一种改进图像增强化方法

依据直方图均衡化算法实现的基本原理,分析得出经传统直方图均衡化处理后由于传统直方图均衡化算法的自身弊端造成的图像灰度级丢失,致使处理后的图像细节信息的大量损失进而使得处理后的图像边缘模糊。对此本文给出了一种改进的图像增强方法。即先提取原图像中的高频细节,可以在空间域中提取,或者在频域中提取。最后再将预先提取好的细节成分与原图像的直方图均衡化处理后的结果进行叠加。通过实验验证,与传统的直方图均衡化算法相比,本文算法处理后的目标图像可以增强了整体对比度,更可以很大程度的保留了原图像的细节信息。     

基于CLAHE的塑料薄膜图像增强算法研究

图像增强算法作为图像预处理的一个重要环节,其主要目的是实现消除图像随机噪声,改善图像质量。传统的直方图均衡化增强方法实质以减少图像灰度级来换取对比度的加大,造成图像细节部分信息的丢失,影响了识别效果。运用对比度自适应直方图均衡化(CLAHE)算法实现薄膜图像灰度增强,并通过对处理后的图像质量进行客观评价,证明了该算法相对于传统直方图均衡化算法具有明显优势。     

基于Gabor滤波和形态学变换的手臂静脉线提取

提出了一种针对近红外图像的手臂静脉提取算法。首先利用限制对比度自适应直方图均衡化(CLAHE)对近红外图像进行预处理,增强对比度。然后利用Gabor滤波器对增强后的图像进行滤波,由Gabor滤波后的方向图和能量图获得手臂静脉位置。接着,对能量图进行高低帽变换,然后将整幅图像进行二值化,采用开闭运算处理二值化图像,利用形态学骨架提取的方法提取手臂静脉线,最后对骨架化后的图像进行毛刺修剪,得到比较完整有效的静脉线。实验结果表明,本文提出的算法可以有效地保证静脉线的连续性和完整性,有效地提高手臂静脉的匹配率。     

低对比度手背静脉图像的增强和分割

人体手背静脉识别技术是生物特征识别技术的一种.人的手背拥有比手指更为丰富的静脉血管,可以提取更多的并且适于身份认证的特征,所以把手背静脉识别作为一种身份认证方式,应用于信息安全等领域具有非常重要的现实意义.由于光照强度、手背厚度的不同,所采集到的手背静脉图像的质量不是很好,对比度比较低.为了得到有较好对比度的手背静脉图像,提出了一种基于形态学处理与对比度受限的局部直方图均衡(CIAHE)相结合的手背静脉图像处理的方法.实验表明,这种方法能有效地增强手背静脉和背景的对比度,使得静脉分割取得了很好的效果.     

一种新的非均匀照度图像增强方法

构造一类基于双层位平面的亮度变换函数,结合快速局部值直方图均衡化算法,很好地解决了非均匀照度下图像对比度的增强问题。该算法首先提取图像的亮度位平面和对比度位平面,用这两个位平面对原始图像进行亮度变换,然后,利用快速局部值方图均衡化算法对变换后的图像进行增强。     

基于邻域信息的红外图像增强

传统的红外图像增强一般基于平台直方图均衡化思想,这种方法从全局上改变了图像的对比度,从而达到增强图像的目的,是一种快速有效的增强算法。然而现存的平台直方图方法忽略了图像的局部信息,无法改善图像的局部对比度。论文提出了一种新的红外图像增强算法,该算法在基于传统的红外图像平台直方图均衡化思想的基础上,同时加入图像的局部信息,从全局和局部同时增强图像对比度。通过与传统的平台直方图均衡算法对比,证实了算法的优越性。     

医学图像增强与直方图处理

文章介绍了图像增强的相关知识,重点介绍了用直方图增强图像的方法。用直方图处理图像包括直方图均衡化和直方图规定化。直方图均衡化和直方图规定化能增强图像的对比度,使图像更清晰。直方图均衡化对局部细节的增强效果不显著,而直方图规定化则使关注的细节变得更清晰。所以直方图规定化法处理医学图像局部细节方面优于均衡化。     

医学图像增强与直方图处理

文章介绍了图像增强的相关知识,重点介绍了用直方图增强图像的方法。用直方图处理图像包括直方图均衡化和直方图规定化。直方图均衡化和直方图规定化能增强图像的对比度,使图像更清晰。直方图均衡化对局部细节的增强效果不显著,而直方图规定化则使关注的细节变得更清晰。所以直方图规定化法处理医学图像局部细节方面优于均衡化。     

基于等价二元子图分割的直方图均衡化的彩色图像处理

直方图均衡化进行图像增强处理是最简单且有效的方法,能得到对比度和清晰度更好的结果图像,但当原始图像过暗或过亮,此方法得到的效果就会使图像的某些细节消失或产生一些噪声,使图像过度地被增强。提出了一种等价二元子图分割的直方图均衡化的彩色图像处理算法,可以得到比直方图均衡化处理更好的结果图像。     

基于模糊聚类分割的累积直方图均衡化算法

通过比较几种图像直方图均衡化的应用范围,提出一种基于模糊聚类分割的累计直方图均衡化的方法。实验结果表明:与传统直方图均衡化算法相比,使用该方法处理后的图像不仅使灰度值分布更加均匀,增强了整体对比度,而且保留了原图像更多的细节信息,很好地达到了图像增强的目的。     

基于WLAHE的尘肺胸片图像增强方法

为提高X线胸片中尘肺病灶的易识别性,提出一种基于加权局部直方图均衡化(WLAHE)的尘肺胸片图像增强方法。采用WLAHE算法、局部直方图均衡化算法,以及直方图均衡化算法对0+期尘肺X线图像进行对比度增强处理,并对采用不同参数的处理效果进行比较。结果表明,WLAHE可在不引入过大噪声及不引起细节失真的条件下,采用更小的窗口,使0+期尘肺X线胸片上的病灶小阴影更突出。     

基于自适应融合的手掌静脉增强方法

针对掌脉轮廓不清晰，图像对比度低、亮度低，进而导致识别性能降低的现象，提出一种自适应融合的手掌静脉增强方法。首先，基于暗原色先验（DCP）去雾算法，根据掌脉图像变异系数自适应选择去雾系数，得到DCP增强图像，并且基于部分子块重叠直方图均衡（POSHE）算法得到POSHE增强图像；然后，将图像分为16个子块，依据图像灰度均值与标准差确定各子块权重；最后，根据各子块权重对DCP和POSHE增强图像进行自适应融合，得到最终增强图像。该方法既保留了DCP算法在增强图像对比度和亮度的同时不引入明显噪声的优点，又保留了POSHE算法在增强图像对比度和亮度的同时不损失局部细节的特点；同时，两者的自适应融合既解决了DCP图像阴影部分掌脉缺失现象，又削弱了POSHE产生的块效应。在对两个公开库和自建库分别进行的实验中，三个数据库的等错误率分别为0.0004、0.0472、0.0579，识别率分别为99.98%、94.27%、92.05%。实验结果表明，与现有的图像增强方法相比，该方法降低了等错误率，提高了识别精度。     

Finger-vein recognition based on parametric-oriented corrections

The two key factors in a biometric identification system are its high identification rate and convenience of device usage. In a finger-vein identification task, these two problems often occur since the captured device of finger-vein image should accommodate the high identification rate as well as the easy-to-use device design. The finger-vein is visually invisible inside the human skin. This work develops a new finger-vein capturing device using Near-Infrared (NIR) LED light and proposes an efficient technique for finger-vein identification. The vein image may contain noise and shadows due to device lighting conditions. Parametric-Oriented Histogram Equalization (POHE) is utilized to enhance image contrast and reduce the noise effect. This work also discusses normalized issues related to the angle correction of the finger edge and Region of Interest (ROI) for width normalization. In the experimental result, the proposed method yields a clear finger-vein pattern with a superior identification rate in the recognition task compared to the state-of-the-art methods.

     

Contrast enhancement and brightness preserving of digital mammograms using fuzzy clipped contrast-limited adaptive histogram equalization algorithm

A novel fuzzy logic and histogram based algorithm called Fuzzy Clipped Contrast-Limited Adaptive Histogram Equalization (FC-CLAHE) algorithm is proposed for enhancing the local contrast of digital mammograms. A digital mammographic image uses a narrow range of gray levels. The contrast of a mammographic image distinguishes its diagnostic features such as masses and micro calcifications from one another with respect to the surrounding breast tissues. Thus, contrast enhancement and brightness preserving of digital mammograms is very important for early detection and further diagnosis of breast cancer. The limitation of existing contrast enhancement and brightness preserving techniques for enhancing digital mammograms is that they limit the amplification of contrast by clipping the histogram at a predefined clip-limit. This clip-limit is crisp and invariant to mammogram data. This causes all the pixels inside the window region of the mammogram to be equally affected. Hence these algorithms are not very suitable for real time diagnosis of breast cancer. In this paper, we propose a fuzzy logic and histogram based clipping algorithm called Fuzzy Clipped Contrast-Limited Adaptive Histogram Equalization (FC-CLAHE) algorithm, which automates the selection of the clip-limit that is relevant to the mammogram and enhances the local contrast of digital mammograms. The fuzzy inference system designed to automate the selection of clip-limit requires a limited number of control parameters. The fuzzy rules are developed to make the clip limit flexible and variant to mammogram data without human intervention. Experiments are conducted using the 322 digital mammograms extracted from MIAS database. The performance of the proposed technique is compared with various histogram equalization methods based on image quality measurement tools such as Contrast Improvement Index (CII), Discrete Entropy (DE), Absolute Mean Brightness Coefficient (AMBC) and Peak Signal-to-Noise Ratio (PSNR). Experimental results show that the proposed FC-CLAHE algorithm produces better results than several state-of-art algorithms.     

CLAHE和细节放大相结合的档案图像增强方法

图像增强可提高扫描档案图像的质量,关系到档案图像信息系统的生命。运用CLAHE可以进行全局对比度拉伸,运用Lee滤波器可进行局部细节放大,将两者结合可形成放大细节的CLAHE方法。对结合的方法从两方面进行改进,一是引入噪声抑制措施,使得Lee滤波器只放大图像细节而不放大噪声;二是制定柔性细节放大机制,使得细节放大更加符合人类视觉习惯。改进后的方法既能提高全局对比度,又能有效放大局部细节。实验表明,提出的方法对包含文本、图形和图像的扫描档案具有较好的增强效果,且能够满足国家行业规范要求和实际应用需要。     

基于图像引导滤波的人脸光照预处理算法

针对人脸识别中人脸图像光照预处理的问题,提出一种基于图像引导滤波的人脸光照预处理算法。根据自定义光照标准函数对引导图像和输入图像进行分类,经指数或对数非线性变换调整后进行直方图均衡化处理。采用图像引导滤波对图像细节进行增强,使变换后的图像更清晰。利用空域高通滤波来抑制局部锐化现象。在YaleB人脸数据库上进行验证,结果表明,该算法在识别性能上明显优于经典的主成分分析法,识别率可以提高2%~8%。     

Adaptive Image Enhancement based on Bi-Histogram Equalization with a clipping limit

A new approach based on Bi-Histogram Equalization is presented to enhance grayscale images. The proposed Adaptive Image Enhancement based on Bi-Histogram Equalization (AIEBHE) technique divides the input histogram into two sub-histograms, which are at the threshold of the histogram median for mean brightness preservation. Histogram clipping is performed to control the enhancement rate, and then the clipped sub-histograms are equalized and integrated to obtain the enhanced image. The novelty of AIEBHE is its flexibility in choosing the clipping limit that automatically selects the smallest value among histogram bins, mean, and median values, resulting in the conservation of a greater amount of information in the image. Automatic selection of the clipping limit addresses the issue of over-emphasizing of high frequency bins during histogram equalization. Simulation results reveal that AIEBHE technique outperforms other histogram-equalization-based enhancement techniques in terms of detail preservation and mean brightness preservation.     

一种基于卫星图像的增强方法

直方图均衡化是图像增强的一种有效方法,其基本思想是调整图像的灰度分布。线性拉伸的方法对图像进行增强处理,提高了图像的解译能力。本文从合成图像直方图均衡化和线性增强的优点入手,给出了一种直方图均衡化和线性增强相结合的改进算法,通过对算法中调节参数的选择来获取更好的图像增强效果,该算法避免了图像过亮等现象,改善了图像质量,实验验证了该算法更为有效。     

基于HOG与改进的SVM的手掌静脉识别算法

手掌静脉识别是一种新兴的生物特征识别技术,随着时代的进步,在各种安全领域中起着越来越重要的影响和应用。提出了一种改进的手掌静脉图像预处理方法,采用对像素灰度值映射来增强图像中的静脉纹理以去除其他干扰。针对手掌静脉纹理的特征提取和识别,提出了一种基于方向梯度直方图（HOG）与改进的阈值支持向量机（T-SVM）的算法,以更好适应手掌静脉识别的特点。通过大量实验证明,该方法不仅可以较为迅速地进行身份识别,而且达到了较高的识别率。     

基于对比度受限自适应直方图均衡的乳腺图像增强

采用对比度受限自适应直方图均衡对乳腺图像进行增强,有效地增强了乳腺图像中的细节,如钙化点、乳导管等组织;并通过对算法中相关参数研究,得到应用于乳腺图像增强的参数优选值,以求获得较好的增强效果,为医师分析影像提供方便。通过与灰度直方图均衡的结果进行比较得出：对比度受限自适应直方图均衡为乳腺数字图像增强的有效方法,在计算机辅助乳腺诊断方面有较高应用价值。