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。     

基于FDCT的低对比度指纹图像增强算法

针对传统方法在增强低对比度指纹图像时,效果不佳的状况,研究了一种利用快速曲波变换增强低对比度指纹图像的方法。图像经曲波分解后,对于低频分量引入基于SMQT的非线性函数调整低频子带系数,以提高指纹图像的对比度;对于高频分量使用阈值去噪增强图像细节。实验表明,该方法优于直方图均衡化方法和基于小波变换的增强方法。该算法在增强低对比度指纹图像的同时降低了噪声。增强后的图像取得了较为理想的视觉效果。     

磁共振图像对比度增强算法的仿真研究

研究磁共振图像对比度增强的问题。常用的磁共振图像增强算法在增强对比度的同时引起图像噪声过放大。为提高图像局部区域的清晰度和解决图像噪声过放大的问题,提出一种利用Contourlet变换的非线性图像对比度增强算法。首先利用Contourlet分解图像,得到子带图像;然后通过一种新的非线性增强算子改变变换域各子带的系数,有效地对图像强弱边缘进行不同程度的增强,最后通过Contourlet逆变换得到增强图像,能够在增强磁共振图像微小细节的同时避免噪声增大。仿真结果表明,方法适用于磁共振图像局部区域对比度增强,可改善图像视觉效果,有利于医生分析和诊断病情。     

基于第二代Curvelet变换的低对比度图像增强

针对传统图像增强方法用于低对比度图像时,存在对噪声敏感、局部过增强等问题,提出了一种基于第二代 Curvelet 变换的增强方法。将图像进行多尺度多方向的 Curvelet 变换;引入分段非线性函数的思想,调整低频子带系数,提高图像整体的对比度;对各尺度的高频子带系数进行非线性加权,增强图像细节,并进行阈值降噪。实验表明,该方法优于常用的空间域直方图均衡化和小波域图像增强法,能有效地提高图像的对比度、降低噪声,并且较好地保留边缘信息,具有良好的视觉效果。     

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。     

基于小波对比度的图像增强算法

根据人眼视觉对局部对比度敏感的视觉特性,提出一种基于小波对比度的图像增强算法.首先,对图像进行小波变换,同时得到小波对比度;然后,根据小波对比度,采用非线性运算对小波系数进行调整以增强图像细节.最后,进行小波逆变换得到增强图像.实验结果表明,算法有效地突出图像细节,改善图像质量.     

一种基于à trous算法的遥感图像模糊集增强算法

针对遥感图像在处理过程中噪声放大引起的对比度差,边缘细节模糊和目标与背景区分不明显等问题,提出一种结合àtrous算法和改进的模糊对比度增强的遥感图像增强算法。该算法一方面利用直方图均衡,提高图像整体对比度;另一方面根据图像在二进小波域表达的冗余性,不会在图像预处理时平滑掉某些重要信息。其平移不变性避免了传统图像增强算法中产生的伪吉布斯现象,有效避免由于非线性变换引起的视觉形变。模糊对比度增强了图像的纹理和边缘信息,从局部增大图像对比度。与当前一些典型的增强方法相比,实验结果表明所提算法的几种客观评价指标明显优于其他算法,能有效提升图像的对比度,抑制伪吉布斯现象,而且图像视觉效果也有明显改善。     

人眼视觉感知驱动的梯度域低照度图像对比度增强

针对传统的对比度增强方法在对低照度图像进行处理时不能同时顾及压缩动态范围、调整亮度以及增强或保持细节等问题,提出一种基于人眼视觉感知特性的、从全局亮度映射到局部细节补偿的低照度图像对比度增强方法.首先通过非线性全局亮度映射模型压缩图像的动态范围,提高图像的整体亮度水平;然后结合人眼视觉系统的亮度掩蔽特性和超阈值对比度感知特性,非线性地调整图像的局部梯度场增强和恢复图像的局部细节;最后在目标梯度场上通过快速求解泊松方程获取增强后的图像.实验结果表明,该方法能够有效地增强低照度图像的全局和局部对比度,提升了低照度图像的视见度.     

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。