基于暗原色先验的煤矿井下图像增强技术

针对现有煤矿井下图像模糊增强算法不能应对井下浓雾情况且处理后的图像较模糊的问题,提出一种基于暗原色先验的煤矿井下图像增强技术,通过线性模糊化函数来达到图像增强的目的,并使用暗原色先验理论来增强图像的对比度,同时去雾尘。实验结果表明,基于暗原色先验的煤矿井下图像增强技术可提高煤矿井下图像的可视性,同时明显增强图像的对比度。     

基于模糊熵的两种图像增强技术

基于模糊数学的图像处理技术是图像处理中的重要技术。文中基于模糊熵的概念,提出了两种新的图像增强算法:一种是基于模糊熵的图像滤波器,另一种是改进的模糊松弛迭代增强算法。前者将图像分为若干窗口,分别计算每个窗口关于不同模糊集的模糊熵,根据最小模糊熵原则,确定该窗口中心灰度的大小,该方法充分利用了图像窗口中像素的区域信息;后者对图像依次进行模糊熵滤波去除噪声,最大模糊熵阈值确定分层和模糊隶属度松弛迭代增强,该方法能够实现对图像不同层次的内容实现可控式模糊增强,提高算法的自适应性并且能够增强算法的抗噪性能。通过与传统算法的实验结果对比,验证了文中算法能够取得较好的图像增强效果。     

一种煤矿井下视频图像增强算法

煤矿井下视频图像存在亮度不均、细节纹理模糊不清、噪声较多等问题,而常用的图像增强算法在处理煤矿井下视频图像时会出现图像失真、图像层次不清、处理效率低等缺点。针对上述问题,提出了一种基于对比度受限函数和反馈函数的煤矿井下视频图像增强算法。该算法首先结合加权平均法和中值滤波对图像进行灰度化和去噪预处理;然后通过对比度受限函数对图像对比度进行限幅增强;最后通过反馈函数调节图像的灰度级,对图像层次进行增强。实验结果表明,该算法可有效改善煤矿井下视频图像失真情况,图像层次分明,且具有较快的处理速度。     

字符二维条码图像的识读

以字符二维条码为研究对象, 针对条码识读问题展开研究. 由于获取的条码图像往往存在对比度低造成的图像模糊问题, 采用了分段线性灰度变换的方法来增强图像, 在分段点的选择上根据字符条码图像灰度分布特点采用改进的二维OTSU法. 针对图像中出现的条纹噪声, 采用基于频域的ButterWorth带阻滤波器进行降噪处理, 最后采用计算圆形度值的方法来实现对字符区域的快速定位. 实验表明, 该识读方法能够很好的解决图像采集中出现的模糊以及噪声问题, 并且能够快速有效的定位出条码区域.     

基于模糊最大熵的红外图像增强算法

针对红外图像整体亮度偏暗、对比度较低、目标与背景区分不明显的特点,论文提出了一种基于模糊最大熵和改进的S函数的图像增强算法。该方法首先通过模糊最大熵准则求取最佳阈值,再使用改进的S函数对阈值两侧的像素灰度进行模糊域的非线性拉伸,从而得到增强后的红外图像。实验结果表明,该算法能明显提高红外图像对比度,突出目标并降低背景噪声。     

基于模糊熵的数字图像局部自适应增强算法

在一些特殊的应用场合,数字图像经常存在混合干扰和对比度弱等情况,导致图像处理难度升高.为更好的描述这些图像局部特征,改善信息分析的可用性,提出了基于模糊熵局部自适应增强算法.先利用改进的变分因子变换得到图像的显著特征,结合拟合能量进行局部分割.基于模糊理论,把图像视为模糊事件,将不同等级的灰度图像投影至相应的模糊域中,并依据直方图实现局部图像增强处理.通过模糊熵的引入,计算得到边缘熵与背景熵,从而确定目标图像边缘.仿真基于MATLAB,选择噪声和灰度特征较为显著的医学图像和遥感图像作为原始图像,通过加入高斯白噪声的图像增强结果对比,以及PSNR、E和Fit三项客观指标的结果对比,均证明了所提算法能够较好的过滤噪声干扰,对于不同类型的数字图像都能获得良好的灰度均衡性,算法具有更好的图像增强效果和适应性.     

一种煤矿井下图像增强算法

针对煤矿井下监控图像对比度低、视觉效果差等问题,采用一种基于引导滤波的单尺度Retinex算法进行煤矿井下图像增强。该算法采用具有保边平滑功能的引导滤波进行照度估计,并与原图像进行卷积运算,获得反映自身属性的反射分量,然后针对经反对数变换的反射分量,采用改进的局部对比度增强方法提高图像暗区的对比度,最后得到增强图像。实验结果表明,该算法在对比度提升、细节增强、消噪方面取得了较好的效果。     

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。     

基于模糊方向滤波的SAR 图像增强与去噪

针对SAR 固有的乘性噪声使其图像可解释性变差的问题, 基于方向滤波器和模糊逻辑探讨模糊方向滤波法。首先根据对比度来选取特征平面, 将图像进行特征平面增强并模糊化, 并获得模糊参数, 然后根据模糊规则计算隶属度, 以具有相应最大隶属度的像素构成最后滤波结果。SAR 实验由半点指数和正则均方差来检验不同方法的性能, 数据和图像均表明此方法优于Lee 滤波法、Esafa 法和加权形态滤波法, 既滤除噪声又保留图像细节; 为SAR 图像处理提供了有效的思路和工具。     

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。     

煤矿监控图像增强算法的分析与实现

针对煤矿井下粉尘多、光照差的恶劣环境使得矿井监控图像偏暗、对比度低、视觉效果差的特点,提出了一种基于小波变换和模糊理论的图像增强算法。该算法选择小波变换为工具分解图像,应用新的模糊隶属度和增强算子对高频信息进行模糊处理,利用直方图均衡化对低频信息进行处理,最后对图像进行重构。处理结果较好地增强了图像细节信息,从整体上改善了图像效果。     

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。     

系数型指数模糊熵在图像增强中的应用

在研究已有模糊熵的基础上,提出了一种系数型指数模糊熵的图像增强方法。先将图像进行模糊划分后变换到模糊域,然后利用提出的模糊熵计算图像的模糊熵,并且在最大熵准则下用模拟退火算法求取最佳阀值,利用增强算子进行图像增强。实验结果表明,该算法对图像有一定的增强效果。     

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。     

基于模糊理论的低照度彩色图像增强算法

低照度彩色图像存在整体亮度低、对比度差、颜色偏暗和信噪比低等特点,传统图像增强算法对其增强效果非常有限。提出了一种基于模糊理论的低照度彩色图像增强算法,将三原色(red,green,blue,RGB)图像转换成色相饱和度(HSV)图像,以保证增强处理不引起图像的色彩失真。对亮度图像进行非线性变化,实现动态范围展宽;采用修正后的隶属度函数将图像映射到模糊平面,实现对比度增强。实验结果表明:该算法显著地提高了图像整体亮度和对比度,改善了低照度彩色图像的视觉效果。     

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.

     

基于NSCT的遥感图像模糊增强算法

针对传统小波变换增强方法无法调整图像亮度的问题,提出一种基于非下采样Contourlet变换(NSCT)的遥感图像模糊增强算法。对遥感图像进行NSCT变换,得到图像的高通子带和低通子带,在高通子带设置阈值,对大于阈值的高通子带系数进行线性增强,小于阈值的系数置为0,对低通子带进行模糊对比增强。实验结果表明,该算法能获得较好的图像平均值和熵值,视觉效果较优。     

一种基于粒子群算法的模糊隶属函数优化方法

在分析图像模糊增强算法对于隶属函数及其模糊区域选择方法不足的基础上,提出一种新的基于粒子群算法的模糊隶属函数优化方法。该方法给出一个新模糊熵的定义,这个新模糊熵定义不仅考虑到图像在模糊域中划分区域时随隶属函数变化而变化的情况,同时又考虑到图像在空域中划分区域时随隶属函数变化而变化的情况。这样就使得图像依照最大熵准则变换到模糊域更能够有效地反映图像的固有信息。另外,根据图像增强算法中使用double型数据类型的特点,采用改进粒子群优化算法寻求隶属函数的最优参数。将新算法应用于图像增强中,取得了优于现有大多数模糊增强算法的效果。     

自动图象边缘检测方法的研究

本文提出了一种新的自动图象边缘检测方法,该方法使用新的隶属函数将图象转化为等效的图象模糊特征平面,在此基础上进行模糊增强,然后再转换为空域图象,顾后进行边缘提取,模糊增强提高了低灰度区域和高硬功率和高灰度区域之间的对比度,从而使提取的边缘效果更好,最后本文对具有多峰直方图分布图象的模糊边缘检测问题进行了
了推广。     

红外图像的一种Type-II模糊增强算法

提出了一种基于Type-II模糊集的红外图像增强算法,该算法首先根据像素的邻域相关性对图像进行预处理,然后以Ostu分割阈值为基础,构造了红外图像的Type-II模糊特征平面;然后,采用不同的变换规则对图像进行模糊增强,并将结果进行融合;最后,通过Type reduction和去模糊化操作得到增强后的输出图像。对几幅典型的红外图像的增强实验表明,提出的方法能够有效地提高红外图像的对比度。