一种高通量dPCR荧光图像自适应增强算法

目的 为了改善荧光图像背景光照不均匀和对比度低的问题,提出一种荧光图像自适应亮度校正和低对比度增强算法。方法 根据光照成像原理,利用引导滤波提取出荧光图像的光照分量,通过改进的二维Gamma函数动态校正背景光照,利用Top-hat变换分离出校正后的前景和背景,对前景进行自适应直方图均衡化,以实现荧光图像自适应增强的目的。结果 对比传统算法,文中算法处理后的图像背景光照均匀,对比度增强效果明显,其中标准差平均提高了9.4倍,平均梯度平均提高了1.2倍,信息熵平均提高了0.2倍。结论 文中算法可以改善高通量dPCR荧光图像背景光照不均匀性,提高图像对比度,突出图像中隐藏的细节,对其他荧光图像处理也具有参考价值。     

基于SVM的高通量dPCR基因芯片荧光图像分类研究

目的 为了实现高通量dPCR基因芯片荧光图像的亮点分类与计数,提出一种基于支持向量机（SVM）的荧光图像分类与计数方法。方法 首先对荧光图像进行去噪、对比度增强等图像预处理,对预处理后荧光图像进行亮点区域提取标注,去除背景与暗点的冗余信息,利用方向梯度直方图（Histogram of Oriented Gradient, HOG）提取鉴别特征,计算合并所有样本的亮点特征得到HOG特征向量,根据已得到的HOG特征向量创建一个线性SVM分类器,利用训练好的SVM分类器对荧光图像亮点进行分类与计数。结果 对比传统算法,文中算法具有较高的分类识别精度,平均准确率高达98%以上,可以很好地实现荧光图像亮点分类与计数。结论 在有限的小样本标注数据下,文中算法具有良好的分类性能,能够有效识别荧光图像中的亮点,对其他荧光图像分类研究也具有一定参考价值。     

基于直方图统计特征的虹膜粗分类

为改善大规模虹膜数据库中虹膜匹配算法的性能,本文提出了一种基于灰度统计特征的虹膜类型识别算法.该算法首先将虹膜纹理区域划分为8个子块,然后利用直方图比率提取虹膜类型的直方图统计特征.最后,根据对应子块特征的相似度将虹膜图像识别为五种类型.所提算法在CASIA虹膜库中挑选的500幅虹膜图像样本上进行了测试.仿真实验结果表...     

关于数字图像处理中直方图均衡化的探讨

直方图均衡化就是把一已知灰度概率分布的图像经过一种变换,使之演变成一幅具有均匀灰度概率分布的新图像。它是以累积分布函数变换法为基础的直方图修正法。分析和总结灰度直方图的均衡化算法并通过MATLAB实验验证该方法能有效达到图像增强的目的。     

改进的Shearlet变换耦合频率特征的图像融合算法

目的解决当前图像融合算法大都直接在图像的像素灰度空间上进行融合,导致融合图像存在视觉效果差及算法鲁棒性不强等问题。方法文中提出改进的Shearlet变换耦合频率特征的多聚焦图像融合算法。将Shearlet变换(ST)和非下采样小波变换(NSWT)进行融合,形成改进的Shearlet变换(ST-NSWT)对源图像分解,获取图像的低、高频子带系数;构建区域能量模型,对源图像之间的低频子带系数进行相关性度量,完成低频子带的融合;对高频子带的频率特征进行分析,建立方差模型、平均梯度模型、空间频率模型,分别对源图像的灰度相关性、清晰度相关性及活跃度相关性进行测量,完成高频子带的融合,最后通过ST-NSWT逆变换,输出融合图像。结果与当前多聚焦图像融合算法相比,文中算法融合的图像能较好地保留更多的细节及边缘信息,使融合图像具备更佳的视觉效果。结论所提算法具有更好的融合质量,可用于遥感探测与包装印刷检测等领域。     

基于统计纹理的柑橘糖度与有效酸度检测

用柑橘图像的纹理统计量无损检测柑橘的糖度和有效酸度.对柑橘图像蓝色分量设置阈值,去除图像背景,修正去背景后柑橘图像灰度直方图,提取灰度图像柑橘区域熵、三阶矩、均值和标准差4个纹理统计量,建立温州蜜柑糖度和有效酸度偏最小二乘预测模型.30个样本试验结果表明:±1°Brix范围内糖度判断正确率为76.67%;±0.5 pH及±0.25 pH范围内有效酸度判断正确率分别为100%和80%.比较2个预测模型中纹理统计量间权值的大小发现:熵的权重最大.这说明:柑橘果皮纹理与柑橘的糖度及有效酸度间存在对应关系,且这种对应关系中熵是关键指标.     

顺序形态变换的图像增强算法

根据顺序形态变换的相关概念和性质,提出了一种新的图像增强算法。该算法通过对图像做局部加权均值滤波,得到图像增强的基值分量;采用多方位结构元素与图像边缘匹配,计算图像关于各个方位结构元素的加权均值并选取其中的最大值来确定边缘;将此最大值与基值分量之差作为增强分量来扩大图像灰度梯度的动态范围;针对图像中的高灰度区和灰度剧变区,应用图像局部均值和方差自适应调节增强系数。因此,算法在抑制图像中的高频噪声的同时,能有效提升图像中的边缘和目标。实验结果表明,增强前后图像标准差由41.1515,36.9133提高到62.0535,52.8331;图像熵由15.8463,16.8998减少到15.8156,16.8324。     

DNA遗传算法的改进二维最大熵图像分割

传统的二维最大熵图像分割算法在求解阈值时将二维直方图的噪声和边缘区域近似为零,降低了分割精度。针对这一问题,本文提出了一种基于DNA遗传算法的改进二维最大熵快速图像分割算法。利用梯度-均值灰度直方图得到有用区域,并以改进的二维最大熵作为优化函数,采用DNA计算遗传算法得到二维最优阈值。实验表明该算法对图像分割去噪能力强,分割效果好,以及快速有效处理能力。     

一种基于视觉感兴趣区域的彩色图像增强方法

目的把视觉感兴趣区域概念引入直方图的建造中,提出了一种新的基于视觉感兴趣区域的图像增强方法,使增强效果更符合人眼视觉感知。方法首先在标准观测环境下利用先进的眼动仪设备获得人眼感兴趣区域,然后计算各子区域的平均显著值,以确定各个子区域的权重系数,最后采取类似直方图均衡化的思想,优化配比灰度级的动态范围。结果通过主客观实验结果表明,增强后的图像更符合人眼视觉感知。结论结合了视觉感知特性的直方图增强方法,弥补了传统直方图与人眼视觉感知不一致的弊端,其增强效果更佳。     

一种声图像局部自适应增强方法

声图像具有分辨率较低、混响干扰强、物体区域面积小、边界轮廓模糊不清等特点，因此采用全局的增强算法不能取得满意的结果。根据声图像特点，定义了局部增强函数，以边缘数目、边缘强度和熵定义了评价函数，通过采用PSO算法对增强函数中的参数进行了优化选取。最后与已实现的迭代自适应增强算法和直方图均衡化算法进行了对比分析，结果表明，该算法在保持了原图的灰度级的基础上，不但明显改善图像视觉效果，而且有效地增强和保留图像细节，改善图像质量，利于后续图像检测，是一种适合于声图像的增强方法。     

基于多尺度Retinex算法的彩色雾霾图像增强研究

介绍了基于颜色恒常性理论的Retinex模型,并重点分析了色彩恢复多尺度Retinex(MSRCR)算法的原理和实现方法。为验证基于Retinex理论的算法对图像增强具有良好的效果,以雾霾天气采集到的3幅彩色道路监控图像为实验对象,在MATLAB7.0软件中,利用MSRCR算法、直方图均衡化2种图像增强方法,对实验图像进行去雾霾处理,并通过主观评价、图像信息熵、亮度通道直方图来比较和分析2种算法的图像增强效果。研究结果表明:采用MSRCR算法可以还原出细节更丰富、辨析度更高的画面,且处理后的图像具有更大的信息熵,图像色彩也更接近原始图像。     

一种小波域的图像增强算法

微弱图像具有对比度低、噪声高、质量差等特点,一定程度上影响了图像的观察和使用。因此,提出一种小波域的图像增强算法,通过对微弱图像多尺度、多分辨率的小波变换分离各维度小波系数,对低频小波系数进行直方图均衡化,高频小波系数进行Canny算法提取边缘,最后将处理后的各维度小波系数进行图像重构以实现图像增强。并选取了3幅微弱图像,将其经所提出的算法及几种传统经典图像增强算法增强后的图像进行实验仿真对比。仿真结果表明,在主观评价上,所提算法增强后的图像的细节更加丰富,视觉感受更加平滑自然;客观评价指标中信息熵的值也都是最大的,分别是4.989 3,3.741 5,4.796 1,信息丰富度最高;而峰值信噪比和图像质量测量函数的数据表明所提算法增强图像的强度适中,整体性较好。可见,所提出的针对微弱图像的增强算法能够在视觉效果上和图像信息上进行有效的图像增强。     

自适应红外图像直方图均衡增强算法

针对红外图像的特点,本文提出了一种自适应红外图像直方图均衡增强算法.该方法根据原始图像的直方图,自适应地构造出一个加权函数对原始图像的直方图进行加权处理,然后采用加权后的直方图对原始图像进行直方图均衡化.算法不需要人为指定阈值,而且克服了传统直方图均衡提升红外图像背景的缺点.实验结果表明,该算法对红外图像具有较好的增强效果,能够有效地抑制图像的背景,突出目标.     

一种基于Directionlet变换的图像融合算法

为了提高图像融合效果,提出了一种基于Directionlet变换的图像融合算法.首先对已配准的待融合源图像由给定的生成矩阵分别进行陪集分解,得到每个陪集对应的子图;接着将每两个子图相减,得到源图像的高频和低频分量,其中边缘、纹理等奇异特征包含在高频分量中;然后对低频分量采用直接平均融合的方法进行系数选择,对高频分量选择子区域边缘信息较强的系数;最后,通过Directionlet陪集分解的反变换,得到融合后的图像.多聚焦图像融合实验表明,在主观视觉上,该算法明显更好地融合了边缘等图像特征,从而较好地保持了左右聚焦图像各自的细节信息;在客观评价上,通过熵、平均梯度、标准差和互信息量等性能参数比较,该方法也优于小波变换和其他的融合方法.     

Brightness preserving bi‐level fuzzy histogram equalization for MRI brain image contrast enhancement

In this article, brightness preserving bi‐level fuzzy histogram equalization (BPFHE) is proposed for the contrast enhancement of MRI brain images. Histogram equalization (HE) is widely used for improving the contrast in digital images. As a result, such image creates side‐effects such as washed‐out appearance and false contouring due to the significant change in brightness. In order to overcome these problems, mean brightness preserving HE based techniques have been proposed. Generally, these methods partition the histogram of the original image into sub histograms and then independently equalize each sub‐histogram. The BPFHE consists of two stages. First, fuzzy histogram is computed based on fuzzy set theory to handle the inexactness of gray level values in a better way compared to classical crisp histograms. In the second stage, the fuzzy histogram is divided into two sub‐histograms based on the mean intensities of the multi‐peaks in the original image and then equalizes them independently to preserve image brightness. The quantitative and subjective enhancement of proposed BPBFHE algorithm is evaluated using two well known parameters like entropy or average information contents (AIC) and Feature Similarity Index Matrix (FSIM) for different gray scale images. The proposed method have been tested using several images and gives better visual quality as compared to the conventional methods. The simulation results show that the proposed method has better performance than the existing methods, and preserve the original brightness quite well, so that it is possible to be utilized in medical image diagnosis.     

模拟频域滤波重构直方图均衡的图像增强方法

针对传统图像增强方法的不足,提出一种基于模拟频域滤波重构直方图均衡的图像增强方法.将频率域滤波的思想引入空间域直方图运算当中,在模拟频率直方图统计中进行频率信息的统计,利用这些频率信息建立模拟频率域坐标,进行模拟频域滤波,对滤波处理后的直方图进行均衡化处理.实验表明:与传统方法相比,该算法优化了灰度级的动态分布范围,能得到更清晰的增强效果,且在图像中没有视觉明显的噪声放大.     

基于Retinex的弱可见光和红外图像融合算法

目的 针对目前弱可见光与红外图像融合后的图像仍存在细节大量丢失、目标模糊不清的问题,提出一种基于Retinex对弱可见光图像进行增强预处理后,再基于NSST和SWT变换进行图像融合的算法。方法 首先用SSR对弱可见光图像进行增强处理,增强后的可见光和红外图像进行NSST分解得到第1次的高低频系数,高频系数采用基于局部能量特征的方法进行融合;低频系数经过SWT分解得到第2次高低频系数,第2次的高频系数采用同样的方法融合,低频系数采用线性加权方法融合,然后将第2次高低频的融合结果经过SWT逆变换得到新的低频系数。最后把第1次高频系数融合结果和新的低频系数进行NSST逆变换得到融合图像。结果 通过仿真实验,将文中算法与NSST,NSCT以及文献[5]算法进行对比,结果表明主观视觉上融合图像细节更加清晰,客观评价上,平均梯度、空间频率（SF）、标准差、信息熵、边缘信息保留量等指标分别提高了35.63%,26.73%,16.89%,7.2%,4.6%。结论 文中算法对图像融合有较好的改善作用,融合图像的可视性和图像质量都得到显著提高。     

Contrast limited fuzzy adaptive histogram equalization for enhancement of brain images

Contrast limited fuzzy adaptive histogram equalization (CLFAHE) is proposed to improve the contrast of MRI Brain images. The proposed method consists of three stages. First, the gray level intensities are transformed into membership plane and membership plane is modified with Contrast intensification operator. In the second stage, the contrast limited adaptive histogram equalization is applied to the modified membership plane to prevent excessive enhancement in contrast by preserving the original brightness. Finally, membership plane is mapped back to the gray level intensities. The performance of proposed method is evaluated and compared with the existing methods in terms of qualitative measures such as entropy, PSNR, AMBE, and FSIM. The proposed method provides enhanced results by giving better contrast enhancement and preserving the local information of the original image. © 2017 Wiley Periodicals, Inc. Int J Imaging Syst Technol, 27, 98–103, 2017