基于窗口无关均值滤波的MSR图像增强

为解决多尺度Retinex方法在运算中要多次运用高斯卷积,尤其是采用大尺度高斯核进行卷积获取图像低频信息时,运算速度将大大下降这一问题,根据大尺度高斯卷积模板具有均值模板的特性,利用量化的均值滤波近似大尺度高斯卷积,将卷积模板简化成均值模板,并提出一种与滤波窗口无关的快速均值算法.该方法引入了一个数组s用于存储窗口横向移动时每一列的数值,从而减少重复计算,大大提高滤波速度.以640×640大小的彩色图像为例,其处理速度仅为0.0867s,相比原始的MSR算法速度提高了732倍.试验分析表明,该方法即保证实现良好的图像增强效果,同时极大的提高了运算效率.     

一种改进的模糊变换静脉图像增强方法

一种新的结合模糊变换和retinex理论静脉图像增强方法,可以解决近红外静脉图像所存在的低对比度,动态范围狭窄和强度分布不均匀等问题.最优模糊变换用于加强全局对比度,引入的Retinex方法可以增强图像细节信息,弥补最优模糊变换的细节缺失.由于图像从空间域向模糊域转换时使用单参数优化隶属函数,处理的图像不具有最佳性,文中提出一种双参数优化隶属函数,同时提出一种自适应的控制参数选择方法.实验结果表明,该方法可以有效提高静脉图像与背景的对比度,与其他方法的实验结果相比较,可以看出该办法具有更好的图像增强性能.     

基于序列图像的空中目标跟踪方法

文中提出一种有效的运动跟踪检测算法对空中运动目标进行快速、准确的检测和跟踪,首先利用对称图像差分梯度法进行运动目标检测,该方法能很好地检测出移动背景中低信噪比的运动目标;然后通过改进的活动轮廓模型在视频图像序列中进行跟踪,实验结果表明,使用该方法可以得到有效的目标轮廓,从而获得准确跟踪效果.     

基于最优模糊变换和Retinex理论的静脉图像增强方法

一种新的结合模糊变换和retinex理论静脉图像增强方法,可以解决近红外静脉图像所存在的低对比度,动态范围狭窄和强度分布不对称问题。最优模糊变换用于加强全局对比度,引入的Retinex方法可以增强图像细节信息,弥补最优模糊变换的细节缺失。由于图像从空间域向模糊域转换时使用一个参数优化隶属函数,处理的图像不具有最佳性,文中提出一种双参数的隶属函数的优化方法,同时提出一种自适应的选择控制参数方法。实验结果表明,该方法可以有效提高静脉图像与背景的对比度,与其他方法的实验结果相比较,可以看出该办法具有更好的图像增强性能。     

高效均值滤波算法*

为了提高现有均值滤波算法的速度,减少冗余操作,提出了一种高效的均值滤波算法。首先建立一个辅助数组,结合滤波窗口在按行滑动时相邻窗口之间的递归关系和按列移动时相邻两行对应的辅助数组之间的递归关系,设计出更新辅助数组元素和新窗口中心点对应均值的递归式,根据这两个递归式,设计出了高效的均值滤波算法。理论分析表明该算法极大地减少了冗余操作,且算法效率不受窗口大小变化的影响。实验结果证明,在滤波效果一致的前提下,本算法比现有快速均值滤波算法更高效。