基于压缩速度范围PSO的图像自适应增强

基于对惯性权重 和最大飞行速度 的分析,结合完全覆盖图像增强典型变换函数类型的非完全Beta算子,提出压缩速度范围改进粒子群算法(CV-PSO)的灰度图像自适应增强方法。用于基本图像和交通图像的增强,并与基本及其他改进PSO算法做性能比较。实验结果证实了CV-PSO算法的有效性和优越性,且在视觉效果上优于传统直方图均衡化法。     

一种模糊增强图像边缘提取算法

在分析Pal模糊边缘提取算法的基础上,为克服Pal算法图像增强区域单一、图像增强后造成低灰度信息损失且没有做抑噪处理的缺陷,提出一种新的基于模糊增强的图像边缘提取算法.新算法通过引入模糊熵,进行有目的选取不同灰度层次的阈值,同时增强图像中不同灰度层次的边缘信息,通过定义新的隶属函数和一种新的模糊增强算子,结合图像平滑滤波处理进行图像边缘提取,有效地克服了Pal算法速度慢且损失图像部分灰度信息的缺陷,取得了优于基于传统Pal算法进行图像边缘提取的效果.     

基于改进麻雀算法的图像自适应增强方法

针对非完全Beta函数在图像增强过程中需手动调整参数、算法效率较低的问题,本文提出了一种基于改进麻雀搜索算法(LKSSA)的图像自适应增强方法(LKSSA-Beta)。首先,采用Logtistic混沌映射优化麻雀搜索算法(SSA)初始种群;其次,使用鸟群算法飞行行为思想及柯西高斯扰动提高SSA寻优能力;然后,利用LKSSA优化Beta函数的参数,构建灰度变换曲线,达到图像增强效果;最后,将本文算法与基于PSO图像增强法、基于人工蜂群图像增强法及基于传统Beta函数图像增强法实验结果进行对比。对比结果表明,LKSSA将具有更优的灰度图像全局搜索能力,本文算法可以保留图像更多细节信息,使图像整体对比度明显提高。     

沥青路面裂缝图像增强与边缘提取算法研究

针对模糊图像增强算法存在运算速度慢以及丢失部分图像信息等问题,提出一种封闭性和移植性好的广义模糊增强算子.该算子结合梯度算子将图像增强处理集中在敏感区域,并构造四种结构元素求出敏感区域内的数学形态学梯度来提取图像边缘,实现一种图像增强与边缘提取算法.将新算法应用于沥青路面裂缝图像检测系统中,实验结果表明,该算法的图像增强和边缘提取效果优于现有的模糊图像增强算法和传统边缘提取算法.     

一种图像增强的自适应免疫遗传算法

图像增强处理中,Tubbs曾将几种常用的非线性变换函数表示成一个归一化的非完全Beta函数,进行图像增强方面的研究,但确定Beta函数的参数仍是一个复杂的问题.现将自适应免疫遗传算法应用到图像的增强处理中,利用自适应免疫遗传算法的快速搜索能力,对给定的测试图像,自适应地变异、搜索、直至最终确定变换函数的最佳参数α,β值,从而实现图像的自适应增强.与穷举法相比,大大节约了求解的时间和计算的复杂度,提供了一个解决图像增强方面问题的途径.现通过对自然图像的仿真实验可以看出上述方法的有效性.     

一种采用改进细菌觅食优化算法的图像增强方法

为了解决现有图像增强技术在细节处理方面的不足以及变换后图像直方图分布偏移的情况,提出一种采用改进细菌觅食优化算法的灰度图像增强方法。针对细菌觅食算法在优化高维函数时性能不佳、易陷入早熟收敛的缺陷,将变高维的灰度图像增强问题转化为固定2维的非完全Beta函数的参数最优化问题。仿真实验结果表明了所提出方法的有效性,与其他方法相比,增强后的图像细节表现更自然,直方图分布更均匀,明暗区域分配更合理。     

图像多级灰度非线性模糊增强算法研究

针对传统图像增强技术的缺陷,提出了多级灰度增强的概念,利用模糊算子,并通过定义隶属函数、饱和增强点和渡越点参数,给出了一种多级灰度增强的算法,该算法可根据要求对图像不同区域层次设计不同增强效果,使图像层次更加清晰。最后通过仿真实验,进一步证实了该算法的有效性。     

量子遗传算法在灰度图像中的应用

传统图像自适应增强算法存在着适应性较差,计算量大,人工干预变换参数不足等问题。Tubbs将图像增强处理中常用的非线性变换函数表示成一个归一化非完全Beta函数B(α,β),但确定Beta参数至今仍是一个复杂问题。本文主要介绍利用量子遗传算法对非线性变换参数α和β的自适应取值,实现灰度图像自适应增强,通过仿真实验验证了遗传算法增强图像的有效性。     

基于分数阶微分的图像增强

通过理论分析得出分数阶微分可以大幅提升信号高频成分,增强信号的中频成分、非线性保留信号的甚低频,据此得出分数阶微分应用于图像增强将使图像边缘明显突出、纹理更加清晰和图像平滑区域信息得以保留的增强图像;然后由经典的分数阶微分定义出发,推导出了分数阶差分方程,构建了近似的Tiansi微分算子.通过图像增强的实验表明:采用基于分数阶微分算子的图像增强方法,其增强图像的视觉效果明显优于传统的微分锐化(整数微分)方法.文中方法为拓展分数阶微分的应用领域进行了有意义的探索.     

基于模糊域的彩色图像增强

本文提出了一种新的基干模糊域的彩色图像增强方法。先把图像从RGB模型转换为HSV模型,引入了一个新的对比度增强算子——模糊对比度,采用高斯分布函数,在模糊域对V分量进行图像增强,然后再将图像转换回RGB模型。实验证明该方法对干彩色图像的增强能达到令人满意的效果。     

模糊集与非线性增益相结合的自适应图像增强算法*

提出了一种模糊集增强与非线性增益相结合的自适应图像增强算法,使用双正交小波变换对原始图像进行分解,低频子带系数采用改进的模糊集增强算法,以提升图像的整体对比度;对高频子带,先采用贝叶斯萎缩法估计噪声与信号的阈值,再使用一种非线性增益函数增强图像细节并抑制噪声。对算法中影响增强效果的关键参数进行了研究,并提出了一种模糊集增强算子的阈值选取算法,能够实现不同图像自适应参数选择;将信息熵作为非线性增益函数的参数选取准则,并针对算法中排序算法运算量过多导致算法时间过长的情况,提出了一种替代求解方法,极大地提高了算法效率。对算法进行仿真,结果表明：算法能够有效提升对比度、增强图像细节并抑制噪声,可以明显改善图像的视觉效果,具有参数自适应、算法效率高等优点。     

基于模拟退火算法的红外图像自适应对比度增强

基于模拟退火算法击和非完全Beta函数，提出了一种自适应红外图像对比度增强方法。首先基于输入红外图像的灰度直方圈给出一种有效的判据。对输入红外图像先利用所提出的判据判断图像的对比度类型．然后利用这个判据来确定灰度变换参数的搜索空间，进一步指导模拟退火算法的搜索方向和初值的选取，利用模拟退火算法在上述确定的灰度变换参数空间中搜索最佳的灰度变换参数，从而获得一条最佳的灰度变换曲线，实现对图像进行全局增强处理。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，很好地保留了图像中的细节部分信息。算法在视觉质量上优于传统的直方图均衡法、反锐化掩膜法。     

图象模糊涟缘检测的改进算法

图象在检测技术是图象处理中最重要的内容之一,且已在图象分析和识别领域中得到广泛的应用。针对图象边缘由模糊性引起的不确定性问题,提出了一种图象模糊边缘检测的改进算法,该算法是道德民确定一个阈值参数,然后根据此阈值参数来定义一个新的隶属函数,从而钭图象转化为等效的图象模糊特征平面,通过在模糊特征平面上进行增强运算,将其转换为空域图象,最后再进行边缘提取,同时还对具有多峰直方图分布图象的模糊边缘检测方法进行推广,仿真结果表明,该算法是有效的。     

基于自适应Riesz分数阶微分的雾天图像增强

为了提高雾天图像的清晰度,解决分数阶微分阶数取值的单一性问题,提出了一种新的自适应分数阶微分的图像增强方法。基于具有六阶精度的Riesz分数阶微分的近似计算公式,构造了一种新的高精度分数阶微分掩模——RH算子,并对其进行改进,形成了IRH算子。针对图像局部特征建立了分数阶微分函数,提出了一种分数阶微分选取准则,实现了阶数逐点自适应选取的方法。结合IRH算子,形成了自适应IRH图像增强算法。对于彩色图像,由于RGB空间各通道之间独立性低,对各通道增强后再叠加可能会出现颜色失真,因此将图像由RGB空间转化到HSV空间且只对亮度通道进行增强处理。选择一组雾天图像进行了实验,并与Tiansi算子,基于分割的自适应分数阶微分图像增强算法以及自适应分数阶微分的复合双边滤波算法进行了比较,实验结果表明所提算法具有明显的增强效果,并且通过计算信息熵和平均梯度进一步表明了该算法的有效性。     

基于微粒群算法的图像自适应增强算法的研究

提出了一种基于微粒群算法（PSO）的图像增强方法,把图像增强看作最优化问题。使用此方法可以自动地找出降质图像归一化的非完全β函数的最优参数值,对原始图像降质类型进行正确的推理。不论原始图像是哪种降质类型,使用提出的算法都能得到较好的增强。并且在评价算法的性能时,使用了一种新的目标函数。实例仿真证实了PSO在图像增强上的有效性和优越性。     

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.     

自适应越渡点的SAR图像模糊对比度增强算法

SAR图像存在动态范围小、对比度差和细节信息不清晰等质量问题,制约了SAR图像的信息获取能力。针对这一问题,提出自适应越渡点的SAR图像模糊对比度增强算法。该算法分析了经典模糊增强方法的局限性,利用SAR图像灰度直方图的分布特性来计算自适应越渡点和模糊对比度增强操作数,实现了SAR图像的自适应对比度增强处理。采用多组实测数据验证该算法,用客观指标评估了增强性能。     

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...     

Chest X-ray enhancement to interpret pneumonia malformation based on fuzzy soft set and Dempster–Shafer theory of evidence

Image enhancement algorithms are commonly used to increase the contrast and visual quality of low-dose x-ray images. This paper proposes an automated enhancement method using soft fuzzy sets with a new decision-making scheme based on Dempster-Shafer theory of evidence for the visual interpretation of pneumonia malformation in low-dose x-ray images, called as XEFSDS. The XEFSDS model first generates an original source x-ray image into a complementary image, then each original and complement image is applied to the characterized image object and background areas of fuzzy space. The S-function is utilized to define fuzzy soft sets for the classification of gray level ambiguity in both images, and hence a decision criterion via Dempster-Shafer approach and fuzzy interval has been adapted to discriminate uncertainties on the pixel intensity and the spatial information. Modified membership grade operations have been performed on each object/background area, and Werner’s AND/OR operator (an aggregation operator) has been utilized to build a new membership function from two modified membership functions. Finally, an enhanced image is obtained from the new membership function via defuzzification. Experiments on different pneumonia X-ray images demonstrate that the XEFSDS scheme produces better results than the existing methods. To show the advantages of the XEFSDS scheme, we have executed a segmentation based examination on enhanced image for the detection of pneumonia malformation as well as abnormal lobe (lobar pneumonia) or bronchopneumonia.