一种非线性变换的双直方图红外图像增强方法

红外图像具有噪声大、对比度低等特点,红外图像增强是红外探测、识别和跟踪应用中的核心问题之一。在红外图像增强技术中,直方图均衡方法简单、有效,但存在细节信息损失较大的缺陷。提出一种对红外图像采用非线性变换分段直方图的增强方法,该方法对红外图像进行非线性变换,提高较暗区域的像素亮度,根据前背景区域特征将直方图分成两段,进行双直方图均衡化处理,对前景和背景分别进行图像的增强。经过实验验证,该算法能有效提高图像亮度,扩大目标区的灰度范围,增强前景图像的细节部分。     

基于双直方图均衡的自适应图像增强算法

基于双直方图均衡算法,提出一种自适应图像增强算法。该算法综合考虑图像的熵及输入输出图像的亮度均值差,自适应地选择合适的阈值将图像分割成2个子图进行双直方图均衡和灰度均匀化处理,使得输出图像的亮度均值和原图接近的同时输出图像的熵尽可能大,并避免了过增强现象的出现。实验结果证明,该处理方法能取得较好的增强效果。     

实时图像增强算法改进及FPGA实现

针对复杂背景的多目标图像,提出了一种基于直方图的实时自适应图像增强方法.该方法根据自适应直方图窗口选择高低阈值,通过灰度线性变换及灰度级等间距密度均衡进行图像增强.利用该算法增强图像视频时,采用FPGA,通过并行处理结构及流水线技术,可实时处理每秒50帧780×582×12bits的可见光图像.在处理视频的过程中,由前一帧图像的直方图信息,来增强后一帧图像.理论分析和实验结果均表明,该算法克服了直方图均衡及平台直方图均衡增强图像引起的灰度断层现象,有效地增强了图像的对比度,提高了图像质量.     

保持图像细节的红外图像直方图均衡算法

针对灰度图像经传统直方图均衡算法后因部分灰度级被合并而导致图像细节丢失的问题,提出了一种新的可保持图像细节的红外图像均衡算法.该算法避免了传统直方图均衡带来的灰度断层和丢失现象,对图像灰度级进行无损均衡,提高了图像质量.实验表明该算法使图像的细节和清晰度得到明显的增强。     

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.     

基于多级直方图形状分割的图像对比度增强技术

针对现有图像增强算法中存在过度增强和欠增强、边缘光晕效应、由于细节增强导致信噪比降低等问题,提出一种基于多级直方图形状分割的图像对比度增强技术。利用引导图像过滤器将图像背景和细节分离,避免边缘过度增强带来的光晕效应;利用多级直方图形状分割方法,将直方图中出现频率相近的强度值区域分割出来,实现图像背景的个体均衡化;采用自适应细节增强方法在增强细节的同时抑制均匀区域中噪声,保持图像的信噪比。实验结果表明,与其他算法相比,该增强方法的效果更优,能够有效避免图像增强中常见的不利问题,同时产生足够的整体增强效果。     

基于模糊聚类分割的累积直方图均衡化算法

通过比较几种图像直方图均衡化的应用范围,提出一种基于模糊聚类分割的累计直方图均衡化的方法。实验结果表明:与传统直方图均衡化算法相比,使用该方法处理后的图像不仅使灰度值分布更加均匀,增强了整体对比度,而且保留了原图像更多的细节信息,很好地达到了图像增强的目的。     

结合直方图紧凑均衡的图像增强算法

鉴于现有的平台直方图均衡图像增强算法的平台阈值难于选择的问题,文中提出了一种结合直方图紧凑均衡的图像增强算法,将稀疏的直方图分布紧凑化,同时构造自适应平台阈值选取方法,增强图像的细节,限制背景和噪声。该方法克服了传统平台直方图方法整体提升,细节不突出的缺点。目前算法已经嵌入工程硬平台,针对大量低照度图像的实验结果表明,算法能够根据图像内容,自适应选择平台阈值,提升图像细节,较好地抑制背景,同时计算简单,便于实际应用。     

结合直方图紧凑均衡的图像增强算法

鉴于现有的平台直方图均衡图像增强算法的平台阈值难于选择的问题,文中提出了一种结合直方图紧凑均衡的图像增强算法,将稀疏的直方图分布紧凑化,同时构造自适应平台阈值选取方法,增强图像的细节,限制背景和噪声。该方法克服了传统平台直方图方法整体提升,细节不突出的缺点。目前算法已经嵌入工程硬平台,针对大量低照度图像的实验结果表明,算法能够根据图像内容,自适应选择平台阈值,提升图像细节,较好地抑制背景,同时计算简单,便于实际应用。     

自适应动态峰值剪切直方图均衡化

传统的直方图均衡化算法在增强图像的同时可能会引入一些视觉退化效应,如一些图像的部分区域出现过度增强。为了克服这个缺点,已有一些灰度均值保持算法,但是这些算法并不能很好地保持图像处理前后灰度均值的稳定性。提出了一种自适应动态峰值剪切直方图均衡化算法：使用滤波器对原图像的直方图进行滤波操作,并且根据图像的信息来确定分割区间及区间数目;对分割的区间进行重新映射;对区间的直方图进行剪切操作,然后分别地进行均衡化处理,并对处理后的图像进行灰度归一化操作。实验结果表明,该算法可以很好地在保持原图像均值的前提下实现图像增强。     

Image contrast enhancement using fuzzy clustering with adaptive cluster parameter and sub-histogram equalization

Histogram equalization is an effective technique to boost image quality and contrast enhancement. However, in some cases the increase in image contrast by traditional histogram equalization exceeds the desired amount Which damages the image properties and wanes its natural look. Histogram division and performing a separate equalization for each sub-histogram is one of the presented solutions. The dividing method and determining the number of sub-histograms are the main problems directly affecting the output image quality. In this study, a method is introduced for automatic determination of the number of sub-histograms and density based histogram division leading to appropriate output with no need for parameter setting. Each main peak is in a separate section. Image contrast is increased with no loss of image specifications through determining the number of sub-histograms based on the number of main peaks. The introduced histogram equalization approach consists of three stages. The first stage, using histogram analysis, produces an automated estimate of number of clusters for image brightness levels. The second, clusters the image brightness levels, and using the provided transfer function, the final stage includes contrast enhancement for each individual cluster separately. The results of the proposed approach demonstrate not only clearer details along with a boost in contrast, but also noticeably more natural appearance in the images.     

红外图像全局和局部对比度增强的非线性增益法

提出一种基于模拟退火算法和离散平稳小波变换增强红外图像全局和局部对比度的非线性增益算法.基于原始红外图像的灰度直方图提出一种判据,利用该判据判断原始红外图像的对比度类型,以指导模拟退火算法的搜索方向和初值的选取;并利用模拟退火算法优化非线性灰度变换参数,实现对图像进行全局对比度增强.对全局增强后的图像进行离散平稳小波变换,分别对各个分解层的高频子带利用所提出的非线性增强算法进行细节增强.实验结果表明,该算法在有效地提高红外图像整体对比度的同时,能突出红外图像中目标的细节部分信息,在视觉质量上优于传统的直方图均衡法、反锐化掩膜法等.     

基于模拟退火算法的红外图像自适应对比度增强

基于模拟退火算法击和非完全Beta函数，提出了一种自适应红外图像对比度增强方法。首先基于输入红外图像的灰度直方圈给出一种有效的判据。对输入红外图像先利用所提出的判据判断图像的对比度类型．然后利用这个判据来确定灰度变换参数的搜索空间，进一步指导模拟退火算法的搜索方向和初值的选取，利用模拟退火算法在上述确定的灰度变换参数空间中搜索最佳的灰度变换参数，从而获得一条最佳的灰度变换曲线，实现对图像进行全局增强处理。实验结果表明，该算法在有效地提高红外图像整体对比度的同时，很好地保留了图像中的细节部分信息。算法在视觉质量上优于传统的直方图均衡法、反锐化掩膜法。     

频域内分位数的蒙古族家具纹样增强算法

为了使灰度图像的细节更加突出、可视性增强,提出一种基于离散余弦变换与分位数算法结合的图像增强方法。通过离散余弦变换提取出图像的低频分量,图像高频分量保持不变。对低频分量进行分位数的细分,使参与增强过程低频分量的增强级别具有选择性,再分别对这些子直方图进行直方图均衡化,使图像对比度增强。将处理后的低频分量与未处理的高频分量进行逆变换,得到增强后的图像。选取蒙古族家具纹样,与传统的自适应直方图均衡化算法及方向自适应插值算法相比较,提出的方法在蒙古族纹样增强方面具有更好的视觉效果,其评价指标也有显著提高。     

Image Contrast Enhancement by Constrained Local Histogram Equalization

Histogram equalization is a widely used image contrast enhancement method. While global histogram equalization enhances the contrast of the whole image, local histogram equalization can enhance many image details by taking different transformation of the same gray level at different places in the original image. However, the local histogram equalization process often results in unacceptable modification of the original image appearance. In this paper, a constrained local histogram equalization method is proposed to balance the conflicting requirements: enhancement of the image details and the maintenance of the overall image appearance. Our method uses the variational form of histogram equalization so that a constraint condition, which forces the local gray level transformations to change continuously in the spatial domain, can be introduced into the equalization process. Experimental results of different kinds of images show the effect of our method.     

一种广义直方图及其在彩色图像增强中的应用

提出了一种广义直方图的构造方法并将其用于彩色图像均衡化增强。针对传统直方图均衡化方法实现彩色图像增强并不具有普适性的不足,将传统灰度图像直方图定义进行修改并得到一种广义灰度图像直方图,将其用于彩色图像在HSV空间实现均衡化增强。实验结果表明,所建议的广义直方图均衡化彩色图像增强方法是有效的,且比传统直方图均衡化方法能取得更好的增强效果。     

一种自适应多阈值直方图均衡方法

传统的直方图均衡方法不能很好地增强图像的局部细节。针对该问题,在多通道分块直方图均衡方法的基础上,提出一种自适应多阈值直方图均衡方法,根据图像的具体内容自适应地确定通道的数目及分割阈值。实验结果证明,该方法能增强图像的整体和局部细节,有效降噪,耗时较少。     

Gaussian mixture modeling of histograms for contrast enhancement

The current major theme in contrast enhancement is to partition the input histogram into multiple sub-histograms before final equalization of each sub-histogram is performed. This paper presents a novel contrast enhancement method based on Gaussian mixture modeling of image histograms, which provides a sound theoretical underpinning of the partitioning process. Our method comprises five major steps. First, the number of Gaussian functions to be used in the model is determined using a cost function of input histogram partitioning. Then the parameters of a Gaussian mixture model are estimated to find the best fit to the input histogram under a threshold. A binary search strategy is then applied to find the intersection points between the Gaussian functions. The intersection points thus found are used to partition the input histogram into a new set of sub-histograms, on which the classical histogram equalization (HE) is performed. Finally, a brightness preservation operation is performed to adjust the histogram produced in the previous step into a final one. Based on three representative test images, the experimental results demonstrate the contrast enhancement advantage of the proposed method when compared to twelve state-of-the-art methods in the literature.