基于改进蛙跳算法的图像对比度增强方法

为改善图像对比度,提出了一种基于改进蛙跳算法的图像对比度增强新方法。该方法利用分段线性变换增强图像的原理,对蛙跳算法进行深入分析并进行改进后,将改进蛙跳算法与二维Otsu法相结合,利用蛙群的并行搜索机制自动选取图像的双阈值,然后再以图像的对比度作为改进蛙跳算法的适应度函数,自适应地搜索分段线性变换的斜率,并以之增强图像。实验结果表明,该方法有效改善原图像的对比度,且优于直方图均衡化法及基于基本蛙跳算法和人工鱼群算法的增强方法。     

遗传算法在图像增强中的应用研究

关于图像增强是图像处理中提高质量问题,由于在图像采集过程中存在各种干扰,图像质量低,传统分段线性变换算法采用人工方法进行参数优化,难以获得最佳增强效果。为提高图像增强效果,提出一种采用遗传算法的图像增强算法,用遗传算法自动选择两个折线拐点的位置和分段直线的斜率,得到最优的分段线性变换曲线,从而实现图像增强处理。仿真结果表明,相对其它增强方法,改进方法不仅提高图像整体亮度,而且增强了图像的对比度和细节,具有一定的抗噪能力,为图像增强处理提供了广泛的应用前景。     

改进双边滤波和阈值函数的图像增强算法

针对基于单尺度Retinex算法产生的图像泛灰现象和光晕现象、基于双边滤波Retinex算法的泛灰现象及噪声放大现象。提出基于小波变换的改进双边滤波的Retinex图像增强算法和改进阈值函数去噪算法。该方法对图像进行小波分解,获得图像的低频和高频系数;采用改进双边滤波的Retinex算法对图像低频系数进行处理,采用改进阈值函数对高频系数进行处理;采用离散小波反变换得到增强后的重构图像;对重构图像进行分段性线性变换,增强图像对比度。实验结果表明,该方法避免了图像泛灰和光晕现象,并有效去除了噪声,细节丰富,对比度强,为图像后续处理奠定基础。     

基于改进人工鱼群算法的含噪图像分割方法

针对传统的图像分割方法计算量大、抗噪性弱等问题,将新型的智能仿生优化算法--人工鱼群算法（Artificial Fish Swarm Algorithm,AFSA）和小波变换有效地应用到图像分割中,并提出一种并行的阈值分割方法。采用合适的固定步长与自适应步长相结合的方法提高AFSA收敛速度,利用小波变换对小波系数进行阈值处理来提升图像信噪比。利用二维Otsu作为人工鱼群算法的适应度函数,以获得最优阈值。实验结果显示,该方法在分割质量和降噪方面较潘喆等人提出的方法有明显提高。     

基于云模型鱼群算法的多阈值图像分割研究

针对传统鱼群算法在处理图像分割时收敛速度慢,容易陷入局部最优等问题,将云模型和人工鱼群算法结合并有效地应用到多阈值图像分割中。改进后的算法使人工鱼学习能力有所提高,同时满足种群多样性和收敛速度快的特点,避免局部最优得到图像分割的最佳阈值。仿真实验表明,该算法能得到较稳定、快速、清晰的图像分割。     

医学DR图像分割处理过程仿真分析

研究医学DR图像准确分割方法.人体组织的分布特征很难运用准确的数学模型进行描述,由于厚度不均匀,在进行CT图像采集的过程中,图像细节信息会被噪声等不利因素埋没,边缘变得不清晰,对比度降低.传统分割算法主要针对像素的某一个具体特征做出判断,在有噪的环境下,像素提纯受到干扰,很难对非可控信息进行模型控制,导致对医学DR图像的分割效果不好.为了避免上述缺陷,提出了一种人工鱼群算法的医学DR图像分割处理方法.通过对采集的DR图像进行增强处理,提高DR图像的对比度,利用SUSAN算子去除干扰信号,准确计算初始病变区域边界,对边界像素运用人工鱼群方法寻求.实验结果表明,利用改进算法能够有效提高医学DR图像分割的准确性,有利于临床医疗诊断.     

自适应对比度阈值SIFT算法研究

SIFT(Scale Invariant Feature Transform)算法剔除掉对比度小于给定阈值的候选特征点,认为这些点是不稳定的,但是并没有普遍适用的阈值;固定对比度阈值SIFT算法提取的特征点数目,随着图像对比度的降低而急剧减少,并且整幅图像采用一个固定的阈值,会造成特征点的分布不均匀,无法满足图像高精度匹配的需求;因此需要根据图像人工调整对比度阈值;但是人工调整阈值不能够实现图像的自动匹配,满足不了无法进行人工干预的场合。因此为了提高基于SIFT图像匹配算法的精确性和自动化水平,提出了一种根据特征点局部邻域内的灰度信息,确定对比度阈值的方法,用于改进SIFT算法,并将改进后的算法用于图像匹配;实验结果表明,改进后的SIFT算法能够根据特征点邻域内的灰度分布情况,自动计算对比度阈值,能够很好地适应图像对比度的变化,明显增强了SIFT算法对于低对比度图像匹配的鲁棒性。     

实时图像增强算法改进及FPGA实现

针对复杂背景的多目标图像,提出了一种基于直方图的实时自适应图像增强方法.该方法根据自适应直方图窗口选择高低阈值,通过灰度线性变换及灰度级等间距密度均衡进行图像增强.利用该算法增强图像视频时,采用FPGA,通过并行处理结构及流水线技术,可实时处理每秒50帧780×582×12bits的可见光图像.在处理视频的过程中,由前一帧图像的直方图信息,来增强后一帧图像.理论分析和实验结果均表明,该算法克服了直方图均衡及平台直方图均衡增强图像引起的灰度断层现象,有效地增强了图像的对比度,提高了图像质量.     

基于改进鱼群算法的多阈值图像分割

为了实现图像的有效分割,提出了一种基于改进鱼群算法的多阈值图像分割方法。引入领域搜索的思想对基本人工鱼群算法做了进一步改进;然后对最大熵函数进行全局优化,改进后的算法能够根据人工鱼的个体适应度大小和种群的分散程度自动调整鱼群控制参数,在保证群体多样性的同时加快了算法的收敛速度;最后得到分割图像的最佳阈值,克服了基本鱼群算法后期收敛性差、易陷入局部最优等问题。实验结果表明,所提算法能够获得较稳定、快速和准确的图像分割。     

基于小波变换的矿井监控图像增强研究

针对在矿井视频监控系统中采集到的井下图像质量差的问题,论文提出了一种基于小波变换的图像增强方法,使用该方法增强的图像细节显示能力强,图像对比度更高,该方法对煤矿监控图像有显著的增强作用.通过与传统的伪彩色增强算法、灰度线性变换算法和直方图均衡算法比较,该方法较好地增强了井下低对比度图像的可视化效果.实验证明,该基于小波变换的图像增强方法能够增强矿井下图像的清晰程度,使矿井视频监控系统更好地发挥作用.     

基于PDE的图像去噪和反差增强同步算法

针对反差较低且包含噪声污染的灰度图像,设计分段线性拉伸函数,引入TV下降流,建立新的偏微分方程(PDE)数学模型。该模型通过设置参数 灵活控制去噪和反差增强的程度,实现2种灰度图像处理手段的同步进行。对比实验表明,该方法可有效缓解传统处理方法存在的问题,在抑制噪声的同时增强图像的反差。     

Decision tree-based contrast enhancement for various color images

Conventional contrast enhancement methods are application-oriented and they need transformation functions and parameters which are specified manually. Furthermore, most of them do not produce satisfactory enhancement results for certain types of color images: dark, low-contrast, bright, mostly dark, high-contrast, and mostly bright. Thus, this paper proposes a decision tree-based contrast enhancement algorithm to enhance the above described color images simultaneously. This method includes three steps: first, statistical image features are extracted from the luminance distribution. Second, a decision tree-based classification is proposed to divide the input images into dark, low-contrast, bright, mostly dark, high-contrast, and mostly bright categories. Finally, these image categories are handled by piecewise linear based enhancement method. This novel enhancement method is automatic and parameter-free. Our experiments included different color and gray images. Experimental results show that the performance of the proposed enhancement method is better than other available methods in skin detection, visual perception, and image subtraction measurements.     

遥感图像理想均衡化及图像质量定量评价

大多数原始的遥感影像由于其灰度分布集中在较窄的范围内,影像的细节不够清晰,对比度较低。为了使影像的灰度范围拉开或使灰度均匀分布,从而增大反差,增强影像细节信息,通常采用的方法为直方图均衡化。通过对信息熵定义的阐述,引出直方图均衡化的图像增强算法。通过分析传统直方图均衡化算法中存在的缺陷,进而基于分段映射思想提出一种改进的理想直方图均衡化算法。同时,为了对传统算法和改进算法进行定量化地分析比较,基于同时对比度以及人类视觉对比度分辨率限制和模糊数学的相关思想,分别提出基于加权几何平均数法的合成平均对比度和细节评价参数的定义。最后,采用同时对比度、基于加权几何平均数法的合成平均对比度以及细节评价参数作为定量评价的指标,对所提出的改进算法进行了定量评价。评价结果表明,该改进算法的图像增强效果优于传统的直方图均衡化算法。     

直方图重建图像细节增强算法

针对传统大动态范围图像数据压缩方法易受场景变化影响,量化后的8位显示图像整体模糊、图像细节和弱小目标丢失问题,提出了一种基于直方图重建图像细节增强算法。对图像直方图统计值进行重新赋值,保留图像中出现的细节部分,并缩小相邻灰度级间间隔;采用二维Gabor滤波器来模拟视觉感知系统,将Gabor滤波器与图像进行卷积运算,得到滤波后的平滑图像;采用局部对比度增强方法来增强图像细节部分,并将增强后的中间结果线性映射为8位显示图像。实验结果表明,与其他大动态范围数据压缩方法相比,该算法量化后图像清晰度高,无图像细节和目标丢失现象。     

一种面向交通场景的快速图像增强算法

为提高夜间图像的增强效果,针对具体的交通场景提出一种改进的图像增强算法。通过改进自适应对比度增强算法（ACE）中放大系数的自适应函数,算法能够有针对性地增强图像亮度较低和对比度较低的区域,防止图像过度增强,并且能够增强图像的细节,克服传统对比度增强算法的不足。实验结果表明,该算法增强效果显著,针对具体夜间交通场景图像处理速度快,自适应效果好,具有消除“振铃效应”、颜色保真和较好的保留并增强图像边缘和细节的能力。     

基于分片线性函数的图象压缩方法

使用了一种新分片线性逼近算法,算法首先对极大极小友谊赛一分片线性函数的紧凑表示形式做了改进,然后发挥了分片线性逼近的优势。在此基础上,提出了一种基于分片线性逼近的图象压缩编码方法。这种方法具有解压缩速度快的优点,与其它的图象压缩方法（例如DCT）相结合,能够提高图象的压缩效率。     

基于CLAHE的塑料薄膜图像增强算法研究

图像增强算法作为图像预处理的一个重要环节,其主要目的是实现消除图像随机噪声,改善图像质量。传统的直方图均衡化增强方法实质以减少图像灰度级来换取对比度的加大,造成图像细节部分信息的丢失,影响了识别效果。运用对比度自适应直方图均衡化(CLAHE)算法实现薄膜图像灰度增强,并通过对处理后的图像质量进行客观评价,证明了该算法相对于传统直方图均衡化算法具有明显优势。     

改进的灰度校正算法在路面裂缝图像预处理中应用

针对传统的灰度校正算法在对亮度不均匀的路面裂缝图像处理时容易造成边缘模糊,局部对比度得不到增强的问题,本文在传统的快速灰度校正算法基础上,提出了一种改变初始背景图像选取方式以及采取局部对比度增强图像和整体灰度校正图像相互融合的改进型灰度校正算法.实验结果表明,与传统方法相比,改进后的算法对路面裂缝类图像的预处理效果明显增强.     

基于L0范数的Retinex图像增强算法

图像在采集过程中会因为机械设备、天气状况等原因产生曝光不均等问题,使得图像的拍摄效果不佳,无法满足实际应用的需求。而传统的Retinex算法应用于图像增强时会导致图像边缘模糊与泛灰等问题。因此,针对传统的Retinex算法现存的问题,提出一种新颖的图像增强算法——基于L0范数的Retinex算法RIEALN。首先通过全局L0梯度最小化方法提取图像的轮廓成分,然后进行Retinex算法处理,再将提取的轮廓成分融合到原始图像,实现原始图像的增强。实现过程中还通过增加不同的L0梯度最小化因子确保不同尺度轮廓成分的均匀增强。实验结果表明,该算法不仅可以增强图像的对比度,而且还能够较好地保留边缘信息。