一种提取SAR图像边缘的改进算法

传统的边缘提取算法不能解决合成孔径雷达(SAR)图像小边缘、赘余边缘多的问题。针对SAR图像特点,提出一种改进的基于过渡区模糊增强边缘提取方法。通过分析经典模糊增强算法和改进的模糊增强算法的缺陷,在图像增强中引入过渡区概念,很好地克服了原来模糊增强算法渡越点选择不当造成的丢失目标边缘信息、边缘连通性不好、小边缘多等缺点。能够有效地提取出感兴趣目标的丰富的边缘信息,并且去除了很多小边缘赘余信息。对比实验结果证明该方法效果好。     

一种提取SAR图像边缘的改进算法

传统的边缘提取算法不能解决合成孔径雷达(SAR)图像小边缘、赘余边缘多的问题.针对SAR图像特点,提出一种改进的基于过渡区模糊增强边缘提取方法.通过分析经典模糊增强算法和改进的模糊增强算法的缺陷,在图像增强中引入过渡区概念,很好地克服了原来模糊增强算法渡越点选择不当造成的丢失目标边缘信息、边缘连通性不好、小边缘多等缺点.能够有效地提取出感兴趣目标的丰富的边缘信息,并且去除了很多小边缘赘余信息.对比实验结果证明该方法效果好.     

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。     

自适应图像模糊增强快速算法

Pal-King算法的隶属度函数复杂,图像增强速度慢,且渡越点难以设置。针对上述问题,提出一种自适应图像模糊增强快速算法。采用新的隶属度函数使模糊增强函数的增强幅度更大、速度更快,通过改进OTSU算法的自适应阈值计算公式,使渡越点的设置更合理。实验结果表明,与Pal-King算法相比,改进算法具有更快的增强速度和更好的增强效果。     

一种基于图像方向信息测度算法的自适应表格图像增强算法

图像增强是图像处理的重要任务.为了有效地增强对比度极低的表格图像,提出了基于图像方向信息测度算法的自适应图像增强算法.该方法首先在像素级利用图像方向信息侧度将图像像素分为平滑点和阶跃边缘点;然后针对表格图像特点,再对平滑点细分为平滑点和屋脊边缘点,同时,对不同类型的点设计不同的滤波方法,以便通过算法自适应来初步增强图像;最后,利用模糊增强算法来对图像进行对比度增强,以达到更好的增强效果.实验表明,该算法能有效地增强对比度极低的表格图像,并使得结果图像有很好的视觉效果.     

基于过渡区域模糊增强的合成孔径雷达图像边缘提取算法

传统的边缘提取算法不能解决合成孔径雷达（SAR）图像小边缘、赘余边缘多的问题。本文针对SAR图像特点,提出一种改进的基于过渡区模糊增强边缘提取方法。通过分析经典模糊增强算法和改进的模糊增强算法的缺陷,在图像增强中引入过渡区概念,很好地克服了原来模糊增强算法渡跃点选择不当造成的丢失目标边缘信息、边缘连通性不好、小边缘多等缺点,能够有效地提取出感兴趣目标的丰富的边缘信息,并且去除了很多小边缘赘余信息。对比实验结果证明该方法效果好。     

混合特征下最优阈值预测的图像匹配

针对单一特征条件下图像匹配率较低,以及SIFT算法由于固定对比度阈值造成特征点数目提取不均的问题,提出一种混合特征下最优阈值预测的图像匹配算法。该算法首先采用SIFT算法提取图像特征点,然后利用纹理参数二阶矩自适应法得到最优阈值,并用描述性较强的纹理特征向量对SIFT匹配过程进行约束实现图像的匹配。实验结果表明,提出的算法根据图像灰度分布自适应选取对比度阈值,能够增强图像细节信息且使提取的特征点数量稳定,在匹配过程中引入纹理向量作为约束准则,避免了相似区域的误匹配,对光照和模糊图像有较好的鲁棒性。     

基于非下采样Shearlet变换与模糊对比度的合成孔径雷达图像增强

针对合成孔径雷达（SAR）图像在成像和传输过程中引入噪声和干扰从而导致图像清晰度下降、细节丢失等问题,提出了一种非下采样Shearlet变换（NSST）与模糊对比度的SAR图像增强算法。首先,原始图像经NSST分解成一个低频分量和若干个高频分量;然后对低频分量进行线性增强以提高整体对比度,对高频分量采用阈值法进行增强以去除图像中的噪声;接着对处理后的两部分分量进行NSST反变换得到重构图像;最后采用模糊对比度算法对重构图像进行增强,提高图像细节信息和层次感,得到增强后的图像。对40幅图像的实验结果表明,与直方图均衡化、多尺度Retinex增强算法、基于Shearlet变换和多尺度Retinex的遥感图像增强算法、基于剪切波域改进Gamma校正的医学图像增强算法相比,该算法的图像峰值信噪比至少提升了22.9%,均方根误差至少降低了36.2%,能明显提升图像的清晰度,使图像的纹理信息更加清晰。     

模糊域内基于Retinex的雾霾图像增强算法

现有Retinex图像增强算法在使用过程中往往会产生轻微的光晕现象,在图像清晰度、细节、保真性、适用范围等方面存在诸多不足,在模糊域内,提出的基于Retinex的雾霾图像增强算法可有效克服此类不足。首先利用自适应多阈值算法对图像进行分块,并确定分块区域的最佳渡越点;然后采用线性隶属度函数将图像像素值变换为模糊域,通过渡越点计算提出的模糊双曲正切函数的关联参数,对图像的各个分块区域应用Retinex算法进行非线性图像增强,同时对增强结果进行模糊双曲正切调整;最后采用线性加权和线性逆变换的方法恢复原图像。通过对大量图像的对比实验发现:传统处理方法产生的光晕现象得到了抑制,图像清晰度、细节、保真性以及对比度等处理效果改善明显,算法适用范围更广。     

结合直方图均衡和模糊集理论的红外图像增强EI北大核心CSCD

针对靶场光电测量设备采集到的红外图像存在对比度低和边缘模糊的问题,提出结合直方图均衡化和模糊集理论图像的增强方法。首先采用对数隶属度函数将图像转换到模糊域,再对图像进行多次非线性变换,增强边缘信息;其次提出改进的自适应平台直方图均衡化算法,提高红外图像对比度;最后将2幅图像按加权系数相乘后叠加融合出最终图像。实验结果证明,该方法克服了传统增强算法易出现的过增强和局部信息被弱化等问题,增强后的图像细节丰富,具有更好的视觉效果,能够满足靶场的实际要求,具有广泛的工程应用价值.     

应用模糊增强及均值漂移实现红外目标分割

针对复杂环境下红外图像信噪比和对比度低,边缘模糊,目标分割困难的情况,提出一种基于模糊增强和均值漂移图像滤波的红外目标分割方法。首先定义新的隶属度函数,运用模糊集理论进行红外图像增强,避免了传统模糊增强算法的弊病,有效提高目标与背景的对比度;之后利用ICI（交叉置信区）规则确定均值漂移的带宽参数,提出一种新的自适应带宽均值漂移图像滤波方法,实现图像的进一步平滑和聚类;最后利用自适应阈值实现红外目标分割。实验结果表明,算法能够正确有效地分割出复杂环境下的红外目标,并且很好地保持了目标的轮廓细节。     

红外图像自适应增强的模糊粒子群优化算法

针对红外图像目标与背景区分不明显、对比度低的特点,把粒子群优化算法应用到红外图像增强中,提出了红外图像自适应增强的模糊粒子群优化算法。灰度变换增强是红外图像增强的首选方法之一,而选取适当的阈值是其取得良好的增强效果的有力保证。该算法通过粒子群优化算法来寻求最大熵准则下的自适应阈值,然后用模糊灰度变换增强方法自适应地拉伸红外图像灰度,增强图像。仿真实验表明,相对于常见的直方图处理,该算法能降低红外图像中背景对目标的影响,能提高红外图像的对比度。     

Fuzzy intensification operator based contrast enhancement in the compressed domain

With the increasing sizes of high resolution images, their storage and processing directly in the compressed domain has significantly gained importance. Algorithms for compressed domain image processing provide a powerful computational alternative to classical (pixel level) based implementations. While linear algorithms can be applied straightforward to the JPEG compressed images, this is not the case for nonlinear image processing, as for example contrast enhancement algorithms. In this paper a new implementation in the compressed domain of a very efficient contrast enhancement, based on fuzzy set modeling and on a fuzzy intensification operator, is presented. The fuzzy set parameters are adaptively chosen by analyzing the statistics of the image data in the compressed domain, in order to optimally enhance the image contrast. The nonlinear enhancement procedure requires a grey level threshold, for which an adaptive implementation, taking into account the frequency content of each coefficient block in the DCT (Discrete Cosine Transform) encoded JPEG image is proposed. This guarantees the optimal quality at minimum computational cost. The experimental results for a set of various contrast images validate the good performance and functionality of the proposed implementation.     

模糊集与非线性增益相结合的自适应图像增强算法*

提出了一种模糊集增强与非线性增益相结合的自适应图像增强算法,使用双正交小波变换对原始图像进行分解,低频子带系数采用改进的模糊集增强算法,以提升图像的整体对比度;对高频子带,先采用贝叶斯萎缩法估计噪声与信号的阈值,再使用一种非线性增益函数增强图像细节并抑制噪声。对算法中影响增强效果的关键参数进行了研究,并提出了一种模糊集增强算子的阈值选取算法,能够实现不同图像自适应参数选择;将信息熵作为非线性增益函数的参数选取准则,并针对算法中排序算法运算量过多导致算法时间过长的情况,提出了一种替代求解方法,极大地提高了算法效率。对算法进行仿真,结果表明：算法能够有效提升对比度、增强图像细节并抑制噪声,可以明显改善图像的视觉效果,具有参数自适应、算法效率高等优点。     

一种新的自适应Lee图像增强算法

该文对Lee图像增强算法及其改进型算法进行了较深入的研究,发现了其存在的问题,提出了一种新的图像增强方法。该方法补充了一个有用的非线性变换,增加了原Lee算法的普适性;其次利用灰度值的统计特性达到了图像自适应增强的目的。实验结果表明:新算法不仅具有较大的适用范围,而且能够有效地增强整个图像的对比度,提高图像的视觉效果。     

基于复数小波变换增强带噪图像的空间自适应方法

针对目前的多尺度增强方法一般很难实现抑制噪声和凸显细节间有效均衡的问题，提出一种基于复数小波变换增强图像方法，充分利用复数小波兼具平移不变性和方向选择性的优势，首先通过相邻两层小波系数的相关性来有效区分噪声和图像边缘．并根据各层小波系数的分布设置局部阈值抑制噪声；在此基础上，自适应地选取增强函数来增强较弱的细节并保护原图像中的清晰边缘不产生失真．实验结果表明，运用该算法增强带噪图像可以在较好地抑制噪声的同时，显著地放大细节特征．     

Remote sensing image enhancement based on the combination of adaptive nonlinear gain and the PLIP model in the NSST domain

To enhance image detail and contrast effectively, we present a novel enhancement method for remotely sensed images. This method is based on the combination of adaptive nonlinear gain and the parameterized logarithmic image processing model (PLIP) in the nonsubsampled shearlet transform (NSST) domain. The algorithm works in several stages by deconstructing the image into low- and high-frequency components, applying different functions to each set of frequency components, and then applying further enhancement functions to the reconstructed image. The experimental results show that the proposed method performs well in terms of definition gain, the contrast improvement index (CII) and the measure of enhancement by entropy (EMEE) when compared to several state-of-the-art image enhancement algorithms, including the nonsubsampled contourlet transform (NSCT) with fuzzy field enhancement, the NSCT with unsharp masking, the feature-linking model, linking synaptic computation for image enhancement and improved fuzzy contrast in the NSST domain.