基于人眼视觉响应的低光照图像增强

为解决光照图像可视信息不足的问题,提出一种基于人眼视觉响应的图像增强算法.利用导向滤波对图像亮度通道的反相图进行局部平滑计算掩摸,根据亮度通道的全局均值和标准差计算关键参数,对图像光亮度通道进行自适应曲线调整,全面提升动态范围.通过增强前后的亮度通道计算颜色饱和度增益和偏差进行颜色校正,结合灰度直方图分布进一步拉伸全局对比度.采用SSIM、VLD和MOS评价指标对不同图像增强方法结果进行对比.实验结果表明:该算法对低光照图像具有良好的增强效果,能够有效增强图像亮度和细节,提高视觉可视性.     

多尺度Retinex算法在红外图像增强中的应用

应用改进的多尺度Retinex增强算法．对低能见度的红外图像进行图像增强,提高了原图像的对比度和像质,得到了目标区域的最佳视觉效果。理论分析和实验结果表明,该算法与维纳滤波、同态滤波等算法相比,有效地抑制了背景和噪声。该算法对红外图像增强后,图像对比度比前两种算法的对比度强。     

基于Retinex理论的图像增强算法

为了克服传统增强算法功能单一、适用范围小的缺点,提出了一种基于Refinex理论的图像增强算法,在对数域利用高斯卷积函数,估计出亮度图像的对数形式,然后用已知图像的对数形式减去亮度图像的对数形式,得到不受光照条件影响的景物的原来面貌即反射图像的对数形式,最后作对数的逆运算,得到反射图像,实现了图像增强．实验结果显示,基于Refinex理论的增强算法既能保持颜色的恒定性,又能使得动态范围压缩和边缘增强相协调,克服了传统增强算法的不足．增强后的画面细节还原充分,轮廓清晰,视觉效果好．     

多尺度Retinex算法在空地导弹红外图像增强中的应用

空地导弹在制导末段捕捉红外图像时,受成像器件的限制以及大气辐射影响,红外图像往往存在对比度差、边缘模糊、噪声大等特点。针对这些问题,文中将多尺度Retinex算法应用到空地导弹红外图像增强中,给出相应的实现方法和流程,并针对存在的不足加以改进。实验结果表明,改进后的算法在改善红外图像色调、对比度以及增强细节信息、去噪方面有较好的效果,使增强后的红外图像更能满足空地导弹末段的精确打击能力。     

基于小波变换和形态学的目标图像增强算法

基于图像视觉信息的目标检测与识别一直是研究的重点和难点,针对复杂坏境的图像呈现出对比度低,强噪声干扰,灰度集中的特点,提出了一种基于小波变换理论和数学形态学的目标图像增强方法;首先对图像进行了小波变换,提取高频分量系数,其次利用阈值算法对图像进行降噪处理,最后对图像进行形态学交替滤波得到增强后的图像;实验表明:该检测算法对提高信噪比,增强目标有很好的效果,适合与目标检测与识别,算法在性能上优于传统的单一算法。     

改进的直方图均衡化算法

基于常用的灰度变换法和直方图均衡化法等图像增强算法,提出了一种对比度增强算法.该算法首先对直方图进行平滑处理,再进行直方图均衡化,然后在整个显示范围内对图像灰度级进行等间距排列,最后对图像进行中值滤波去除噪声.实验表明该技术能够使图像的细节和清晰度得到明显的增强.     

高帽变换和toggle算子组合的图像增强优化算法

针对灰度图像对比度较低而难以识别目标区域的问题,对形态学中传统的高帽变换算子和toggle算子进行组合,提出了基于高帽变换和toggle算子组合的图像增强优化算法.该算法利用高帽变换算子增大原始图像灰度值的动态范围,同时利用toggle算子锐化图像,使图像清晰.实验结果表明,该组合算子相对单个算子来说,对灰度图像的对比度增强效果更好,目标识别效果更佳.     

Curvelet变换在低对比度目标识别中的应用

低对比度目标因其灰度对比度低、边缘模糊等缺点,使得联合变换相关器无法将其从混杂的背景图像中辨别出来,达到成功识别的目的。针对这一问题,采用了基于Curvelet变换的图像增强算法对目标联合图像进行处理。作为超小波分析范畴的Curvelet变换,因具有极强的方向性,成为比小波变换更适合分析和理解图像特征的多分辨率分析工具。文中采用不同的方法分别调整了Curvelet变换后的高、低频系数,增强了目标的灰度对比度和边缘信息。以低对比度坦克图像为例,增强后的目标对比度由原来的4.16%提高至29.37%. 计算机模拟和光学相关实验结果均表明,增强后的联合图像获得了明亮的相关点对,成功实现了低对比度坦克的自动识别。     

侧扫声纳图像非下采样轮廓波变换域分区增强方法

成像机理的限制以及海洋中存在的丰富噪声源,导致侧扫声纳图像出现噪声污染严重、目标和背景区域灰度值对比度低以及边缘呈现强度较弱等情况。针对上述问题,提出一种侧扫声纳图像非下采样轮廓波变换（NSCT）域分区增强方法。对于声纳图像低频部分,使用非线性函数增强方法,提升低频图像对比度;对于声纳图像高频部分,通过分析声纳高频图像在NSCT域上同一尺度不同方向子带系数最大值与最小值差值的分布规律,进行噪声和纹理边缘的划分以及对应的处理。将所提方法与小波硬阈值增强方法、小波Shrinkage自适应阈值增强方法做实验对比,结果表明,该方法不仅可以较好地消除噪声,而且可以抑制琐碎纹理、提升弱边缘,侧扫声纳图像增强效果更加突出。     

基于通道校正卷积的真彩色微光图像增强

针对现有真彩色夜视相机所成图像亮度低、对比度低、噪声和色彩失真等问题，提出基于通道校正卷积的神经网络算法。通道校正卷积的上分支引入通道注意力块分析RGB通道之间的特征，用来代替U-Net网络中的传统卷积，实现颜色恢复并保留更多图像信息；在传统损失函数中增加Sobel损失函数和色彩损失函数，抑制噪声的同时并保护图像细节，减小色差、增强对比度。采集真实场景下的图像数据集，提升对实际数据的处理效果。实验结果表明：该算法能同时处理低照度图像的亮度、对比度、噪声和色差问题，增强效果优于目前主流算法；与传统卷积的U-Net网络相比，降低了模型复杂度，提高了运行速度，计算量减少了13.71%,参数减少了13.65%,PSNR值提升了29.20%,SSIM值提升了7.23%,色差减少了10.46%,兼顾了成像质量与成像速度。     

Method of Infrared Image Enhancement Based on Stationary Wavelet Transform

Aiming at the problem,i.e.infrared images own the characters of bad contrast ratio and fuzzy edges,a method to enhance the contrast of infrared image is given,which is based on stationary wavelet transform.After making stationary wavelet transform to an infrared image,denoising is done by the proposed method of double-threshold shrinkage in detail coefficient matrixes that have high noisy intensity.For the approximation coefficient matrix with low noisy intensity,enhancement is done by the proposed method based on histogram.The enhanced image can be got by wavelet coefficient reconstruction.Furthermore,an evaluation criterion of enhancement performance is introduced.The results show that this algorithm ensures target enhancement and restrains additive Gauss white noise effectively.At the same time,its amount of calculation is small and operation speed is fast.     

基于局部梯度极值点的经验模式分解图像增强

为解决传统2 维经验模式分解获取图像细节能力不足的问题,提出一种基于局部梯度极值点的改进BEMD 图像增强方法。根据梯度对图像细节信息的强挖掘能力,基于像素点4 个2 维方向上的极值条件来寻找图像的局部 极值点,对图像进行经验模式分解并确定内蕴模式函数,结合大尺度梯度保留、小尺度梯度去除的思路,达到在图 像增强的同时又抑制噪声的目的。实验结果表明：与传统的图像增强算法相比,该方法具有更强的细节捕捉能力。     

基于模糊集理论的红外图像自适应增强方法

针对红外图像对比度低的特点,运用模糊集理论增强方法,在构造隶属函数时,通过对红外图像像素渡越点的自适应选取,实现了图像对比度的自适应拉伸。实验结果表明,该方法能够达到自适应增强效果。     

基于多尺度局部对比度和多尺度梯度一致性的红外小弱目标检测算法

针对复杂背景和强杂波干扰下红外小弱目标检测虚警率高的问题,提出了一种基于多尺度局部对比度方法与多尺度梯度一致性方法的红外小弱目标检测算法。利用多尺度局部对比度方法对红外图像中红外小弱目标进行增强,利用多尺度梯度一致性方法剔除复杂背景和强杂波干扰造成的虚警。从信噪比（SNR）增益、平均残留背景绝对值、检测率、虚警率及ROC曲线方面将新算法与max-mean算法、max-median算法、top-hat算法、IPI算法及MGDWIE算法进行了对比。实验显示：新算法相较于对比算法具有更高的SNR增益、更低的平均残留背景绝对值、更高的检测率及更低的虚警率。对比结果表明：新算法在复杂背景和强杂波干扰下具有良好的红外小弱目标检测准确性和鲁棒性,有效改善了复杂背景和强杂波干扰下红外小弱目标检测虚警率高的问题。     

基于FCM 聚类的测量图像自适应平台直方图均衡算法

针对测量图像平台直方图均衡算法中平台值选取困难的问题,基于C-值聚类(Fuzzy C-means clustering)理论,提出一种自适应平台直方图均衡增强算法。该算法通过对图像直方图进行C-均值聚类,自适应地选择平台阈值,能够在均衡图像的同时有效保持图像细节。实验证明:该算法对测量图像具有较好地增强效果,能够有效地抑制图像的背景,突出目标细节。     

基于全散度的自适应鲁棒图形模糊聚类算法

针对图形模糊聚类对灰度分布不均匀及噪声干扰图像无法获得满意分割结果的不足,提出一种基于全散度的自适应鲁棒图形模糊聚类分割算法。全散度和像素邻域信息相结合,得到一种改进的全散度;改进的全散度引入图形模糊聚类最优化模型,并嵌入像素空间邻域信息。当前聚类像素与邻域像素均值的偏差作为该鲁棒聚类分割模型的正则因子,促使该聚类对强弱噪声具有自适应抑制能力。测试结果表明,与现有的图形模糊聚类、鲁棒模糊聚类等算法相比,自适应鲁棒全散度图形模糊聚类分割算法的分割效果和抗噪鲁棒性均有明显改善。     

基于神经网络的微光图像增强与复原

微光图像的退化主要取决于探測器的灵敏度、非线性和噪声。神经网络是ー个高度复杂的非线性动力学系统,对于微光图像,提出ー种基于多层前向传播（MLP)神经网络的图像增强与复原方法。为了加速训练学习过程,釆用加动量项的自适应BP学习方法对网络进行循环迭代训练。实验结果表明,MLP神经网络增强与复原方法是可行的,并且对微光图像的增强与复原具有很好的效果。     

基于红外图像的飞机主体合金温度检测

为提高飞机主体合金温度检测精度,提出基于红外图像的检测方法。以38框BT20钛合金为样品,用瞬态气动热试验模拟系统采集图像,用改进的中值滤波算法预处理,去噪;选彩色种子区域生长法检测。结果表明:本方法可有效处理亮度过饱和,改善图像对比均衡性,增强检测质量;测温距离为7～8 m时,温度误差最低,为0.7℃;高温时检测精度最高为98%;最高去噪值为13.6 dB,高斯噪声去除好。     

百分位形态变换在红外图像边缘检测中的应用

针对红外图像对比度低、边缘模糊、噪声大、空间相关性强的特点,提出了一种基于图像形态学的红外图像边缘检测方法。采用并行复合顺序形态滤波算法对图像边缘进行增强和锐化并抑制高频噪声;根据百分位形态滤波相关概念及性质构造的边缘检测算子,进一步滤除红外图像中的噪声,提取图像边缘。实验结果表明,本文提出的算法可以有效地克服红外图像的缺陷,保持图像边缘细节,优于传统边缘检测器。