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。     

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.     

空频域图像增强方法研究综述

对于小样本图像数据集往往采用图像增强的方法扩充数据量增加实验的合理性,图像增强算法能够提高图像整体和局部的对比度,突出图像的细节信息,使图像更符合人眼的视觉特性且易于机器识别。为了深入研究图像增强应用的新思路、新方向,从图像增强算法的基本原理出发,归纳总结了近年来应用比较广泛的空域和频域两大类图像增强算法,包括直方图均衡图像增强算法、灰度变换图像增强算法、空域滤波图像增强算法和频域滤波图像增强算法,分别详细介绍了它们的基本概念和相关定义并简述了其浅层面的优缺点。另外采用主观和客观的评价方法对这些算法的增强效果进行了对比和分析,并对各算法的优缺点、适用场景和复杂度进行了对比分析,以更深入研究各个图像增强算法的隐含有用信息,以找出鲁棒性、适用性更强的图像增强方法。实验结果表明,不同的算法都具有各自的特点,针对不同的图像效果不同,增强对比度更适宜采用空域图像增强方法,突出细节更适宜采用频域图像增强方法。单一的方法无法满足图像处理的需要,优势结合的图像增强算法更有研究意义。对这些算法的深入研究能够为研究者带来新的契机,拓展新的研究方向,推动整个图像增强技术高水平发展,使图像增强技术在多个学科领域发挥重要作用。     

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。     

车载红外夜视图像的小波-遗传图像增强算法

针对传统红外图像增强算法在视觉效果上不够理想的问题,提出了一种适用于车载红外夜视图像的图像增强方法。该方法利用红外夜视仪的非接触生成热图像的原理,建立了针对车载红外夜视图像的小波-遗传灰度图像增强方法,并将该方法与传统的直方图均衡化法和多尺度Retinex算法进行了对比。在红外夜视图像增强效果方面,该方法具有改善图像亮度均匀性、避免图像过分增强和抑制噪声的特点。实验表明,所提出的小波-遗传图像增强算法在车载红外夜视图像增强方面的处理效果较好。     

基于格林函数的图像增强算法

由于传统的图像增强算法得到的增强图像存在细节的缺失,主观效果较差等缺陷,提出了一种图像增强算法。通过Retinex模型保证了增强图像具有较突出的细节特性;通过求解泊松方程满足了增强图像与原始图像在梯度域的一致性;采用自适应亮度映射得到适于显示的边界条件;对区域的边界进行采样降低算法的复杂度。实验对比了几种图像增强算法得到的增强图像以及相关的评价系数,验证了该算法能够有效地提高图像的对比度,增强图像的主观视觉效果较高。     

一种基于卫星图像的增强方法

直方图均衡化是图像增强的一种有效方法,其基本思想是调整图像的灰度分布。线性拉伸的方法对图像进行增强处理,提高了图像的解译能力。本文从合成图像直方图均衡化和线性增强的优点入手,给出了一种直方图均衡化和线性增强相结合的改进算法,通过对算法中调节参数的选择来获取更好的图像增强效果,该算法避免了图像过亮等现象,改善了图像质量,实验验证了该算法更为有效。     

基于非线性处理的图像增强算法研究

近年来,基于非线性处理的图像增强技术成为相关领域研究人员关注的一个热点。尽管非线性方法与通常的图像增强算法相比.其计算量非常大,但是灵活多样的数值计算方法使其能够满足高质量图像方面的需要.因而基于非线性图像处理的图像增强方法逐渐在图像处理领域中受到青睐。本文以处理图像的特征及经典增强方法为理论基础.分别从提高图像对比度、抑制噪声及突出弱小目标三个角度研究了图像的增强算法。针对经典增强算法出现的灰度级合并、细节丢失等问题.突出目标细节.从非线性变换出发.提出了基于非线性的图像增强算法。经仿真实验结果表明.这种改进方法简单易行、运算量小.易于实时处理.对于某些图像取得了比现有增强方法更好的效果。     

一种自适应的仿生图像增强方法:LDRF算法

为了研究基于人类视觉系统特性(亮度自适应特性和视网膜神经元感受野非经典侧抑制特性)的仿生图像处理方法,增强仿生图像增强算法的自适应性,提出了一种新的自适应仿生图像增强算法——LDRF算法.LDRF算法首先建立参数对数模型对图像全局亮度进行自适应调整,然后采用三高斯动态滤波进行局部细节增强,引入Wal-lis算子建立增益因子模型,使局部细节增强具有自适应性,最后通过线性变换恢复图像彩色信息.在大量图像上进行对比实验和分析.实验结果证明,LDRF算法能够避免过增强现象,并且针对不同大小、不同内容的图像能够自适应地进行图像增强,取得了较好的效果,提高了仿生图像增强算法的实用性.     

滤波算法在图像增强中的应用研究

研究图像增强问题,当光照变化比较强烈时,传统增强算法假设场景中光照是平缓变化的,易产生“光晕”现象,导致图像质量变差.为了图像增强后的质量,提出一种单尺度双边滤波的图像增强算法.首先对采集图像亮度增强,然后利用双边滤波消除光照对图像不利影响,最后采用单尺度Retinex算法对图像进行增强处理.仿真结果表明,单尺度双边滤波增强算法很好地解决了传统算法中存在“光晕”难题,提高了图像增强效率,可适用于任何光照强度下的图像增强.     

一种新型自适应指纹图像增强算法

针对Gabor滤波器在处理低质量指纹图像时增强效果不佳的缺陷,提出一种基于方向域和频率域的新型自适应Gabor滤波增强算法。该算法改进了指纹图像方向图和纹线频率的提取方法,通过计算图像方向一致性和平均纹线频率两个参数来共同自适应地调节Gobor滤波器变换窗的大小。实验结果表明：对于低质量指纹图像,该算法大大提高了方向图准确性,而且自适应Gabor滤波器在处理不同类型的指纹时更具优越性。     

CLAHE和细节放大相结合的档案图像增强方法

图像增强可提高扫描档案图像的质量,关系到档案图像信息系统的生命。运用CLAHE可以进行全局对比度拉伸,运用Lee滤波器可进行局部细节放大,将两者结合可形成放大细节的CLAHE方法。对结合的方法从两方面进行改进,一是引入噪声抑制措施,使得Lee滤波器只放大图像细节而不放大噪声;二是制定柔性细节放大机制,使得细节放大更加符合人类视觉习惯。改进后的方法既能提高全局对比度,又能有效放大局部细节。实验表明,提出的方法对包含文本、图形和图像的扫描档案具有较好的增强效果,且能够满足国家行业规范要求和实际应用需要。     

遥感图像理想均衡化及图像质量定量评价

大多数原始的遥感影像由于其灰度分布集中在较窄的范围内,影像的细节不够清晰,对比度较低。为了使影像的灰度范围拉开或使灰度均匀分布,从而增大反差,增强影像细节信息,通常采用的方法为直方图均衡化。通过对信息熵定义的阐述,引出直方图均衡化的图像增强算法。通过分析传统直方图均衡化算法中存在的缺陷,进而基于分段映射思想提出一种改进的理想直方图均衡化算法。同时,为了对传统算法和改进算法进行定量化地分析比较,基于同时对比度以及人类视觉对比度分辨率限制和模糊数学的相关思想,分别提出基于加权几何平均数法的合成平均对比度和细节评价参数的定义。最后,采用同时对比度、基于加权几何平均数法的合成平均对比度以及细节评价参数作为定量评价的指标,对所提出的改进算法进行了定量评价。评价结果表明,该改进算法的图像增强效果优于传统的直方图均衡化算法。     

基于RBF 神经网络的低对比度图像自适应增强算法

针对低对比度图像增强问题,提出了一种将直方图修正与RBF 神经网络相结合的 图像对比度增强算法。首先由原始图像获得与其邻域存在对比度的像素的条件概率直方图,通 过调整两个增强参数可以改变条件概率直方图和均匀分布直方图的权重,生成新的直方图对图 像进行增强。采用RBF 神经网络建立图像特征与两个增强参数之间的非线性映射关系。根据图 像本身的特征快速获得增强参数,从而实现图像的自适应增强。该方法计算量小,实时性强, 应用范围广,有较强的自适应性。     

基于小波域的模糊增强算法

在小波域上用模糊增强算法实现图像的增强,这是涉足较少的一个领域,以前基本上都是分开研究图像的增强算法.在小波域上增强图像,小波基的选择是很重要的一个问题.给出了选择小波基的标准,针对本算法,使用了相对较好的bior4.4小波基,对模糊增强算法,在传统的模糊增强算法基础上,提出了一种改进算法.它主要是对隶属度函数的修改,改进后的隶属度函数取值范围更广泛,适应性更强.所有的算法都经过了Matlab编程,实验表明,增强以后的图像能够显示更多的细节,图像变得更加清晰,可以得出本算法基本上是成功的.     

模糊理论在光弹性图像处理中的应用

在光弹性图像处理中，从包含等差线的图像场中提取等倾线一直是有待解决的问题，在对图像的灰度直方图分析的基础上，该文提出了应用模糊理论对图像进行增强，结合二值化和滤波算法，最终得到单纯的等倾线曲线。仿真结果表明，效果良好。     

一种新的红外图像复合增强算法

通过对现有图像增强算法的分析,提出了一种新的红外图像复合增强算法。该算法将同态增晰和直接对比度增强算法结合,使得图像中的局部信息与全局信息在增强时都能被利用。外场实验表明,处理后的图像具有明显的局部对比度增强效果,同时较好地保持了图像的原始面貌。     

基于人眼视觉感知驱动的井下图像增强算法

为解决传统的对比度增强方法在对井下图像进行处理时不能兼顾压缩动态范围、调整亮度以及增强图像对比度等问题,提出一种基于人眼视觉感知特性的井下图像对比度增强算法。首先根据人眼亮度掩蔽特性对图像进行区域划分,然后基于非线性亮度映射模型,对图像的不同区域进行不同尺度的非线性调整,最后再将亮度调整后的不同区域组合成新的图像。实验结果表明,该方法能有效增强井下低照度图像的对比度,提升图像的视觉效果。     

基于拼贴误差拟合（补偿）的分形压缩算法

采用分形压缩算法来提高压缩速度和压缩比的一种有效途径是降低对拼贴误差的要求 ,然而这往往导致图象失真 .为克服该问题 ,在经典分形压缩算法的基础上 ,提出了一种新的基于拼贴误差拟合 (补偿 )的分形压缩算法 .该算法可以提供两种不同拼贴误差的分形编码 ,由于通过对不同区块使用与之相适应的相似变换类型 ,可以有效地补偿拼贴误差 ,从而可降低压缩图象的失真度 .理论研究和实际应用表明 ,该算法为分形压缩图象所面临的失真度和压缩比的矛盾提供了一种有效的解决方案 .