基于纹理度划分的医学图像可逆信息隐藏方法

针对目前具有对比度增强效果的可逆信息隐藏（RDH）算法大多受到嵌入率的影响,未能实现较好的对比度增强效果的问题,提出一种基于纹理度划分的医学图像可逆信息隐藏方法。首先,通过对比度拉伸的方法实现医学图像对比度增强;然后,再利用医学图像纹理度的自身特点,将医学图像划分为高、低两类纹理度等级,其中高纹理度等级构成医学图像的关键部分;最后,为了进一步增强高纹理度等级的对比度并保证信息嵌入率,对不同的纹理度等级像素采用不同的嵌入方法。为了与其他具有对比度增强效果的医学图像可逆信息隐藏算法比较载密图像的对比度增强效果,采用了针对对比度失真的无参考图像质量评价标准（NR-CDIQA）作为实验客观依据。实验结果表明,在不同嵌入率下,使用所提方法的载密图像的NR-CDIQA值更高,对比度增强效果更好。     

一种基于à trous算法的遥感图像模糊集增强算法

针对遥感图像在处理过程中噪声放大引起的对比度差,边缘细节模糊和目标与背景区分不明显等问题,提出一种结合àtrous算法和改进的模糊对比度增强的遥感图像增强算法。该算法一方面利用直方图均衡,提高图像整体对比度;另一方面根据图像在二进小波域表达的冗余性,不会在图像预处理时平滑掉某些重要信息。其平移不变性避免了传统图像增强算法中产生的伪吉布斯现象,有效避免由于非线性变换引起的视觉形变。模糊对比度增强了图像的纹理和边缘信息,从局部增大图像对比度。与当前一些典型的增强方法相比,实验结果表明所提算法的几种客观评价指标明显优于其他算法,能有效提升图像的对比度,抑制伪吉布斯现象,而且图像视觉效果也有明显改善。     

最小模糊偏移度准则下的SAR图像对比度增强

针对SAR图像灰度特性,提出最小模糊偏移自动对比度增强算法(MFO)。该算法基于模糊理论,利用高斯型隶属度函数将图像灰度信息模糊化,以模糊偏移度最小准则确定模糊对比度增强操作数(INT),得到该准则下最优的S形灰度映射函数,增强SAR图像对比度。利用TEN、EME两种评估参数评价增强结果,验证了算法的有效性。     

基于白Top—Hat变换的医学图像局部对比度增强算法

提出了一种简单、高效的医学图像局部对比度增强算法.该算法的主要特点是在对医学图像进行多尺度形态学top-hat变换增强对比度时,仅采用白top-hat变换和用增加亮对比度区域的灰度值方法来代替黑top-hat变换,从而避免了常用形态学增强方法中丢失原始医学图像灰度信息的弊端.通过使用CT,MR医学图像与已有的局部对比度增强典型算法进行实验比较,结果表明,本文算法在增强图像局部对比度和减少计算时间均具有优势.     

基于邻域信息的红外图像增强

传统的红外图像增强一般基于平台直方图均衡化思想,这种方法从全局上改变了图像的对比度,从而达到增强图像的目的,是一种快速有效的增强算法。然而现存的平台直方图方法忽略了图像的局部信息,无法改善图像的局部对比度。论文提出了一种新的红外图像增强算法,该算法在基于传统的红外图像平台直方图均衡化思想的基础上,同时加入图像的局部信息,从全局和局部同时增强图像对比度。通过与传统的平台直方图均衡算法对比,证实了算法的优越性。     

一种新的红外图像复合增强算法

通过对现有图像增强算法的分析,提出了一种新的红外图像复合增强算法。该算法将同态增晰和直接对比度增强算法结合,使得图像中的局部信息与全局信息在增强时都能被利用。外场实验表明,处理后的图像具有明显的局部对比度增强效果,同时较好地保持了图像的原始面貌。     

基于模糊增强的图像区域分割算法研究

针对图像平坦区、纹理区和清晰边缘的分割问题,提出了一种基于模糊增强的图像分割算法.该算法依据基于模糊增强的Canny边缘检测原理,在充分分析图像纹理区和清晰边缘的像素分布特点的基础上,通过增强纹理区像素对比度,检测出更多的纹理区细节.并利用膨胀、区域连通等方法实现了图像的区域分割.实验结果表明,该算法能够准确地实现了图像平坦区、纹理区和清晰边缘的分割,并有较强的抗噪能力.图像分割结果可以反映更多的纹理细节信息.     

基于梯度场的工业X射线图像增强算法

在X射线成像检测厚薄不均构件时，经常会出现对比度低或对比度不均以及照度低的问题，这会导致图像显示时构件的一些细节难以被观察与分析。针对这一问题，提出一种基于梯度场的X射线图像增强算法。该算法以梯度场增强为核心，分为两步：首先，提出一种基于对数变换的算法，压缩图像的灰度范围、去除图像冗余灰度信息、提升图像对比度；然后，提出一种基于梯度场的算法，增强图像细节、提升图像局部对比度、提高图像质量，使构件细节清晰显示在检测屏上。选择一组厚薄不均构件的X射线图像进行了实验，并与对比度受限自适应直方图均衡化（CLAHE）、同态滤波等算法进行了比较。实验结果表明所提算法具有更明显的增强效果，能更好地显示构件的细节信息，并且通过计算平均梯度和无参考结构清晰度（NRSS）纹理分析的定量评价标准进一步表明了该算法的有效性。     

基于区域方差的纹理滤波算法

纹理滤波器算法是图像处理领域重要的研究方向之一,具有广泛的研究意义和实际应用价值。一种类型纹理滤波器算法通过区分图像中包含的复杂纹理信息和显著结构信息来引导进行纹理滤波处理。如何区分图像中的纹理信息和结构信息成为了算法的关键。提出一种区分图像的复杂纹理信息和显著结构信息的方法。同时对于彩色的包含纹理信息的图像进行滤波处理时,引入了对比度保持的方法来生成灰度图像,用来生成指导纹理滤波的引导图。为了证明算法的有效性,给出了和一些算法进行比较的结果。另外,展示了算法在细节增强,JPEG压缩印迹去除和图像分割的应用效果。     

有效消除光晕现象和颜色保持的彩色图像增强算法

由于对图像中明暗突变区域的背景光照估计不准确,经典Retinex彩色图像增强算法易产生光晕现象且存在增强后图像细节信息减弱和颜色失真等不足.为此,结合人眼视觉特性提出一种彩色图像增强算法.首先利用人眼对图像结构特征及颜色信息的敏感特性,通过构造彩色双边滤波器来获取图像背景光照,以避免光照突变处产生光晕现象;其次依据人眼系统局部自适应调节特性,通过引入一个对比度调节函数自适应增强图像的细节信息,克服经典Retinex算法在整体对比度提高的同时局部对比度下降的不足;最后利用一种线性的颜色恢复算法恢复增强所得亮度图像的颜色信息.与MSRCR等彩色图像增强算法比较的实验结果表明,文中算法更有效,增强后的图像不仅细节清晰,而且色彩鲜艳、自然.     

一种新的基于相位保持的指纹图像增强算法

图像的相位信息在人眼感知图像的过程中起着十分重要的作用。如果指纹图像增强算法能够保证图像的相位信息不被破坏，将有助于保持指纹图像中纹理特征的不变。首先通过实验表明了指纹图像的纹理特征主要是由图像的相位信息来决定的，然后把相位保持原理引入到指纹图像增强算法中，提出一种新的基于相位保持的指纹图像增强算法。该算法采用复Gabor小波来提取指纹图像的相位信息，并利用指纹图像的局部方向信息在相位保持的原则下来进行图像增强。为了验证该算法的有效性，选取了两种低质量的指纹图像来进行处理，实验结果表明增强后的图像其图像质量有了显著的提高。     

图像增强中分数阶阶次自适应模型的构造

为了解决分数阶微分算子在图像增强中需要人工寻找最佳阶次,缺乏阶次自适应的问题,构造了分数阶微分阶次自适应数学模型。该模型以反正切函数为原型,以图像的梯度信息、局部信息熵、亮度和对比度为自变量,建立了微分阶次与图像局部信息之间的关系,从而可以根据图像的局部信息特征自动计算图像中各个像素点的最佳阶次,并将该模型应用在分数阶微分Tiansi算子的图像增强中。为了验证该模型的有效性,选用标准图像库中的多幅纹理图像进行实验,对实验结果进行了定性和定量分析,在定量分析中采用图像信息熵、平均梯度、清晰度和对比度四个评价指标衡量图像增强的效果,并与二阶微分Laplacian算子、Tiansi算子进行比较。理论分析和实验结果均表明建立该模型的有效性,对灰度图像可以得到连续变化的增强效果,接近于最佳分数阶微分增强效果,符合人们的视觉感受。     

改进FCM和LFP相结合的白细胞图像分类

研究白细胞图像分类识别中有效的图像分割与特征提取方法,以提高白细胞图像的正确识别率.由于某些白细胞(粒细胞)中颗粒的存在,严重影响细胞核与细胞质区域的正确分割,通过将空间信息与核函数融入模糊C-均值聚类(FCM)算法,提出一种改进的FCM算法.应用该算法对白细胞图像进行分割,并采用数学形态学方法对分割后的图像进行处理,获得了很好的分割效果,解决了粒细胞的质核分割难题.对于细胞的纹理特征提取,通过对局部二值模式(LBP)中阈值参数的模糊化,建立了基于局部模糊模式(LFP)的纹理特征提取算法.运用本文方法进行图像分割和纹理提取,以支持向量机作为分类器,对CellAtlas的100幅白细胞图像进行了分类识别的实验,结果表明白细胞的正确识别率达到93％.     

Multiscale morphology based illumination normalization with enhanced local textures for face recognition

A key challenge of face recognition is to obtain illumination invariant face images while preserving the discriminative features. The locations and shapes of small-scale features (e.g. eyebrows, eyes, nostrils, a mouth, etc.) are usually treated as key features for face recognition. However, it has also been observed that the local texture information of facial regions contains intrinsic facial features and needs to be enhanced to improve performance. To compensate for the illumination effects that appeared while extracting both the small-scale features and the texture information, we used multiscale morphological techniques. We used a generalized dynamic morphological quotient image (GDMQI) method based on Retinex theory and multiscale morphological closing to solve the artifact problem discussed in previous works. The proposed method consisted of two main steps: (i) illumination estimation and (ii) texture enhancement. The proposed method showed improved performance when using the CMU PIE, AR and Extended Yale-B databases.     

An effective local contrast enhancement technique by blending of local statistics and Genetic Algorithm

Nowadays, Image enhancement finds enormous image processing applications, which are related to practical situations, Contrast enhancement is one among the different image enhancement techniques that intends to improve the image visibility. Though several works for local contrast enhancement are available in the literature, the effectiveness remains an issue and the enhancement performance needs to be improved. In this paper, a local contrast enhancement technique is proposed for both gray scale images and RGB color images. The proposed technique is comprised of two stages of enhancement, namely, local statistics-based image enhancement and Genetic Algorithm based local contrast enhancement. The former stage is a pre-enhancement stage and the later is the major stage of enhancement. In the former stage, the image is processed in window basis and the local statistics of the image is obtained. Based on the local statistics, the image is enhanced. In the later stage, the window based operation is performed over the preenhanced image and the local contrast is enhanced. The Genetic Algorithm aids in searching of an optimal contrast factor, which plays vital role in the contrast enhancement. The technique is evaluated with both gray scale images as well as RGB color images and performance is compared with the existing contrast enhancement techniques.     

Enhancement method for edge texture details of the filmic and visual three-dimensional animation

Enhancement method for edge texture details of the filmic and visual three-dimensional animation has the vital significance to the dynamic analysis and evaluation of the following images. The traditional enhancement method for edge texture detail mainly uses fuzzy contrast to improve the quality of animation. The contrast and clarity are poor. In order to reduce the noise, this paper proposes the enhancement method of filmic and visual three-dimensional animation edge texture detail based on statistical shape priors. Firstly, this method carries out the segmentation, de-noising, edge detection processing on animation, then uses statistical shape prior method to enhance the edge texture detail. Experimental results show that the proposed method can obtain more ideal edge detail information.

     

基于链接突触计算网络的遥感图像对比度增强算法

针对卫星遥感图像在增强对比度和去除噪声过程中出现纹理细节丢失和图像自然性降低的问题,提出一种基于链接突触计算网络的卫星遥感图像对比度增强算法。在彩色图像转变至HSV颜色空间的前提下,通过引导滤波器去除噪声和边缘增强技术突出细节;将边缘增强的图像输入链接突触计算网络,采取与显著特征图相结合的方式增强图像亮度和对比度;在RGB空间上,利用改进的自然色彩还原技术对增强图像进行还原。实验结果表明,相对于其他对比度增强算法,该方法在多个评价指标上都有很好的性能体现,在增强图像对比度和亮度的同时,保留了丰富的纹理细节和自然色彩度。     

引入纹理相似性的纺织品图像增强

纺织品图像增强能够突出其纹理特性,便于纺织品的人工检测和机器视觉检测。提出一种在非局部均值滤波(NLM)框架下的纺织品图像纹理增强方法。纺织品图像具有规则周期的纹理,存在大量的冗余信息,NLM可利用这一特性来增强图像的纹理信息。但由于纺织品图像结构复杂且存在噪声,导致在NLM中相似性的度量不够准确。为解决这一问题,通过采用主分量分析(PCA)将纺织品图像分解为图像信息分量和噪声分量,并去除各分量间的相关性,来提高纺织品纹理间相似性度量的准确性。实验结果表明,本文方法比现有的纺织品图像纹理增强方法的增强效果有显著提高。     

基于照度与场景纹理注意力图的低光图像增强

目的 现有的低照度图像增强算法常存在局部区域欠增强、过增强及色彩偏差等情况,且对于极低照度图像增强,伴随着噪声放大及细节信息丢失等问题。对此,提出了一种基于照度与场景纹理注意力图的低光图像增强算法。方法 首先,为了降低色彩偏差对注意力图估计模块的影响,对低光照图像进行了色彩均衡处理;其次,试图利用低照度图像最小通道约束图对正常曝光图像的照度和纹理进行注意力图估计,为后续增强模块提供信息引导;然后,设计全局与局部相结合的增强模块,用获取的照度和场景纹理注意力估计图引导图像亮度提升和噪声抑制,并将得到的全局增强结果划分成图像块进行局部优化,提升增强性能,有效避免了局部欠增强和过增强的问题。结果 将本文算法与2种传统方法和4种深度学习算法比较,主观视觉和客观指标均表明本文增强结果在亮度、对比度以及噪声抑制等方面取得了优异的性能。在VV（Vasileios Vonikakis）数据集上,本文方法的BTMQI（blind tone-mapped quality index）和NIQMC（no-reference image quality metric for contrast distortion）指标均达到最优值;在178幅普通低照度图像上本文算法的BTMQI和NIQMC均取得次优值,但纹理突出和噪声抑制优势显著。结论 大量定性及定量的实验结果表明,本文方法能有效提升图像亮度和对比度,且在突出暗区纹理时,能有效抑制噪声。本文方法用于极低照度图像时,在色彩还原、细节纹理恢复和噪声抑制方面均具有明显优势。代码已共享在Github上：https://github.com/shuanglidu/LLIE_CEIST.git。     

A Probabilistic Quantifier Fuzzification Mechanism: The Model and Its Evaluation for Information Retrieval

In this paper, we propose a new quantifier fuzzification mechanism which is deeply rooted in the theory of probability. This quantifier fuzzification mechanism skips the nested assumption, which is inherent to other probabilistic quantification methods. The new quantification approach complies with the properties required for determiner fuzzification schemes (DFS) with finite sets and, hence, its good behavior is assured. Moreover, this new approach is suitable for some application domains. In particular, the use of fuzzy quantifiers for implementing query quantified statements for information retrieval exemplifies the adequacy of the new proposal. The new quantifier fuzzification mechanism has been efficiently implemented and empirically tested for a retrieval task. This practical evaluation followed the standard methodology in the field of information retrieval and was conducted against a popular benchmark consisting of a large collection of documents. The retrieval performance evaluation made evident that: 1) the new method can work in realistic scenarios, and 2) it can overcome recent proposals for applying fuzzy quantifiers in information retrieval