HSI空间亮度信息的多尺度Retinex图像增强研究

彩色图像增强可以提高图像的亮度,增强图像的对比度和细节,同时使得图像颜色更加逼真自然,并且较少失真,在遥感、医学、刑侦、电视与多媒体等许多方面具有良好的应用前景和重要的理论研究意义。提出基于HSI空间亮度信息的多尺度Retinex图像增强算法（HSI_MSR）,算法通过对HSI颜色空间模型的分析,通过增强HSI模型中I分量,将HSI模型转换到RGB模型,得到增强后的彩色图像。通过仿真实验可知HSI_MSR算法可以较好地提高图像的视觉特性,亮度适合人眼观察,细节较为丰富,使得图像颜色更加逼真自然。     

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.     

一种基于视觉特性的仿生图像增强算法

常见的基于人类视觉特性的图像增强算法由于是同时完成动态范围压缩和对比度增强,导致增强图像的整体对比度不高、边缘部分效果不佳.通过分析人类视觉系统的全局和局部自适应调节原理及人眼视网膜神经节细胞感受野的传输特性,提出一种仿生图像增强算法.为适应人类视觉系统对光强的主观感觉特性,对图像作全局亮度对数变换;并利用人眼的主观亮度感觉与实际光强的对数呈局部线性关系的特性,采用视网膜神经元感受野三高斯模型来调整亮度图像的局部对比度;最后利用线性变换恢复图像的彩色信息.实验结果表明,该算法的增强效果良好,特别是对于图像边界处,既能很好地增强边缘对比,又可有效地提升区域亮度对比和亮度梯度信息.     

基于双树复小波变换的图像增强方法

在图像增强处理中,传统的图像增强方法例如直方图均衡、小波系数增强等等,虽然取得了较好的图像增强效果,但在增强图像的同时也将噪声放大了.本文针对这一问题,提出了一种基于二维双树复小波变换的图像增强方法,因其具有良好的多方向性信息捕捉能力,克服了传统二维小波变换缺乏方向性的缺点.增强算法将系数分为强边缘、弱边缘和噪声点三类...     

基于matlab的图像增强技术的研究

本文采用灰度变换、直方图均衡化及retinex算法对模糊图像进行清晰化处理,利用matlab算法实现并对比,最后对图像处理效果进行评价,得出最佳图像增强方案。     

基于小波变换的低对比度图像增强方法

传统的图像增强方法对于光照不足或不均匀的图像处理效果不佳.而且还存在噪声增强的问题.文章提出了一种基于小波变换的低对比度图像增强算法,对小波变换后的高频系数进行去噪、增强,对低频系数进行多尺度Retinex增强,既作了图像动态范围压缩,又较好地保证了图像的色感一致性.实验结果表明,该算法效果较好,可以有效增强图像的细节...     

模型显著域上的形状调控和处理

基于3维数字模型的显著性度量和显著域处理技术,提出一种模型显著域上的形状调控和处理方法。该方法首先基于曲面上采样顶点处局部投影高度的Gaussian加权平均双边滤波定义数字模型的表面显著性;然后利用定义在模型显著域上的形状调控函数——显著域低通形状调控函数、显著域高通形状调控函数和显著域增强形状调控函数,使模型的显著特征得到有效抑制、提升和增强,实现了针对模型表面显著特征的形状调控和处理。实验结果表明,该方法能够方便快速地实现3维数字模型的不同形状造型效果。     

高提升滤波在低对比度目标相关探测中的应用

光电混合联合变换器可实现对目标的实时探测、识别及自动定位。但低对比度目标的相关峰强度很弱,甚至得不到相关峰．影响了目标的识别率。利用高提升滤波处理技术和图像分割对功率谱进行增强处理,可以有效提高功率谱对比度,最大限度保留光谱图像的细节信息,提高光电联合相关系统的目标识别率。     

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。     

基于并行点火PCNN模型的图像分割新方法

提出一种并行点火脉冲耦合神经网络(Parallelized firing pulse coupled neural networks, PFPCNN)模型的图像分割方法. 首先用改进的Unit-linking PCNN (ULPCNN)模型对图像进行增强, 便于后续的图像分割. 然后采用PFPCNN新模型对增强后的图像进行分割, 最后用最大香农熵方法判定最佳分割结果. 各种复杂场景下的仿真实验及定量评价表明, 本文提出的图像分割方法, 其效果明显优于常规的PCNN分割方法.