基于局部对比度保持的色阶重建算法

为了解决现有色阶重建算法存在的明暗对比欠佳以及细节弱化问题,提出一种基于局部对比度保持的色阶重建算法.首先利用二阶范数构建聚类准则,通过动态规划对聚类准则进行最优化,实现全局色阶重建;然后通过局部边缘保持滤波对局部对比度进行估计,根据局部对比度一致性构建线性方程组,方程组的解是保证局部细节特征的重建图像.在TMQI数据库上的实验结果表明,所提算法对应的主观打分均值达到0.898,色阶映射图像质量测度达到0.896,局部均值韦伯对比度达到1.645,均高于现有的色阶重建算法;该算法可以有效地保证重建图像整体明暗效果,重建图像的局部细节较为丰富.     

有效消除光晕现象和颜色保持的彩色图像增强算法

由于对图像中明暗突变区域的背景光照估计不准确,经典Retinex彩色图像增强算法易产生光晕现象且存在增强后图像细节信息减弱和颜色失真等不足.为此,结合人眼视觉特性提出一种彩色图像增强算法.首先利用人眼对图像结构特征及颜色信息的敏感特性,通过构造彩色双边滤波器来获取图像背景光照,以避免光照突变处产生光晕现象;其次依据人眼系统局部自适应调节特性,通过引入一个对比度调节函数自适应增强图像的细节信息,克服经典Retinex算法在整体对比度提高的同时局部对比度下降的不足;最后利用一种线性的颜色恢复算法恢复增强所得亮度图像的颜色信息.与MSRCR等彩色图像增强算法比较的实验结果表明,文中算法更有效,增强后的图像不仅细节清晰,而且色彩鲜艳、自然.     

数字图像的Caputo分数阶微分增强

为了提高图像的对比度,提出一种基于Caputo定义的分数阶对比度增强算法.首先给出分数阶Caputo定义的分数阶方向微分和数值计算方法,并推导了8个方向的分数阶微分模板;用8个方向的微分均值替换该点原像素值,得到增强后的图像;最后证明了二阶Laplacian算子是文中方法的一个特例.实验结果表明,该方法能明显地改善图像的对比度,突出图像的细节信息,增强后的图像具有较好的视觉效果.     

直方图重建图像细节增强算法

针对传统大动态范围图像数据压缩方法易受场景变化影响,量化后的8位显示图像整体模糊、图像细节和弱小目标丢失问题,提出了一种基于直方图重建图像细节增强算法。对图像直方图统计值进行重新赋值,保留图像中出现的细节部分,并缩小相邻灰度级间间隔;采用二维Gabor滤波器来模拟视觉感知系统,将Gabor滤波器与图像进行卷积运算,得到滤波后的平滑图像;采用局部对比度增强方法来增强图像细节部分,并将增强后的中间结果线性映射为8位显示图像。实验结果表明,与其他大动态范围数据压缩方法相比,该算法量化后图像清晰度高,无图像细节和目标丢失现象。     

自适应分数阶微分的复合双边滤波算法

分数阶微分的图像滤波和增强方法多数通过尝试不同的分数阶得到结果,并以固定分数阶进行纹理细节提取,这种方法对于复杂环境难以鲁棒的增强整幅图像中的纹理细节。为此,我们提出了一种自适应的分数阶微分的复合双边滤波方法。通过分析纹理特性,建立幅值频率非线性联合指数模型自适应选择分数阶微分阶数检测图像纹理细节,有效克服图像中纹理细节的变化;在双边滤波的框架下,引入自适应分数阶微分构建的引导图像,借助细节转移方法,确保在图像去噪的同时保持/增强纹理图像细节。实验结果表明,自适应分数阶微分的复合双边滤波算法在图像滤波、去雾、细节增强等计算机视觉应用方面具有良好的效果。     

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。     

一种基于视觉特性的彩色图像增强算法

为了增强图像暗区域部分,基于人类视觉系统的全局和局部自适应调节原理,提出一种彩色图像增强方法。该方法主要包括全局自适应亮度调节、局部对比度增强和颜色恢复3个部分。全局亮度调节采用直方图非线性自适应拉伸来增强暗区域的亮度;局部对比度增强利用当前点与区域像素之间的关系,调节当前点的亮度,以增强图像局部对比度;通过一种自适应的非线性颜色恢复算法恢复图像色彩。通过大量图像对比实验分析表明,本文方法可以自适应有效快速地实现图像增强。     

基于对比度增强的彩色图像边缘检测算法

在分析彩色图像边缘的灰度化和漏检问题的基础上,设计了分解基于分量相关的颜色模型的彩色图像得到的颜色分量进行颜色对比度增强的算法。提出了以该算法为基础的彩色图像边缘检测的改进方法,即对增强后的各分量应用梯度算子检测其分量边缘,最后合成为彩色图像边缘。实验结果表明,文中提出的改进方法,能够检测出图像的彩色边缘,具有检测出的图像边缘细节较完整的优点;又由于该方法是基于像素点处理的检测方法,故不必进行颜色模型的转换,具有方法简单、算法复杂度低的优点。     

基于自适应邻域对比度增强的直方图均衡算法

图像增强技术可分为局部增强和整体增强两种.在分析文字图像褪化因素及特点的基础上,提出一种基于自适应邻域对比度增强的直方图均衡法,它不仅能在增大整幅文字图像动态范围的同时增强局部对比度,去除扩散,而且能抑制一定的背景噪声.在此基础上,用灰度拉伸技术进一步加大文字图像的对比度,去除背景噪声,改善了褪化文字的视觉效果.     

基于图像增强的灰度插值算法

针对传统彩色滤波阵列（Color Filter Array,CFA）插值算法在图像识别前一般需要对彩色图像预处理,其中包括把插值后的彩色图像转化为灰度图像、平滑内部和锐化边缘,过程较为繁琐的问题,提出一种新的基于图像增强的灰度插值算法,即在插值过程中锐化图像的边缘并平滑内部,插值结果直接是一幅灰度图像并且保证图像的几何特性不变．实验结果表明此算法的有效性．     

基于Gabor滤波器的指纹图像增强算法

介绍了一种基于Gabor滤波器的指纹图像增强算法,该方法对传统的Gabor滤波器的参数和大小进行了优化。实验表明这种算法具有很好的处理效果。     

基于BEMD和自适应滤波的医学图像增强

针对医学图像存在低对比度和质量差的主要问题,本文提出了一种基于BEMD和自适应滤波的医学图像增强新算法。首先,对医学图像进行BEMD分解,然后用自适应滤波对频率域进行去噪,再使用不同的加权值提高子带图像的高频系数,最后对图像进行重构得到增强图像。实验表明,该方法不仅提高了图像的细节信息,而且有效地保留了图像的边缘特征。     

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。     

基于边缘检测的Retinex图像增强算法

针对消除背景光照对图像的影响时出现的细节弱化、色彩失真的问题,提出了一种基于边缘检测的Retinex彩色图像增强算法。根据人类视觉特性从图像中提取亮度分量并检测边缘信息,在平滑点和边缘点处采用不同的模板估计背景光照,以避免强边缘处的光晕现象;通过调整图像中的背景光照比例提升局部对比度,并根据反射图像直方图自适应调整全局对比度;利用R、G、B通道及亮度分量的等价变换进行色彩恢复,以保证增强前后图像色调一致。实验结果表明,增强后的图像标准差提升了19.34%,信息熵增大了13.18%。     

一种新的彩色图像增强方法

根据人眼视觉感知色彩的特性,提出了在HIS色彩空间上的一种基于脉冲耦合神经网络的彩色图像增强算法。该算法能够在平滑图像、突出图像边缘的同时,通过对亮度强度分量的非线性对数拉伸和对饱和度分量的非线性指数调整,改善了图像的视觉效果和图像色彩的真实效果。     

基于侧抑制原理的局部分数阶微分图像增强

针对目前分数阶微分在图像增强应用中没有充分根据图像区域特征体现侧抑制的方向性,提出从图像灰度变化的8个方向出发,即x轴的正负方向,y轴的正负方向,主对角线的正负方向,次对角线的正负方向,检测出灰度变化的主要方向,然后根据检测结果设计不同的非对称的分数阶滤波器对图像进行滤波.这样结合了图像本身的特征信息,能够达到更好的图像增强效果.仿真实验结果表明,改进后的分数阶微分滤波器对增强图像纹理细节具有很好的效果.     

基于模拟技术的图像增强方法

量化过程大量减少了图像中低对比度信息,也会造成超出量化量程的图像信息完全丢失。本文针对不能采用数字算法对以上图像进行有效增强的问题,提出使用模拟技术进行图像增强的方法。该方法实现了模拟信息定位、提取、放大,从而正确添加原始信息,提高图像分辨精度。其分辨能力远高于采用高分辨模数变换芯片所能达到的精度,最终实现了数字方法无法获取的图像增强效果。     

DCT域彩色图像增强技术研究

为了减少图像的存储量,提高图像的传输效率,大量的图像被压缩,因此基于压缩域图像的增强技术越来越引起人们的重视。介绍了DCT域彩色图像增强技术的各种算法,其问题是会在图像块的交界处产生块状效应。着重分析了CES算法产生块状效应的原因,提出了两种改进方法来抑制块状效应。仿真结果表明,改进的算法不仅能够很好地抑制块状效应,而且降低了计算的复杂度。