保持色调的形态学高帽彩色图像对比度增强

保持色调不变,是增强彩色图像对比度需要遵循的一项原则。RGB颜色空间三个通道高度相关,在RGB颜色空间增强图像对比度时保持色调不变比较困难。本文提出了一种在RGB颜色空间增强图像对比度的算法,并证明其能够保持被增强图像的色调不变,实验结果表明增强后的图像对比度改变明显,清晰度比原图像有了较大提高。     

工业内窥镜图像对比度增强算法

针对内窥镜图像由于照明等原因而造成的亮度不均匀,局部对比度较低的问题,本文提出一种基于小波变换的同态滤波算法对内窥镜图像进行对比度增强.分析了照明反射模型的基本原理及可用于消除光照不均的同态滤波方法,采用快速小波变换代替传统傅里叶变换,在变换域中对小波系数进行非线性增强,对不同尺度上的小波系数进行不同程度的增强.实验结果表明,该方法可以有效消除由光照不均匀引起的图像亮度不均匀,增强图像对比度的同时不改变图像的原始面貌,其效果优于传统的同态滤波方法.     

VC开发的细胞形态学参数测量系统

采用面向对象的程序设计技术，以Visual C＋＋6．0为开发工具，综合运用了图像增强、图像分割、数学形态学等各方面的最新知识，开发了一个用于细胞形态学参数测量的图像处理系统，具有处理速度快，精度高，扩展性好等特点。     

基于数学形态学的彩色图像边缘检测

为了克服传统边缘检测方法对噪声敏感的缺点,提出了一种基于数学形态学的彩色图像边缘检测新方法。该方法是在RGB空间内,把每个像素作为一个向量进行排序,将灰度形态学推广到了彩色图像。然后通过分析噪声（主要是椒盐噪声）污染图像的特点对彩色图像形态学基本算子进行了改进。改进后的算子有很强的抗噪性,可以直接实现边缘检测。实验表明,与传统方法相比,该算法能够更有效地抑制噪声对边缘检测的影响,并较好地保持图像边缘细节。     

数学形态学算法的DSP实现

通过对数学形态学基本算法的研究，希望找出一种适合DSP的算法。数学形态学适用于高效并行结构运算，可简化图像数据。分析了数学形态学的位移运算，结合TMS320C32 DSP的流水线操作和I／O并发模式完成了形态学的快速算法。给出了DSP汇编程序的运行结果及不同情况的比较。     

基于小波多尺度积与形态学的瑕疵检测算法

针对布匹瑕疵种类多以及单个方法仅对特定类瑕疵有效的问题,提出一种新的基于小波多尺度积和数学形态学的布匹瑕疵检测算法.首先对输入图像进行二进小波变换后,低频近似子图经过数学形态学运算,得到良好的瑕疵形状特征,然后对高频子图使用小波多尺度积方法,可以抑制噪声的同时增强瑕疵的边缘线性特征,最后融合得到最终的检测结果.实验结果...     

基于RBF神经网络的低对比度图像自适应增强算法

针对低对比度图像增强问题,提出了一种将直方图修正与RBF神经网络相结合的图像对比度增强算法。首先由原始图像获得与其邻域存在对比度的像素的条件概率直方图,通过调整两个增强参数可以改变条件概率直方图和均匀分布直方图的权重,生成新的直方图对图像进行增强。采用RBF神经网络建立图像特征与两个增强参数之间的非线性映射关系。根据图像本身的特征快速获得增强参数,从而实现图像的自适应增强。该方法计算量小,实时性强,应用范围广,有较强的自适应性。     

基于多尺度形态学操作的超声图像增强方法

针对医学超声图像低对比度和强噪声给医疗诊断和图像处理所带来的困难，通过基于多尺度形态学操作的方法实现图像增强和噪声抑制的目的．该方法将传统的图像增强概念延伸到数学形态学多尺度空间中，利用多尺度形态学操作提取图像多尺度特征，并通过改变这些特征的强度实现图像局部对比度增强和噪声抑制．实验证明，该方法对超声图像局部对比度增强和噪声抑制是有效的．     

自适应的彩色图像光照补偿新方法

环境光照变化、光照分布不均匀会影响彩色图像中人脸的正确检测。在融合了不同的基于空域的解决方案的基础上,提出了一种自适应的彩色图像光照补偿新方法。分别对光照过亮、过暗以及中间灰度区域进行自适应的处理。对亮度值最小、最大的5%的像素,如果这些像素的数目足够多(本文大于100),在变换后分别压缩为0和255;用对数函数做非线性变换函数来修正中间灰度区域。在人脸PIE数据库上对光照不均的彩色图像进行了实验,验证了该方法能对人脸检测中的光照进行有效的补偿。     

图像对比度增强的非线性变换法

对原始图像用所提出的判据判断图像的对比度类型,针对不同类型直接确定灰度变换参数,实现图像全局对比度增强。再对图像进行离散平稳小波变换,利用所提出的非线性增强方法分别对各个分解层的高频子带进行细节增强。实验表明,提出的方法在有效提高图像整体对比度的同时,又能突出图像中目标的细节部分信息。     

基于增强的低对比度印品缺陷的识别技术研究

目的 针对当前印刷缺陷检测系统中存在的低对比度印刷缺陷检测精度不高等问题,基于HSV颜色空间,提出一种增强的低对比度印刷缺陷识别方法。方法 首先,将标准样张图像与采集到的印刷图像由RGB颜色空间转换到HSV颜色空间,并提取视觉上变化敏感的亮度分量V作为待检测对象;其次,将对比度受限的局部直方图均衡（CLAHE）与数学形态学相结合,来增强显现待检测图像中的缺陷;再次,使用连通域分析方法来获取缺陷的面积、周长、离心率、长宽比和圆形度等5种特征信息,并以此建立15个特征模型;最后,构建基于PNN的印刷缺陷识别神经网络,并在Matlab中实现对低对比度印刷缺陷的识别。结果 15个模型的平均耗时为475 ms,都控制在毫秒级别,满足了现代印刷缺陷检测对于实时性的要求。其中模型2的测试正确率为95%,能够识别污点等点缺陷,模型3和模型12的测试正确率为93%和93.3%,能够识别刮痕等线缺陷,模型5的测试正确率为93.1%,能够识别墨迹等面缺陷,且测试正确率高于基于BP神经网络的缺陷识别方法。结论 从缺陷检测的实时性和精确性上来讲,提出的方法能够对低对比度印刷缺陷进行实时和精确的检测。     

亮背景下形态学星点目标提取算法

为了有效提取星图中星点小目标,实现提高星图识别效率及姿态计算的精度,本文在分析星点目标和小目标像共性的基础上,采用了一种形态学星点提取方法.该方法根据数学形态学运算的特点,得到估计的星图背景,通过灰度形态学Top-Hat变换对消背景,得到含有目标和高频噪声的图像,本文采用自适应阈值法确定实际图像的阈值.实验结果表明此方...     

基于HSV色彩空间与数学形态学的车牌定位研究

车牌识别系统在高速路收费口与住宅小区车库管理中得到越来越多的应用,车牌定位是整个识别系统实现的前提.基于灰度图像的定位方法和基于彩色车牌图像的定位方法,实现效果均不大理想.在充分利用车牌先验信息的基础上,提出基于HSV色彩空间与数学形态学的车牌定位方法.先利用色彩信息对可能包含车牌目标的区域进行过滤,再利用数学形态学技术生成连通区域,判断并生成正确的车牌区域,最后,使用radon变换进行倾斜校正.     

基于模糊熵的X射线图像局部对比度拉伸增强算法

在基于X射线的工件缺陷检测中,X射线图像往往存在亮度低、对比度低的问题。传统的局部对比度拉伸方法在增强图像的同时,容易引入噪音和光晕效应。针对此问题,提出了一种基于模糊熵的X射线图像局部对比度拉伸增强算法,该算法通过引入图像模糊熵来控制局部区域的对比度拉伸,使图像均匀区域和边缘区域得到了不同程度的对比度拉伸。实验结果表明,该算法在增强图像细节的同时对噪声和边缘光晕现象进行了削弱,增强了图像的整体质量。     

基于局部增强和阈值分割的芯线彩色图像分割算法

不同颜色芯线的有效识别是制约数据线生产自动化的关键因素之一;阈值分割是一种简单有效地图像分割算法,但对于颜色信息较多的情况鲁棒性较差;基于指数函数的增强图像可以有效地放大和突出感兴趣的图像区域;本文提出了一种结合局部增强和阈值分割的分割算法,通过对图像进行局部增强以放大感兴趣灰度区域,然后再通过阈值分割的方式筛选出目标区域;该方法能够快速有效地分割出多种颜色区域,也具有良好的鲁棒性.     

抗打印扫描彩色图像水印算法

目的设计一种适用于彩色打印扫描图像的鲁棒性盲水印算法。方法结合四元数傅里叶变换及离散小波变换的优点,提出了一种双变换域全息水印算法。利用四元数傅里叶变换及离散小波变换,将全息水印信息分散嵌入到彩色宿主图像3个色彩分量的低频小波系数区域,而不引起大的图像失真,同时,算法实现了盲提取。结果算法满足不可见性要求,同时打印扫描实验证明,该算法具有抵抗打印扫描攻击的能力。结论结合四元数傅里叶变换及离散小波变换的双变换域水印算法,保留了2种变换域在处理彩色图像中的优点,在应用于打印扫描彩色图像时,效果比现有算法更好。     

基于小波变换和形态学的织物疵点边缘检测

为了精确确定织物疵点边缘,提出了一种基于小波变换和形态学的织物疵点边缘检测方法.在利用形态学实现疵点检测后,对其进行小波分解,用小波模极大值法和基于数学形态学的算法分别提取高低频子图像的疵点边缘,采用合理的融合规则将两个边缘图像进行融合.实验结果表明,该算法能有效地抑制噪声,且边缘清晰、准确,效果优于经典的边缘检测算法,具有可行性和有效性.     

一种保持图像细节的形态学滤波器

提出了一种保持图像细节的形态学滤波器,和经典形态学滤波器相比较,新的形态学滤波器的其主要算子中使用了结构元素的轮廓,用测试图和加噪图进行实验,表明此滤波器具有良好的保护图像细节和滤噪的性 能。     

红外图像实时增强的新算法

针对红外图像的特点,提出了一种红外图像实时增强的新算法。该算法通过分析图像的直方图,得到图像中目标像素数峰值的估计值,并作为平台直方图均衡化的阈值。用该阈值对直方图进行修正,然后通过修正后的直方图进行直方图均衡化。在FPGA内通过采用并行处理结构及流水线技术实现了该算法,并且每秒可处理25帧128×128×8bits的红外图像。理论分析和实验结果均表明,本算法克服了采用一般直方图均衡化增强红外图像的缺点?对背景和噪声增强过度,抑制了目标的增强。该算法对红外图像增强后,图像对比度是直方图均衡化增强后图像对比度的1.8倍。     

一种基于形态学多结构元素的图像边缘检测算法

运用数学形态学的理论和方法,从多结构元素形态学变换的角度出发,利用形态学结构元的自然属性,自适应确定权重,在此基础上采用腐蚀运算构造边缘检测算法,最后将多结构元的检测信息加权求和。实验结果表明,自适应确定权重比平均权重具有更好的图像处理效果,在保持图像边缘清晰的同时,具有很强的去除噪声能力。