基于自适应融合的手掌静脉增强方法

针对掌脉轮廓不清晰，图像对比度低、亮度低，进而导致识别性能降低的现象，提出一种自适应融合的手掌静脉增强方法。首先，基于暗原色先验（DCP）去雾算法，根据掌脉图像变异系数自适应选择去雾系数，得到DCP增强图像，并且基于部分子块重叠直方图均衡（POSHE）算法得到POSHE增强图像；然后，将图像分为16个子块，依据图像灰度均值与标准差确定各子块权重；最后，根据各子块权重对DCP和POSHE增强图像进行自适应融合，得到最终增强图像。该方法既保留了DCP算法在增强图像对比度和亮度的同时不引入明显噪声的优点，又保留了POSHE算法在增强图像对比度和亮度的同时不损失局部细节的特点；同时，两者的自适应融合既解决了DCP图像阴影部分掌脉缺失现象，又削弱了POSHE产生的块效应。在对两个公开库和自建库分别进行的实验中，三个数据库的等错误率分别为0.0004、0.0472、0.0579，识别率分别为99.98%、94.27%、92.05%。实验结果表明，与现有的图像增强方法相比，该方法降低了等错误率，提高了识别精度。     

保持图像亮度的自适应局部对比度增强

目前保持亮度的局部直方图均衡算法用于对比度增强时,大多以亮度均值和中值为图像的亮度分割点,这些方法能较好地保持图像的亮度,但同时也会产生局部过增强。为此提出了一种亮度误差最小的自适应局部对比度增强算法,根据亮度均值绝对误差自适应的选择最佳亮度分割点,然后用保持亮度的双直方图均衡算法对被分割的子图像进行均衡,最后用滤波器消除块效应。实验结果表明,该算法不仅保持了输入图像的亮度,同时也实现了局部对比度增强。     

基于直方图均衡化的手背静脉图像对比度增强

手背静脉图像对比度往往较低,这将影响整个手背静脉识别系统的识别准确率。首先提取手背静脉图像中的有效区域,然后利用直方图均衡化 (HE) 及其各种改进算法对提取的手背静脉图像进行对比度增强处理。实验结果表明,子块部分重叠局部直方图均衡化算法（POSHE）不但能够增强图像的整体对比度,而且图像中细节与背景之间的对比度也得到了增强,同时该算法效率较高,适合于手背静脉图像的对比度增强处理。     

子图像加权的彩色图像对比度增强算法

为了更好地实现彩色图像的对比度增强,提出一种有效的基于亮度保持的子图像加权对比度增强算法.首先利用基于亮度保持的双直方图均衡(BBHE)算法定义了2个子图像;然后根据输入图像以及2个子图像的亮度均值,给出一种基于亮度保持的权重系数的计算方法;最后对2个子图像进行加权求和,得到输出图像.对具有不同对比度的彩色图像的实验结果表明,与其他算法相比,文中算法能够有效地实现对比度增强,并且不会出现局部过度增强以及细节丢失等噪声问题,使得输出图像显得更为自然.     

结合子层分割和自适应函数引导的规定化图像增强

为了更好地辨别低照度图像中的目标,提高图像的对比度并增强纹理细节信息,采用子层分割规定化算法对图像进行增强处理,提出一种结合子层分割和自适应函数引导的规定化图像增强算法.首先根据原始图像直方图的特点对直方图进行子层分割,之后通过对分割后的子层进行灰度区间拉伸来提高图像的亮度,以增强图像的对比度;为了增强图像中的细节信息,在每个子层求取自适应函数来对每个子层做规定化处理;最后对子层直方图合并,得到增强后图像.实验结果证明,经过增强后图像的灰度平均梯度值为原始图像的3~4倍,信息熵也明显增大;该算法在增强图像细节、提高图像的对比度上具有优越性.     

基于反转的限制对比度自适应直方图均衡图像去雾改进算法

为了解决HE算法经直方图均衡处理后可能出现的噪声放大,CLAHE算法效率降低而且极其耗时这一问题,提出一种基于反转的限制对比度自适应直方图均衡图像去雾改进算法。雾天图像具有整体偏白色的这一特征,其反转后与低照度图像的特征相类似,对反转后的图像进行改进后的限制对比度自适应直方图均衡亮度增强,再进行反转得到无雾图像。该改进算法不仅解决了噪声放大问题且快速有效。     

基于暗元先验规律去雾后续处理研究

基于暗元先验规律去雾算法处理后得到的复原图像存在亮度暗、对比度低、局部细节信息不突出等问题。分析复原后图像的噪声放大程度与介质投射率的关系,在此基础上提出一种自适应剪切直方图均衡的方法,并将该方法应用到插值直方图均衡中,使得在噪声大的区域有小的增强幅度,在噪声小的区域有大的增强幅度,因此与传统的图像增强算法相比该算法能够得到明亮清晰的图像,并抑制了噪声。实验结果表明,该方法能够得到视觉效果更加优秀的处理结果。     

基于暗原色和直方图匹配的雾天图像增强算法

针对雾天图像景物容易退化的问题,提出一种基于暗原色和插值直方图匹配的雾天图像自适应增强算法。该算法基于暗原色先验信息寻找并分割出图像中的天空区域,利用插值直方图匹配方法对非天空区域进行自适应增强处理,采用主成分分析方法将处理前后的图像信息进行融合。实验结果表明,该算法不仅能避免天空噪声对图像的干扰,而且能有效提高图像对比度,获得满意的图像视觉效果。     

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。     

对比度受限自适应直方图均衡方法

该文介绍了对比度增强的分类方法,主要介绍了对比度受限自适应直方图均衡法,其通过限制局部直方图的高度来限制局部对比度的增强幅度,从而限制噪声的放大。     

基于相似加权滤波的红外图像增强算法

为了有效地增强红外图像,对算法进行了研究;提出了一种相似加权滤波算法和迭代平台阈值算法,将被大量噪声污染的红外图像进行相似加权滤波后,利用迭代法求得统计直方图的平台阈值,对滤波后的红外图像进行平台直方图均衡处理,以提高对比度;实验结果表明,相似加权滤波结合平台直方图均衡的这种算法不但能有效地滤除大量随机噪声,还能提高图像对比度,在效果上优于统计直方图均衡算法.     

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。     

基于子块的区域生长的彩色图像分割算法

提出了一种基于图像子块的区域生长算法,应用于彩色图像分割。首先将图像划分成多个不重叠子块,然后利用从CIE L*a*b*颜色空间中提取出的每个子块的颜色和纹理特征,先进行子块内颜色聚类,达到子块分类的目的,再根据生长准则进行基于分类子块的区域生长,实现对自然彩色图像的分割。实验结果证明了算法的有效性,分割结果符合人的主观感知。     

基于统计特征的图像直方图均衡化检测方法

直方图均衡化作为图像对比度增强技术之一,在图像恶意篡改过程中经常被作为隐藏被篡改图像强度变化的手段.本文利用图像直方图和其累积分布函数曲线,提取直方图均衡化的痕迹特征,实现直方图均衡化篡改检测.本文提出的方法首先利用图像直方图累积分布函数的变化趋势自适应地选择提取特征的灰度范围,然后在该范围内分别提取累积分布函数与恒等函数的相似度和直方图的零值间隙数量作为分类特征,最后利用K最邻近(K-Nearest Neighbor,简称KNN)分类算法进行分类.实验结果表明,本文方法不仅适用于检测常规直方图均衡化操作,对小分辨率图像的直方图均衡化操作和均衡化图像经过压缩后处理情况都具有较强的鲁棒性,并且可以区分直方图均衡化和其他类型对比度增强操作.     

基于可视色差与区域生长的彩色图像分割

提出了一种基于可视色差和分块区域生长的彩色图像分割算法,首先将待处理图像划分成若干大小相同的子块,在CIEL*a*b*颜色空间中计算每个子块的色彩均值和方差值,根据方差值对子块分类,利用可视色差对颜色均匀子块分类、合并,获得初始分割区域,利用四叉树算法对纹理子块分裂合并,然后从初始分割区域开始生长、合并,并删除小颜色块。实验结果证明了算法的有效性,分割结果符合人的主观感知。     

直方图规定化在图像增强中的应用及实现

图像增强是数字图像的预处理,能有效地改善图像的整体或局部特征。直方图规定化是图像增强领域的一个重要方面。该文研究并探讨了直方图规定化的基本原理,给出了相关推导公式和算法;并且,以一个灰度图像为例,用Maflab语言工具实现了直方图规定化增强处理,给出并分析了实验结果。实验结果表明,直方图规定化能有选择地对桌灰度范围进行局部的对比度增强,从而得到期望的增强图像。     

分块策略实现图像椒盐噪声密度估计

目的 椒盐噪声是造成图像污染的常见因素之一,椒盐噪声密度的估计对椒盐去噪过程中滤波窗口大小的选择具有指导作用。为此提出了一种基于分块策略的椒盐噪声密度估计算法。方法 首先对图像按行列等分后形成多个图像子块,统计每个子块中灰度为0或255的像素点个数并排序,然后根据排序后个数差分值函数特征对子块进行筛选,最后将所有候选子块噪声密度估计值的中值作为对整幅图像噪声密度的估计。结果 为验证算法的有效性,选取了两组不同类型的图像进行仿真,与现有椒盐噪声密度估计算法对比噪声密度估计结果。仿真实验结果表明,当图像自身包含较多灰度为0或255的像素点时,本文算法的噪声密度估计精度优于现有各种算法,标准差比现有算法小近一个数量级。当图像自身不包含灰度为0或255的像素点时,本文算法也能达到现有算法中最优的估计效果。结论 本文算法不仅能准确估计不同强度下的噪声密度,而且适用于自身包含灰度为0或255的像素点多的椒盐噪声图像。     

基于局部特征分析的LDCT增强算法

针对CT影像灰度动态范围宽、对比度差的问题,提出一种基于局部特征分析的低剂量CT(Low-dose Computed Tomography,LDCT)影像增强算法.算法通过对影像全局和局部统计特征的分析,构造非线性变换函数,实现对活动子块所对应区域的局部动态范围拉伸.选用两组不同采集协议CT影像进行的对比实验表明,算法实现简捷,可有效增强影像中的细部解剖结构,并可较好地抑制LDCT影像中的线性伪影.算法已被用于肺癌计算机辅助诊断系统的预处理过程.     

融合引导滤波和小波变换的水下图像增强算法

针对水下环境对比度低和极其模糊的视觉效果问题,提出了一种融合引导滤波和小波变换的水下图像增强算法。利用引导滤波将图像分为基础部分和细节部分,将小波变换应用于基础部分,对产生的低频图像进行限制对比度直方图均衡,高频部分分别使用改进的对数函数增强,然后将处理后的高低频部分进行小波逆变换。细节部分进行增益计算;最后将处理后的基础部分和细节部分进行加权融合,再对融合图像进行限制对比度直方图均衡,得到目标图像。仿真实验表明,该方法在保留图像细节的同时很好地克服了光照不均匀对图像的影响.