指纹图像对比度模糊增强算法

指纹图像采集过程常会造成对比度不强等非线性失真,基于模糊逻辑的处理方法常用于改善指纹图像质量。研究了模糊特征平面增强算法和基于广义模糊算子的图像增强算法,将两种算法应用于指纹图像对比度增强,并对增强结果进行比较分析。实验结果表明,采用这2种方法均可以在一定程度上提高指纹图像低灰度区域和高灰度区域之间的对比度,从而提高图像的质量,使增强后的指纹图像结构更清晰。     

弱对比度细节模糊增强的自动参数选择

针对广义模糊增强算法中参数选择的主观性，提出了一种模糊参数自动调整的方法。通过分析实验得出模糊参数对图像增强效果的重要性，给出一种用图像可检测边缘度和图像熵的熵值作为图像增强的评价标准，并根据这个标准实现了原来模糊增强算法中参数的自动选择，达到图像的自动增强，提高图像中弱边缘对比度的目的。最后通过实验证明算法的有效性。     

基于直觉模糊集和直方图均衡的图像增强方法

针对模糊增强不能改善图像的对比度和直方图均衡增强存在过度增强、图像细节信息丢失的缺陷,提出了基于直觉模糊集和直方图均衡的图像增强算法.由于待增强图像包含大量的不确定性信息,给出了一种新的直觉模糊增强图像的算法,该方法通过合成像素的直觉模糊隶属度和非隶属度的方式来实现,能够显著增强图像的细节信息,但不能改善图像对比度.因此,将直觉模糊增强和直方图均衡进行融合,以直觉模糊增强为主,同时抑制直方图均衡的不足,既增强了图像的细节信息,又改善了图像的对比度.最后,通过典型的图像增强实例验证了算法的有效性和可靠性.     

基于模糊增强信息的图像边缘检测改进算法

针对经典的Pal和King模糊增强算法存在的固有缺陷,提出改进的模糊增强算法;为增强图像的对比度而获取更多的图像边缘细节信息,提出基于模糊对比度的图像增强算法;结合全局模糊增强与局部模糊对比度增强两种算法思想,提出基于模糊增强信息的图像边缘检测改进算法,由于该算法在增强图像边缘细节信息的同时也增强了噪声,因此,采用中值平滑滤波方法消除噪声.实验证明,该算法取得了良好的边缘检测效果.     

自适应图像对比度模糊增强算法

文中提出了一种基于模糊集理论和广义模糊算子GFO的图像模糊对比度增强算法。由算法分析可知,利用模糊隶属度可以对图像的细节进行增强,图像的层次更加分明。通过对几例图像增强对比实验结果的分析,表明该算法是有效的。     

基于模糊理论和CLAHE的雾天图像自适应清晰化算法

为了解决雾天图像低对比度的问题,提出了一种基于模糊理论和CLAHE的雾天图像的自适应清晰化算法.此算法结合图像的均值和标准差,将雾天图像从空域转换到模糊域,采用模糊增强算法实现全局雾天图像的自适应对比度增强后再采用有约束的局部直方图算法对雾天图像的亮度分量进行处理,在空域内进一步实现雾天图像的对比度增强.实验结果表明,该算法将模糊域和空间域的方法相结合,可以提高雾天图像的亮度和对比度,使雾天图像的视觉效果得到一定改善.     

基于模糊小波的图像对比度增强算法

针对传统的图像对比度增强方法存在的诸多问题,本文提出了一种模糊小波增强算法.首先,将低对比度图像进行规范化,选定一个确定小波对规范化后的图像进行小波变换,得到小波系数.然后,模糊化低通小波系数,再采用全局和局部信息进行调整.对高通小波系数,采用非线性运算进行调整.将调整后的小波系数反变换到空域上,得到增强后的结果.最后,给出几种增强算法实验结果的比较和分析,表明该算法对低对比度图片的增强是非常有效的,并且很好的抑制了噪声,没有出现局部区域过增强或增强不足的现象.     

基于模糊理论的红外图像像元串音抑制算法

红外目标模拟器产生的红外图像都不同程度地存在串音干扰问题.针对该问题提出一种基于模糊理论和模板的图像对比度增强算法.首先确定12种模板,分别计算它们的隶属度,再根据最大隶属原则确定像素点所隶属的模糊集合,最后利用该模板对像素点进行对比度增强的处理.由于背景噪声的存在也会影响图像质量,因此利用阈值去除对比度增强后的图像的背景噪声.实验结果表明,利用该算法不但使图像的对比度有很大的增强,而且抑制了串音,表明该算法有效.     

一种改进的低对比度图像增强算法

为提升图像对比度,增强图像细节,抑制图像噪声,在认真研究图像增强的基础上,对图像进行小波变换,低频子带系数采用广义模糊算子进行处理,能够更大程度地提升图像对比度和局部亮度.采用贝叶斯萎缩阈值算法将高频子带系数分为噪声和细节信息,通过非线性增益函数抑制噪声并放大细节信息.对传统非线性增益函数进行改进,引入调节因子α,以实现不同程度的细节增强.同时根据信息熵来选取非线性增益函数中参数c的值,以提高算法的自适应性.仿真结果表明,所提算法取得了较高的信息熵、峰值信噪比、清晰度和对比度,图像增强质量较好.     

结合人眼视觉特性的红外图像增强新技术

红外图像具有边缘模糊和对比度较低的缺点,不适合人眼观察,所以要对其进行增强.但是现有的增强方法没有考虑人眼的视觉特性,视觉效果不好.提出基于小波的多分辨分析方法和Retinex图像增强算法相结合的红外图像增强方法,对红外图像不同的高频细节进行有针对性增强,同时用Retinex算法把人眼的视觉特性融入其中,能够使得增强的红外图像光照均匀,亮度适中,更适合人眼观察.算法既增强了图像的细节,又增强了图像的对比度,实验证明:该方法解决了红外图像低对比度和细节模糊的问题.     

MULTI—GRAY EDGE DETECTION BASED ON GENERALIZED FUZZY SET

In this letter,drawbacks of the classical algorithm to enhance the fuzzy contrast among adjacent regions are analyzed.Based on it ,a new fuzzy enhancement algorithm and a linear fuzzy distribution that maps the gray images to corresponding generalized fuzzy set are proposed.Results of two examples illustrate that the algorithm is more effective and faster when used to detect the multi-level edges of images.     

仿生偏振光检测系统的设计与实现

提出一种基于人眼视觉特性的红外图像增强算法。该算法采用符合人眼感知特性的LIP(Logarithmic Image Processing)模型, 并根据人眼视觉在图像变化区域比平滑区域敏感, 使用幂次变换方法对图像的高频和低频成分分别进行增强处理。实验结果表明: 所提算法相比传统算法能够有效增强图像细节信息,提高图像对比度, 明显改善红外图像的视觉效果。     

基于模糊自适应算法的胸片图像增强研究

胸片图像增强是计算机辅助诊断的关键之一,更适合医生对病人的观察或机器的分析处理。本文在基于模糊理论的基础上,通过研究经典的Pal和King模糊增强算法中的不足,对胸片图像进行增强处理。提出了一种自适应阈值的广义模糊增强算法。将图像引入广义模糊空间;然后定义一个衡量图像质量标准的参数。改进的算法通过调节参数使图像更加清晰...     

基于区间二型模糊神经网络的高分辨率遥感影像分割方法

高分辨率遥感影像同质区域地物目标异质性增大,光谱测度空间复杂性增加使像素类属的不确定性以及分割决策不确定性增大,引起分割精度下降。提出一种基于区间二型模糊神经网络的高分辨率遥感影像监督分割方法。对同质区域构建一型高斯隶属函数模型刻画像素类属的不确定性;模糊化高斯隶属函数参数构建区间二型模糊模型处理分割决策的不确定性;以训练样本在所有类别中的一型模糊隶属度及上、下隶属度为输入,建立模糊神经网络模型并融入像素邻域关系作为模糊决策。采用文中算法、FCM方法、HMRF-FCM及区间二型模糊神经网络方法分别对合成影像及真实高分辨遥感影像进行分割,定性与定量的对比分析验证了文中算法具有更高的分割精度。      

基于Contourlet变换和多尺度Rentinex的水下图像增强算法

针对水下图像对比度低、边缘模糊、噪声大等特点,提出一种基于非下采样Contourlet变换和多尺度Retinex的水下图像增强算法。将水下图像进行多尺度多方向的非下采样Contourlet变换;利用多尺度Retinex算法调整低频系数,提高图像整体对比度;在各带通方向子带上估计噪声,抑制模值小于阈值的系数,改进神经网络中的Sigmoid函数用于调节模值大于阈值的系数;经非下采样Contourlet逆变换得到增强图像。与几种传统增强算法相比,本算法处理的图像达到了抑制噪声、改善图像对比度、突出目标轮廓的目的,具有较高的对比度评估值。     

基于改进高低帽变换的钢轨裂纹红外图像增强

针对钢轨裂纹红外图像对比度低、信噪比低、纹理细节模糊而难以增强目标区域的问题,借助形态学高帽变换和低帽变换,提出了多尺度高帽低帽变换的钢轨裂纹红外图像增强优化算法。首先,用改进高帽变换、低帽变换分别提取多尺度明亮、暗淡图像区域;其次对多尺度的明亮与暗淡图像区域实施最大值的提取;然后操作其最大值以构建明亮和暗淡的图像区域;最后通过加权处理,实现图像增强。实验结果表明:本文算法在抑制噪声和突出了目标图像的边缘的基础上,有效地提高图像对比度,可应用于红外图像增强的场合,为后续图像信息处理奠定了必要的基础。     

Change detection in synthetic aperture radar images based on image fusion and fuzzy clustering

This paper presents an unsupervised distribution-free change detection approach for synthetic aperture radar (SAR) images based on an image fusion strategy and a novel fuzzy clustering algorithm. The image fusion technique is introduced to generate a difference image by using complementary information from a mean-ratio image and a log-ratio image. In order to restrain the background information and enhance the information of changed regions in the fused difference image, wavelet fusion rules based on an average operator and minimum local area energy are chosen to fuse the wavelet coefficients for a low-frequency band and a high-frequency band, respectively. A reformulated fuzzy local-information C-means clustering algorithm is proposed for classifying changed and unchanged regions in the fused difference image. It incorporates the information about spatial context in a novel fuzzy way for the purpose of enhancing the changed information and of reducing the effect of speckle noise. Experiments on real SAR images show that the image fusion strategy integrates the advantages of the log-ratio operator and the mean-ratio operator and gains a better performance. The change detection results obtained by the improved fuzzy clustering algorithm exhibited lower error than its preexistences.     

Adaptive fuzzy contrast factor enhancement technique for low contrast and nonuniform illumination images

This paper presents a new enhancement technique using the fuzzy set theory for low contrast and nonuniform illumination images. A new parameter called the contrast factor which will provide information on the difference among the gray-level values in the local neighborhood is proposed. The contrast factor is measured by both local and global information to ensure that the fine details of the degraded image are enhanced. This parameter is used to divide the degraded image into bright and dark regions. The enhancement process is applied on gray-scale images wherein the modified Gaussian membership function is employed. The process is performed separately according to the image’s respective regions. The performance of the proposed method is comparable with other state-of-the-art techniques in terms of processing time. The proposed method exhibits the best performance and defeats other methods in terms of preserving brightness and details without amplifying existing noises.