低照度图像增强算法的研究与实现

针对低照度图像暗且对比度低的特点，提出了一种将改进的直方图均衡化方法与改进的局部对比度增强方法相结合的低照度图像处理方法，满足了图像增强的两种要求：调节动态范围，增强局部对比度。实验表明该方法在对低照度图像处理时可以达到局部细节对比度增强和全局清晰的效果。     

图像增强对低光照场景语义分割影响研究

在低光照环境下获取的图像通常会出现图像亮度低、颜色失真、细节信息丢失以及对比度低等问题。为了满足主观视觉体验的需求,往往会对图像进行增强处理。然而,图像增强对机器视觉应用性能的影响缺乏系统研究。本文以语义分割这一机器视觉应用为例,首先对主流的语义分割方法和低光照图像增强方法进行归纳总结,然后对经图像增强方法处理的低光照图像进行语义分割,从而探究图像增强方法对低光照场景语义分割性能的影响。实验结果表明,增强处理可以改善图像的人眼视觉效果,但是可能会引入噪声等影响,并且图像增强方法和语义分割方法关注的重点和特征不完全一致。图像增强对于低光照场景语义分割性能的促进作用并不明显,甚至会带来负面影响。     

基于多尺度Retinex算法的遥感图像增强

大多数的遥感图像存在视觉对比度低、分辨率低的缺点．因而在对遥感图像分析之前,通常都需要通过遥感图像增强技术对图像进行增强处理。当前的图像增强方法有很多种,文中引入了一种新颖的图像增强方法,即多尺度Rednex（MSR）算法。这种增强技术尤其对能见度差、分辨率低的图像有很好的效果,因此适合于对遥感图像的增强处理。此外,还引入了几种常用的经典图像增强方法,如直方图均衡法等。为了证实所引入的MSR算法对遥感图像的增强效果优于其他的增强方法,在实验中,将经典的图像增强方法和MSR算法分别应用于增强一幅典型的遥感图像并对比增强后的增强效果。实验结果表明MSR算法在对遥感图像的增强中可以取得满意的效果并且优于其他的图像增强方法。     

遗传算法在图像增强中的应用研究

关于图像增强是图像处理中提高质量问题,由于在图像采集过程中存在各种干扰,图像质量低,传统分段线性变换算法采用人工方法进行参数优化,难以获得最佳增强效果。为提高图像增强效果,提出一种采用遗传算法的图像增强算法,用遗传算法自动选择两个折线拐点的位置和分段直线的斜率,得到最优的分段线性变换曲线,从而实现图像增强处理。仿真结果表明,相对其它增强方法,改进方法不仅提高图像整体亮度,而且增强了图像的对比度和细节,具有一定的抗噪能力,为图像增强处理提供了广泛的应用前景。     

改进的多尺度Retinex红外图像增强算法

针对传统多尺度Retinex增强算法处理后的红外图像对比度较低、视觉效果不够理想的缺点,提出了一种改进的多尺度Retinex红外图像增强算法.将传统Retinex增强算法中的指数还原用灰度线性拉伸代替,对拉伸后的图像进行自适应对比度增强处理,从而提高了图像的对比度,改善了图像的视觉效果,同时,根据图像处理的需要,可以调整图像对比度的大小.通过与几种典型的图像增强算法实验结果进行比较,该算法图像增强的效果更好,图像视觉效果更佳.     

医学DR图像增强处理方法仿真研究

研究医学DR图像增强处理方法.在医学DR图像采集时,由于受到尖锐噪声,曝光量不当、人体组织太厚、分布不均匀等原因的干扰,造成医学DR图像中的像素混杂,图像对比度降低.传统算法很难对这些不可控因素进行预测,造成医学DR图像增强处理效果不好.为了避免上述缺陷,提出了一种基于细胞膜优化算法的医学DR图像增强处理方法.对采集的医学DR图像进行形态学处理,获取图像的结构特征,为图像增强处理提供了数据基础.利用细胞膜优化方法,计算图像中最优像素点空间位置,从而将其作为图像增强处理的依据.利用遗传方法,实现DR图像的增强处理.实验结果表明,利用改进算法进行医学DR图像增强处理,能够有效提高图像的对比度.     

基于Multi-Scale Retinex模型的肝脏超声图像增强算法

基于多尺度Retinex (Multi-scale Retinex,MSR)模型的图像增强方法是一种基于人眼视觉原理的图像增强方法,能同时有效实现图像的动态范围压缩和颜色保真.本文融合Retinex理论,采用3个尺度的Retinex算法对肝脏超声图像进行增强处理,提取经MSR算法增强处理后的正常肝脏和脂肪肝图像的灰度均值、对比度和信息熵参数,并与直方图均衡化算法、同态滤波算法进行对比.实验结果表明:肝脏超声图像经MSR算法增强处理后,提高了图像特征参数(对比度、信息熵)的区分度,增强了图像暗区的对比度和清晰度,改善了图像视觉质量,能有效辅助临床诊断.     

一种基于模糊集的医学图像增强方法

鉴于医学超声图像的对比度较差，使得某些图像细节难以辨认，采取基于小波包和模糊集的图像增强方法。结果表明，此增强方法能够增强图像微小细节，提高图像对比度，改善图像的视觉效果，从而提高诊断的准确性。     

基于小波变换的矿井监控图像增强研究

针对在矿井视频监控系统中采集到的井下图像质量差的问题,论文提出了一种基于小波变换的图像增强方法,使用该方法增强的图像细节显示能力强,图像对比度更高,该方法对煤矿监控图像有显著的增强作用.通过与传统的伪彩色增强算法、灰度线性变换算法和直方图均衡算法比较,该方法较好地增强了井下低对比度图像的可视化效果.实验证明,该基于小波变换的图像增强方法能够增强矿井下图像的清晰程度,使矿井视频监控系统更好地发挥作用.     

基于多尺度Retinex算法的遥感图像增强

大多数的遥感图像存在视觉对比度低、分辨率低的缺点,因而在对遥感图像分析之前,通常都需要通过遥感图像增强技术对图像进行增强处理.当前的图像增强方法有很多种,文中引入了一种新颖的图像增强方法,即多尺度Retinex(MSR)算法.这种增强技术尤其对能见度差、分辨率低的图像有很好的效果,因此适合于对遥感图像的增强处理.此外,还引入了几种常用的经典图像增强方法,如直方图均衡法等.为了证实所引入的MSR算法对遥感图像的增强效果优于其他的增强方法,在实验中,将经典的图像增强方法和MSR算法分别应用于增强一幅典型的遥感图像并对比增强后的增强效果.实验结果表明MSR算法在对遥感图像的增强中可以取得满意的效果并且优于其他的图像增强方法.     

基于曲波变换的图像非线性增强改进算法

在传统曲波图像增强中,非线性增益函数通常需要调节多个参数。针对该问题,提出一种基于曲波变换的图像非线性增强改进算法。在处理低对比度图像前,对其空间域特征进行分析处理,将空间域非线性增强和曲波非线性增强处理相结合,通过较少的参数选择,结合曲波变换的多尺度特性,提高曲波增强方法的自适应度。实验结果证明,该算法具有较好的图像增强效果。     

人工鱼群算法在自适应图像增强中的应用

图像增强是图像处理中的一个经典问题,以传统的分段线性变换为基础,利用人工鱼群算法和二维Otsu阈值法,提出了一种自适应的图像对比度增强算法。该方法利用优化后的人工鱼群算法自动选取双阈值,依据图像的对比度自动搜索灰度变换斜率,得到最优的分段线性变换曲线,并用之对图像进行增强处理。实验表明,该方法可有效提高图像对比度,且优于直方图均衡化、反锐化掩模等传统的对比度增强方法。     

基于组合方法的图像增强

图像增强方法有很多种,而我们在对图像做增强处理的时侯,单单使用一种方法往往达不到效果,有可能还会带来一些负面效应。因此在对具体的图像进行处理时。有时候需要几种方法结合使用。文章针对红外图像分辨率低、图像对比度不高的主要缺陷,采用中值滤波和梯度锐化相结合处理,即先用中值滤波去除噪声,再对图像进行锐化,结果同时实现了红外图像的去噪和增强。     

小波域红外图像增强算法研究

由于红外图像成像机理及红外成像系统自身的原因,红外图像大多对比度低、细节信息不明显,视觉效果差,需要经过增强处理改善图像质量。提出一种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。利用小波把红外图像分解成近似子图像和细节子图像,对近似子图像进行改进的Retinex增强算法处理,对细节子图像采用多策略小波阈值增强,最后小波重构得到增强的红外图像。实验结果表明,该算法对红外图像具有较好的增强效果。     

一种基于二维离散小波变换的医学图像增强算法

噪声是影响医学图像质量的最重要的因素之一。去除噪声,增强图像以提高图像质量是医学图像处理的重要课题。传统的图像增强方法在改善图像视觉效果的同时还存在噪声过增强问题,不适于医学图像增强。针对这种情况,文章提出了基于二维离散小波变换的医学图像增强算法。在多尺度分析基础上,该算法对小波分解得到的低频子带图像采用两步提升法进行对比度增强处理,而对小波分解得到的不同方向上的小波系数进行不同程度的去噪并增强。实验结果表明,该方法在提高医学图像对比度改善图像质量的同时有效地解决了传统算法中难以克服的噪声放大问题。处理后的图像更利于医生进行分析诊断和医学影像的后续处理。     

融合多分支残差与仿射变换的低照度图像增强

针对现有低照度图像增强算法难以同时处理亮度、对比度、伪影和噪声等因素,提出了多分支残差与仿射变换低光增强网络,其核心思想是运用不同模块处理不同的任务.首先通过光照估计模块获得低光图像的光照变量,然后使光照仿射变换模块与光照编码参数融合恢复图像的光照,最后通过细节重建模块融合更多的图像细节获得最终输出.实验结果表明,该方法有效地丰富了图像的纹理细节,同时增强了亮度和对比度,并具有更少的伪影和噪声.通过与其他主流方法进行比较,定量和定性地证明了提出方法对低光图像增强的效果更好.     

一种模糊集图像增强的改进算法

图像增强是图像预处理中最重要的内容之一,本文通过对Pal模糊图像增强算法进行改进,提出一种改进的新的模糊图像增强算法。该算法采用简单的隶属函数,并且克服了Pal算法对图像中部分低灰度值边界信息损失的缺点。实验结果表明,该算法不但能够提高图像对比度,突出图像中不同层次的灰度信息和边缘信息,其运算速度也远远快于Pal模糊增强算法。     

基于多尺度边缘表示的图像增强快速算法

低对比度结构广泛存在于各种数字图像之中，研究如何通过后期处理增强数字图像的对比度是很有意义的。灰度图像对比度的高低总是与图像灰度梯度幅值的大小相联系，受这种思想的启发，提出了一种基于图像多尺度边缘表示的，利用对信号小波变换模极大值的拉伸和Hermite插值多项式实现的图像增强快速算法。此算法可以实现对噪声的抑制和对图像中不同尺度特征的增强。数值实验结果表明，该算法增强效果明显，运算速度快，是一种实用性较强的图像对比度增强算法。     

基于亮度传播图的低照度图像增强算法

由于低照度图像的整体亮度比较暗、动态范围低、噪声大等特点,提出一种基于亮度传播图的低照度图像增强算法。考虑到低照度图像增强的同时也会放大噪声,因此在增强图像之前对图像进行去噪处理。使用BM3D在YCb Cr空间对图像进行去噪之后,在HSI空间对图像进行增强,利用亮度分量估计亮度传播图,利用物理模型还原低照度图像。实验表明该方法能够快速有效地提高低照度图像的整体亮度和对比度,增强图像的细节并减少噪声,得到视觉效果良好的图像。     

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。