种非线性反锐化掩模算法。该算法使用钝化模糊影像来增加对选择空间频率的响应，以增强CR图像的结构边缘和细节。算法能根据CR图像的灰度特性来调节增强程度的加权因数K，从而可非线性地增强CR影像的边缘细节。实验证明，经算法处理后的CR图像细节丰富，信噪比高，细节方差与背景方差之比为通用算法的9．6倍，增强后的CR图像具有良好的视觉效果，是一种增强CR医学放射图像边缘细节的好方法。

针对线性反锐化掩模法对医学图像增强的不足,提出了一种基于多尺度抗噪反锐化掩模的医学影像增强算法(MSNR-UM).该算法将原始图像分解为一个多分辨率金字塔,金字塔的每一级代表该尺度下的细节图像,利用非线性函数对各尺度下的细节图像进行增强,采用与分解过程相反的步骤将处理后的各尺度细节图像合成为增强图像.实验结果表明,在处理同一图像时,MSNR-UM法的背景噪声方差仅为线性UM法的28%.

针对线性反锐化掩模法的缺点,提出一种基于区域分割的自适应反锐化掩模法,利用像素局部方差将输入图像划分为平滑区、中等对比度区和高对比度区,根据像素(x,y)所属的区域类型,自适应确定其局部灰阶变化率增益系数α(x,y)及期望的输出局部灰阶变化率Hd(x,y),并导出增强系数K(x,y).对一幅胸片图像进行处理,并与其它几种反锐化掩模法的处理结果进行比较,结果显示该方法获得较好的边缘增强效果,且有较强的噪声抑制能力.