色度在评价增强图像时对传统算法的修正效果

增强图像是指与原始图像相比在清晰度、亮度、色彩、对比度等方面有一定增强的图像.图像增强已被广泛应用,例如很多图像处理软件PS,ACDSee等都能够对图像进行增强.与此同时,也出现了很多图像增强算法.所以,对增强图像的质量评价具有重要意义.传统的图像质量评价算法不能够对增强图像进行精确评价.增强图像与原始图像相比,在色度上存在一定差异.在此基础上,研究了色度在评价增强图像质量时对传统的图像质量评价算法的修正效果.在增强图像数据库中进行的实验证明在评价增强图像质量时,色度能够对传统的图像质量评价算法进行较好的修正.     

基于小波变换和相对量化的图像数字水印算法

提出了一种基于分块小波变换和相对量化的图像数字水印算法。由于在算法中采用了量化嵌入策略,从而在提取水印时无需原始图像和原始水印。实验结果表明,该算法对嵌入的水印具有很好的透明性,对亮度和对比度调整攻击具有非常强的稳健性,对JPEG压缩、重采样、颜色抖动、平滑和加噪声等常见的图像处理攻击具有很强的稳健性,并且算法思想简单、步骤简便和容易实现。     

基于神经网络的图像亮度和对比度自适应增强

提出一种高频增强与神经网络相结合的图像亮度和对比度自适应增强方法。利用均值滤波获取原始图像的低频分量,由原始图像与低频分量的差值获取图像的高频分量。同时引入神经网络方法,建立图像的灰度均值、标准偏差与亮度和对比度两个增强系数的非线性映射关系,根据图像本身的均值与标准偏差自动获取增强系数,从而实现图像的亮度和对比度的自适应增强。该方法计算量小,实时性强,对亮度和对比度都较低的图像增强效果较好,可用于图像动态检测系统。为了验证算法的可行性,将所提出的方法应用到货车故障动态图像检测系统(TFDS)所采集的动态图像处理中,获得了好的效果。     

低照度环境监控的图像增强算法研究

在档案库房安防系统中,光照是图像清晰度的重要因素,对后续处理和最终监管有着至关重要的影响.本文针对灰暗天气和夜间等低对比度图像,通过采用直方图均衡化(HE)、自适应直方图均衡化(AHE)和受限对比度自适应直方图均衡化算法(CLAHE)进行图像处理和对比,提出了一种基于受限对比度自适应直方图均衡化的改进算法.该方法首先进行了RGB和彩色空间转换,其次仅对亮度分量进行受限对比度自适应直方图均衡化变换和非线性拉伸变化,最后做RGB的图像输出.实验结果表明,该方法不仅提高了图像的对比度,而且在档案库房安防系统的监控中良好的保持了图像的目标信息,提高了后续识别和监控的有效性.     

基于改进直方图均衡化和SSR算法的灰度图像增强研究

为了提高偏亮和偏暗图像的增强效果,提出了一种改进的直方图均衡化和SSR算法相结合的灰度图像增强方法.对原始图像进行改进直方图均衡化增强,提取低频分量进行直方图均衡化,与高频分量融合;对原始图像进行SSR算法增强;将得到的2个图像进行加权融合.结果表明:新方法得到的图像比原始图像细节特征突出,视觉效果明显改善;对比度和信息熵得到提高、亮度得到调整.在医学X射线图像上验证了其可行性,与其他增强算法相比,新方法更有利于图像的准确分析.     

红外图像噪声滤波对比度增强算法

针对红外图像噪声大、对比度低的特点,在传统直方图均衡原理的基础上,利用像素邻域高斯分布特征,介绍了一种基于噪声滤波的对比度增强算法.首先,计算原始图像统计直方图;其次,对统计直方图进行噪声滤波:最后.利用构造的加权函数对直方图间距进行均衡处理.改进的对比度增强算法避免了传统直方图均衡对灰度邻近、分布较少的灰度级进行合并,从而保留了图像细节信息.仿真实验表明:该算法在增强图像对比度的同时,有效保留了局部细节信息,具有一定的实用价值.     

基于MAP的超声图像分解去噪算法研究

超声图像中的斑点噪声,降低图像分辨率和对比度,不利于后续图像处理.本文基于最大后验概率（Maximum A Posteriori,MAP）推导出一种新的超声图像分解算法,将原始超声图像分解为无散斑真实图像和散斑图像.使用六组不同的参数值,对Field II仿真的超声图像进行分解试验,得出算法中比例参数对分解结果的影响规律.用该方法分解三幅人体超声图像,得到的真实图像平滑性好,且能较好的保留细节和边缘.本文提出的分解算法可用于超声图像的去噪,且分解得到的真实图像和散斑图像可用于特征提取、图像分割和图像分类等.     

基于CLAHE的红外图像增强算法

针对原始红外图像信息在压缩转换中数据信息丢失或弱化的问题,提出一种基于CLAHE(对比度受限自适应直方图均衡)的红外图像增强算法。该算法首先对14位原始红外图像的像素灰度级进行调整,然后通过CLAHE算法获得基图像,再通过原始图像与双边滤波后图像的差值获得细节图像,进一步通过高斯滤波算法滤除细节图像的噪声,最后合成得到输出图像。仿真结果显示:通过该算法,原始图像的对比度及边缘细节信息得到很大程度的增强。本文算法的图像增强效果优于PE算法和CLAHE算法。     

红外热波无损检测图像噪声分析与抑制

分析了红外热波检测图像中噪声生成机理,针对图像的噪声去除增强问题,提出了一种改进的非线性偏微分方程的热波检测图像去噪增强方法。对偏微分方程在图像处理应用中的理论基础进行研究,针对现有的偏微分方程模型在图像去噪中存在的问题,并结合热波图像的特点,改进相应的偏微分方程数学模型,在此基础上对获得原始热图进行编程处理,试验结果表明：经过处理后的图像信噪比提高,对比度得到了改善,为后续的缺陷提取及损伤识别奠定了基础。     

抗JPEG压缩攻击的DWT域图像量化水印算法

分析了DWT域系数对JPEG压缩的稳定性,在此基础提出了一种新的抗JPEG压缩攻击的DWT域图像量化水印算法。此算法在提取水印时无需原始图像。实验结果表明,该算法对嵌入的水印具有很好的透明性,对JPEG压缩攻击具有很强的鲁棒性,对其他常见的图像处理攻击,如亮度调整、对比度调整、加噪声、重采样、颜色抖动和平滑等,均具有很强的鲁棒性。     

主分量分析法在红外数字图像序列处理中的应用

为了提高红外热像无损检测中所重构的数字图像的缺陷对比度，从而提高红外热像无损检测的缺陷探测能力，研究了主分量分析法及其在红外数宇图像序列处理中的应用。介绍了主分量分析法的原理；用该法对实验中采集的红外数字图像序列进行处理；以信噪比为指标对图像处理效果进行了定量评定。研究表明主分量分析法不仅消除了红外热像无损检测中的加热不均效应，而且使图像序列中图像的信噪比得到不同程度的提高，使图像的质量得到了很大改善；因此是红外热像序列处理的一种有效方法。     

信赖域方法在红外图像序列处理中的应用

在以光源为激励的红外无损检测图像序列采集过程中,由于受到不均匀加热、环境辐射等因素影响,采集到的图像序列存在着背景噪声大、对比度低、缺陷显示效果差等问题,易造成缺陷的漏检。为提高缺陷检出率,提出了基于信赖域反射算法的红外图像序列处理技术。通过算法对加热不均造成的背景噪声进行快速曲面拟合,并将拟合得到的背景曲面从原始图像中减去,从而去除加热不均的背景噪声。利用主成分分析算法对去除背景后的图像序列进行缺陷特征信息提取,进一步提高红外图像的信噪比。结合区域生长算法对缺陷区域进行分割,以提取缺陷区域。实验结果表明:采用上述方法,能够有效地改善红外图像的信噪比,进而达到提高缺陷检出率的目的。     

图像处理在伪装红外热图判读中的应用

在红外伪装试验中,对试验所获得的热图进行判读是关键性的一步。同一实验条件下获得的同一热图,在判读时能获取的信息越多,则试验的价值越大。但是,实际试验中由热像仪直接获取的红外热图往往并不能够提供足够丰富的信息。为此,本文利用图像处理工具MATLAB,采用图像增强、图像相减、热图边缘检测等技术,对红外热图进行相应处理,并对处理前后的热图进行对比。可以看出,经过处理的红外热图在进行判读时能提供更直观、更详细的信息,同时也增加了试验结论的科学性和准确性。     

红外图像处理算法硬件实现验证系统

由红外探测器采集得到的原始红外图像需要经过各种硬件算法处理才能使用,而这些硬件算法受限于FPGA和DSP的系统资源上限往往需要进行必要的优化和精简,导致处理效果相较于上位机端同功能的软件算法大打折扣。提出了一种软硬件算法对比平台,通过全双工千兆网络联系上位机和硬件系统,定性对比移植后的硬件算法和上位机软件算法之间的差异,以此作为改善硬件移植后的算法的依据,并对硬件移植后算法的性能进行评价。主要做法为:首先通过千兆网络将探测器输出的原始红外视频源传输到上位机预存,进而上位机将预存的原始红外视频发给硬件处理板进行硬件算法处理并回接处理结果,最后上位机将预存的原始红外视频通过同功能软件算法处理后与硬件处理后的红外视频逐帧进行差值处理,定性得出硬件算法优劣。     

一种结合单尺度Retinex与引导滤波的红外图像增强方法

针对传统红外图像增强算法中图像对比度低、细节信息丢失与过度增强等问题,提出了一种单尺度Retinex与引导滤波相联合的红外图像增强方法。首先根据Retinex算法,利用主特征提取法获取原始图像的照射分量和反射分量,对照射分量采用平台直方图增强其对比度;然后利用局部方差加权引导滤波将反射分量分解为基本层和细节层,对两层分量的图像分别进行对比度和细节增强操作;最后将各个层次的结果按照合适的权重因子进行融合得到增强红外图像。实验结果表明,相比于其他增强算法,本文所提方法能更有效地提高红外图像的整体对比度,突出其细节特征,增强后的3组图像的信息熵和平均梯度平均值分别为9.7373和5.6922,相较于原图像分别提升了2.7499和3.8296。     

红外图像阈值分割算法的研究

目标分割是图像处理、计算机视觉及人工智能领域中的一项基本而关键的技术,其目的是为后续的识别、分类、跟踪和检索提供依据.由于红外图像具有对比度低、噪音大,图像模糊等特点,故将遗传算法应用到红外图像阚值分割中.本文对红外图像阈值分割算法进行了综述,对遗传算法在红外图像分割中应用的研究方法,研究现状及其新技术进行了介绍.该算法被用在红外图像处理中,并取得较好效果.     

基于多尺度加权引导滤波的红外图像增强方法

现有的红外图像存在细节模糊、边缘和纹理不清晰的问题。针对上述问题,本文提出一种基于加权引导滤波的红外图像增强方法。首先,将图像通过带转向核的多尺度加权引导滤波进行分层处理,得到多幅含有细节信息的细节层图像和基础层图像;接着,对细节层采用基于Markov-Possion的最大后验概率算法和Gamma校正算法对细节层进行增强;然后,对基础层采用限制对比度的自适应直方图均衡算法进行对比度拉伸,最后,进行线性融合得到增强后的图像。综合主、客观实验结果,得出本文方法具有良好的细节增强效果,处理后的图像边缘和纹理信息比较突出,且算法在信息熵（IE）,熵增强（EME）和平均梯度（AG）3个指标都有较优的计算结果。基本满足红外图像细节得到增强,边缘纹理清晰的需求。     

基于红外图像处理技术的钢构件损伤识别

针对现有红外图像处理算法在处理桥梁钢制构件损伤图像时信噪比差,对比度低,分辨率低,图像细节丢失,边缘模糊,损伤识别精准度差等问题,本文提出空域滤波与时域滤波结合的红外图像增强算法,以弥补现有算法不足,从多方位抑制图像背景噪声,增强图像细节信息,强化损伤边缘轮廓,实现钢构件损伤部位精准识别与提取,并结合清晰度,对比度,峰值信噪比,均方误差四大指标对处理结果进行定量评价,评价结果表明基于高频强调滤波与非线性灰度转换结合的红外图像增强算法切实可行,且针对红外图像检测下的钢构件损伤识别效果显著。     

一种新的红外与可见光图像像素级融合方法

提出了一种使用指导性滤波进行像素级图像融合的方法。首先对红外图像进行最大值滤波处理以获取其中的高亮信息;然后使用原始红外图像作为指导图像对高亮部分做滤波,处理结果直接叠加在可见光图像上;最后将叠加图像进行伽玛校正以调整对比度,得到最终融合输出。实验结果表明:该算法能够充分利用红外与可见光图像各自的优势,融合效果较好,且计算复杂度低,易于实时处理。