一种基于局部平衡的红外图像锐化算法

首先分析红外图像边缘与随机噪声和非均匀性固定噪声的分布特点,为区别红外图像中由真实边缘和由各种噪声引起的灰度变化,给出了局部力矩矢量和局部平衡系数的定义;并且基于这两个定义,提出了基于局部平衡系数和局部对比度的图像锐化算法。该算法不同于传统图像锐化算法只基于局部对比度的缺点,在图像锐化过程中考虑图像边缘和非均匀性的空间分布的差异,不但改善了传统边缘增强算法对随机噪声放大的缺点,而且降低了非均匀性噪声的增强。实验结果表明,该方法具有良好的前景和实用价值。     

硬件实现一种新的红外图像边缘检测算法

红外热成像系统的输出图像非均匀性比较明显,成像模糊,因此研究针对红外图像的锐化增强算法,具有比较重大的意义。一种新的红外图像组合边缘算法在软件仿真上的有效性已经探讨过,在此基础上,对算法稍作改进,重点探讨该算法在硬件实时图像锐化增强上的有效性。为此,设计FPGA＋SRAM的硬件结构,探讨该算法在硬件系统上的实现方法,分...     

基于广义线性系统和非锐化掩膜的图像增强算法

为了解决非锐化掩膜图像增强方法的噪声增益、光晕现象和数据溢出的问题,提出一种基于广义线性系统和非锐化掩膜的图像增强算法。算法首先采用双边滤波器和广义线性减法对图像进行处理,获取图像细节层和基础层;然后对图像细节层和基础层分别进行自适应增益处理和对比度增强处理;最后采用广义线性加法将两者相加,实现图像的增强。并对3种不同类型的图像进行测试,结果表明:本文提出的算法很好地抑制了噪声干扰和光晕现象,增强了图像的对比度和细节,视觉效果良好,信息熵分别提高了10.9012%、16.0143%和9.1878%。表明了提出的基于广义线性系统和非锐化掩膜图像增强算法的合理有效性。     

基于LED辅助照明的水下图像增强算法研究

水下成像环境十分复杂,在成像过程中受到多种因素的影响,如光照的非均匀性,水对光的后向散射,成像器件的光学噪声,导致图像对比度低,细节模糊.针对水下图像的特点,提出运用同态滤波和双正交小波阈值滤波法相结合的图像增强算法改善水下图像光照的非均匀性、滤除噪声、提高水下图像的对比度,并通过峰值信噪比、均方差对该算法进行了性能评价.     

带噪声抑制的反锐化掩模图像增强算法

为了减小传统的反锐化掩模算法对噪声的敏感性，提出了一种新的反锐化掩模图像增强算法，该算法在图像的平坦区域进行去噪处理，并依据人眼视觉特性对图像的不同细节区域做不同程度的增强。通过几种算法的实验结果比较，表明本算法不仅增强效果较好，且抑制了噪声的增强。     

非均匀光照图像双分量增强Retinex算法

图像增强是“数字图像处理”课程的一项重要教学内容。针对图像增强方法的实践训练，给出一个综合实验-非均匀光照图像双分量增强Retinex算法。该实验整合了灰度变换、直方图均衡、图像平滑、去锐化掩模、高频增强等图像增强方法，并引入用于图像质量评价的量化指标等内容，图像增强效果好，对于图像增强的实践教学具有较好的参考价值。     

基于非锐化掩模的实时自适应图像增强算法

针对传统的非锐化掩模算法的局限性,依据图像中各像素点及以其为中心的若干相邻像素点的均方差值,提出了自适应图像增强算法的原理,并分析其硬件实现方法,然后给出了该算法与其它算法应用于图像增强的对比结果,最后在FPGA（field programmable gate array）实验板上进行验证.实验结果表明,此算法有效的增强图像的细节区域,防止图像边缘区域出现过冲现象,抑制图像平坦区域的噪声放大.因此,该算法取得了良好的视觉效果,硬件实现简单,适合于实时条件下图像的增强.     

图像小波增强算法在无损检测中的应用比较

射线数字成像是当前射线检测、诊断技术发展的重要方向,图像降噪增强是提高无损检测图像质量的关键.将基于小波变换的图像增强技术引入到射线无损检测(NDT)图像处理中,介绍了基于小波变换的反锐化掩模法、子带增强法和自适应增强法3种增强算法,并分别用这3种算法对射线NDT图像进行增强处理.通过对实验结果数据进行对比分析得出,相比另外两种小波增强算法,自适应小波增强算法处理后的图像更贴近实际,能够更好地在抑制图像噪声的同时增强图像细节.     

基于引导滤波的微光图像增强算法研究

针对低光照条件下,成像设备获取的图像存在低亮度、细节丢失的问题,提出一种基于引导滤波的微光图像增强算法,以实现微光图像增强。首先,将微光图像从RGB转到HSV空间,并将V通道复制为3份,分别采用直方图均衡化、改进的伽马校正及经典的非锐化掩膜对其进行处理。其次,用合适的融合权重将3份处理后的V通道进行多尺度融合,再采用改进的引导滤波对融合后的V通道进行处理。最后,将处理后的图像反变回RGB颜色系统,从而实现图像增强。通过与现有的4种图像增强算法进行主观视觉效果对比以及客观指标分析,实验结果表明,所提算法可有效提高图像亮度,增强图像细节,提升图像的质量。     

基于NSCT的反锐化掩模遥感图像增强方法

针对传统图像增强过程中产生的伪吉布斯现象,清晰度差和对比度低的问题,提出一种基于非F采样Contourlet变换（NonsubsampledContourletTransform,NSCT）的反锐化掩模图像增强算法。该算法一方面利用NSCT变换的平移不变性,抑制传统增强算法中产生伪吉布斯现象,另一方面用反锐化掩膜算法来处理图像,提高增强后图像的清晰度和对比度。实验仿真结果表明,本文提出的方法与Conlourlet增强方法,反锐化掩模增强方法相比能够有效提高图像的清晰度,对比度和抑制伪吉布斯现象,图像视觉效果有明显改善。     

基于改进量子遗传算法的图像锐化研究

针对量子遗传在锐化图像出现的缺点,提出改进方法。对量子采用自适应量子旋转门步长调整策略,不同代染色体的进化操作采用不同的旋转角步长,同代的染色体仍用同一旋转角步长进行更新,通过比较每个量子染色体的汉明距离调节其自身的进化速度;将量子染色体更新,将比较适合的染色体解在目标数值范围内判定为级别较高的染色体;对量子交叉操作采用对角线交叉方式;对图像锐化给出了算法步骤。实验仿真表明本算法在锐化边缘和抑制噪声上明显优于其他锐化方法,并且图像的边缘也得到了很好的增强。     

红外图像综合处理算法研究

本文对点运算的图像增强算法和红外滤波增强算法进行探讨和研究,包括灰度变换和直方图修正,平滑滤波和锐化滤波。平滑滤波能够有效的对噪声进行平滑处理,达到去除噪声、提高图像质量的目的。锐化滤波中的拉普拉斯模板算法能够对图像的轮廓线进行有效的增强,图像的视觉效果得到了很大的提高。但是该算法处理后的图像视觉效果生硬、不够柔和,同时也会对噪声进行增强。以上方法的单独应用只能针对图像的某些特征进行处理,为了能够提高图像的综合质量,我们需要对以上算法的综合应用进行研究。     

基于模糊逻辑的指纹图像增强滤波

本文提出了一种新的基于模糊逻辑技术的指纹图像增强滤波器，通过模糊边缘判别器在对任一像素点属于边缘的程度进行模糊软判决的同时完成边缘检测，并针对指纹图像的平滑区域和边缘区域分别采用不同的模糊规则进行增强滤波。实验结果表明这种滤波器在图像的平滑区域具有好的滤波性能，对于边缘区域，则能够在保持边缘细节的同时滤除噪声。     

基于边缘检测的图像锐化算法

图像锐化是一种补偿轮廓、突出边缘信息以使图像更为清晰的处理方法。锐化的目标实质上是要增强原始图像的高频成分。常规的锐化算法对整幅图像进行高频增强,结果呈现明显噪声。为此,在对锐化原理进行深入研究的基础上,提出了先用边缘检测算法检出边缘,然后根据检出的边缘对图像进行高频增强的方法。实验结果表明,该方法有效地解决了图像锐化后的噪声问题。     

基于图像传感器的图像画质增强算法研究

针对图像在传输过程中易引入噪声、色彩质量下降、中值滤波导致图像细节丢失和均值滤波出现模糊等问题,提出了一种可以应用于CMOS图像传感器的图像画质增强和滤波算法.该算法对插值后的Bayer图像数据进行一维空间的增强和降噪处理,首先将图像从RGB空间转换到YUV空间,在Y通道上用改进的直方图均衡化方法实现图像明暗程度的对比度增强调节,对U、V通道采用分段式线性调节方法实现饱和度调节;然后对Y通道进行自适应降噪,对U、V通道进行加权中值滤波降噪,以满足后续处理对图像质量的要求;最后在Y通道上,采用基于Laplace算子的锐化掩模进行锐化处理,保证图像的细节清晰可见.实验结果表明:从图像视觉效果来看,相比单独使用中值和均值滤波,所提出的自适应滤波得到的效果更好,图像细节保存较好、模糊程度低、图像更为清晰,且色彩质量更高.通过对比峰值信噪比(PSNR),对混合噪声进行处理时,该滤波算法的PSNR优于中值和均值滤波,有效地抑制了噪声.整个算法在一维邻域空间进行,更容易在有限的硬件上实现较好的图像处理结果,满足小面积低功耗的要求.     

一种改进的自适应非锐化掩模图像增强算法

提出了一种改进的自适应非锐化掩膜(UM)图像增强算法.它首先利用拉普拉斯算子值检测局部细节特征。然后依据定义的期望增强特性获取增强控制参数,最后利用上述步骤得到的参数计算增强后图像值.实验结果表明,本算法极大地提高了增强算法的稳定性,减少了计算量.使用本算法对标准测试集中的若干图像进行了增强,从增强结果的图像质量评价指标DV、BV值不定期捍,该算法部优于原有的算法.     

基于模糊理论的红外图像锐化及硬件实现

针对通常的红外图像锐化方法导致的图像噪声加剧、均匀性变坏、图像生硬等缺陷,提出一种基于模糊理论的图像锐化方法,即模糊噪声和图像边缘的概念,将亮、暗边缘图像中的每一像素对噪声和边缘的隶属度分别计算,然后根据隶属度对该像素进行加权,得到所需参数.最后,本文给出了具体硬件实现方法和实验结果.