一种基于小波分析和人眼视觉特性的图像增强方法

在分析视觉系统特性的基础上，提出了一种基于小波分析的图像对比度增强算法。为降低对噪声增强程度，算法对不同尺度上的系数进行不同程度的对比度增强。在此过程中，算法考虑了视觉特性以得到更好的效果。为保证得到足够的对比度增强效果，算法首先对分解得到的尺度系数进行增强；为避免视觉明显的噪声放大，只对处于边缘区域的系数进行对比度拉伸；为了能在各尺度上较为准确地找出边缘区域，算法采用局部阈值技术并利用了各分解尺度上边缘区域的相关性；为降低视觉明显的噪声放大，不同区域的对比度增强程度决定于区域的亮度。算法的实验表明，上述特点使本文算法在充分增强对比度的同时，极大地降低了对噪声的过增强，具有较好的视觉效果。     

符合人眼视觉特性的医学图像融合算法

针对医学图像的特点,基于人眼视觉特性,结合降噪算法提出一种图像融合方法,以提高融合图像的对比度,减小噪声对图像的干扰。算法根据噪声点和图像特征所具备的不同特性,对源图像进行降噪,过滤小波分解后对应的噪声系数。小波分解后的系数矩阵,通过计算各系数的局部梯度,以源图像区部梯度为判断依据建立算法,选择源图中不同方向上梯度大的系数作为最终融合系数。实验结果表明,该算法提升融合图像的信息量的同时,有效保护了图像的细节,改善了视觉效果。     

结合视觉感知特性的梯度域图像增强方法

常见的图像对比度增强方法在压缩图像整体动态范围的同时可有效地增强图像较暗处的细节,但图像中原较亮部分的细节往往得不到增强,甚至被削弱.针对人类视觉感知的特性提出了相对梯度的概念,首先在梯度域对图像原较亮处的梯度进行更大的拉伸,然后在最小二乘意义下重建出增强后的结果图像.通过将RGB图像变换到HSV彩色空间,将增强方法推广到彩色图像的处理中.实验结果表明,采用文中方法可有效地压缩图像的整体动态范围,同时原图像中较暗和较亮处的细节都得到了有效增强或保持.     

基于视觉感知的镶嵌图像质量评价方法

传统的图像质量评价方法难以较好地评价镶嵌效果。该文针对仅通过频率活动性(SFA)对镶嵌效果中拼缝光滑度进行评价获取较优效果图时存在的问题,依据视觉感知特性的对比敏感性,提出以结构对比度(SCD)感知因子评价镶嵌效果图的灰度和谐性,结合SFA和SCD感知因子构造了一个镶嵌图像综合评价模型,可以对镶嵌图像效果进行更符合主观视觉感知特性的评价。试验验证了该模型的有效性。     

基于雷达与视觉融合的双模态煤矿井下环境感知技术

环境感知是煤矿巡检机器人、视觉测量系统等场景应用的关键技术。单模态环境感知技术对煤矿井下复杂环境的感知能力较差。提出了雷达与视觉双模态空间融合方法,通过激光雷达和摄像仪之间的坐标转换来实现二者采集信息的融合,从而提高环境感知能力。为了更好地提取目标特征信息,提出了双模态融合环境感知网络架构技术路线：摄像仪和雷达采集的环境信息经雷达与视觉双模态空间融合方法进行融合处理,多模态特征融合网络模块提取融合信息中的目标特征,多任务处理网络模块采用不同的任务头处理目标特征信息,完成目标检测、图像分割、目标分类等环境感知任务。采用YOLOv5s目标检测算法搭建双模态特征提取网络模块进行实验,结果表明：基于雷达与视觉融合的双模态煤矿井下环境感知技术对井下巷道环境下行人检测的成功率较视觉、雷达感知分别提升15%,10%,对车道线、标志牌等各类目标分割的平均精度均值较视觉感知均提高10%以上,有效提升了煤矿井下环境感知能力,可为煤矿道路环境感知、视觉测量系统、无人矿车导航系统、矿井搜救机器人等应用场景提供技术支持。     

基于人眼视觉感知的场景明暗适应动态过程模拟

针对现有计算机真实感图形学及虚拟现实主流显示算法不能表现当环境光强骤变时人眼对场景感知变化的缺陷,提出并实现了一个基于人眼感光细胞亮度响应机制的明暗适应过程模拟的增强显示新算法.该算法首先针对人眼中视锥细胞和视杆细胞不同的生理反映机制,利用了双边滤波方法建立起感光细胞接受光刺激后同周边细胞之间的作用关系模型,然后在不同亮度环境下建立起亮度随时间响应的变化模型.结合图像高动态范围图像的色调映射处理模型及实验心理学中的经验模型,并经实验调整不同环境亮度下的生理适应值,通过逆响应变换及颜色适应变换,最终在三维场景中较为逼真地模拟出人眼在明暗适应过程中的对场景的动态感知变化.     

基于人眼视觉特性的融合图像质量评价算法

针对彩色融合图像在人眼视觉特性上的表现,分析现有图像融合质量评价方法特点,提出一种基于对比度敏感度特性加权结构相似度的彩色融合图像质量评价算法。该方法将图像颜色的亮度分量和色度分量分开,首先对图像亮度分量的结构相似度进行对比度敏感特性加权,再与色度分量的结构相似度进行加权以获得图像的结构相似度。该方法充分考虑人眼视觉特性和颜色特性,对不同图像融合评价方法的评价结果表明,该方法能较好地完成彩色融合图像的质量评价。     

人眼视觉感知特性的非下采样Contourlet变换域多聚焦图像融合

目的针对传统的单特征融合方法不足以衡量像素清晰度的问题,同时综合考虑非下采样Contourlet变换(NSCT)系数特点及人眼视觉感知特性,提出一种基于NSCT的多聚焦图像融合方法。方法首先对来自同一场景待融合的源图像进行NSCT变换;然后对低频分量采用基于局部可见度、局部视觉特征对比度和局部纹理特征的综合特征信息进行融合;对高频分量采用基于邻域和兄弟信息归一化的关联权重局部视觉特征对比度进行融合;最后进行逆NSCT变换得到融合图像。结果将本文方法与传统离散小波变换(DWT)、移不变小波变换(SIDWT)、CT(Contottral变换)、NSCT及基于邻域和兄弟信息的NSCT域多聚焦图像融合方法进行了实验对比,本文方法能获得更好的视觉效果以及较大的边缘信息保留值和互信息值。结论定性和定量的实验结果表明了本文方法的有效性。     

面向人眼视觉的图像增强方法

结合人眼获取信息的方式,提出一种面向人眼视觉的图像增强方法。在保持图像原有信息的前提下,使图像中相邻区域间的灰度差异最大限度地被人眼感知。根据图像区域间的邻接关系,设计一种灰度合并策略,用最少的灰度表示一幅图像,基于人眼临界可见偏差(JND)特性建立一种灰度映射关系,通过灰度映射方式实现图像增强。实验结果表明,该方法的图像增强效果优于目前常用的图像增强 方法。     

基于人眼视觉特性的红外图像细节增强

由于红外成像的机理和探测器的限制,使得红外图像具有对比度低以及边缘模糊的特点。导致红外图像不适合被人眼及机器观察。传统的红外图像增强方法由于没有考虑人眼的因素,导致仍然不适合被人眼观察。本文结合分层思想提出一种基于人眼视觉的红外图像细节的增强的方法。该方法首先利用双边滤波器将图像分成包含图像低频概貌信息的基础层和包含图像高频细节信息的细节层。基础层的处理是运用人眼视觉特性的方法将其映射到显示器可显示范围内。细节层的处理是应用了自适应增益的方法对细节层进行增强。最后将两层的处理结果进行合并量化到8-bit范围内。采用大量的红外图像对算法进行测试,实验结果表明本算法能够改善红外图像对比度低和边缘模糊的缺点。     

基于模糊逻辑的雾天降质图像对比度增强算法

提出一种新颖的雾天降质图像增强算法。该算法通过对降质图像进行规范化预处理,降低不同雾况对灰度级分布范围的影响,并对规范化后的图像,根据大气散射对对比度衰减的影响规律,在模糊域内实现对比度增强处理。实验结果表明,该算法可以有效提高雾天降质图像的对比度,视觉效果改善明显。     

直方图重建图像细节增强算法

针对传统大动态范围图像数据压缩方法易受场景变化影响,量化后的8位显示图像整体模糊、图像细节和弱小目标丢失问题,提出了一种基于直方图重建图像细节增强算法。对图像直方图统计值进行重新赋值,保留图像中出现的细节部分,并缩小相邻灰度级间间隔;采用二维Gabor滤波器来模拟视觉感知系统,将Gabor滤波器与图像进行卷积运算,得到滤波后的平滑图像;采用局部对比度增强方法来增强图像细节部分,并将增强后的中间结果线性映射为8位显示图像。实验结果表明,与其他大动态范围数据压缩方法相比,该算法量化后图像清晰度高,无图像细节和目标丢失现象。     

基于顶帽底帽变换的仿生图像增强算法

针对低照度图像对比度低、细节模糊、色彩饱和度低的问题,通过分析人眼的主观亮度感受和光照强度的非线性关系以及人眼的视网膜神经节细胞中感受野的传输特性,提出一种顶帽变换和底帽变换相结合的仿生图像增强算法。首先,将低照度图像的RGB色彩空间转换为HSV空间,对亮度分量进行全局亮度对数变换;其次,采用视网膜神经元感受野三高斯模型对图像局部边缘的对比度进行调整;最后,用顶帽变换和底帽变换辅助对较亮背景的提取。实验结果表明,所提算法增强的低照度图像不仅细节清楚、对比度高,同时还没有设备采集图像存在的光照不均匀和图像景深的问题,而且增强后的图像色彩饱和度高,具有很强的视觉感受效果。     

一种新的基于小波变换的自适应MRI增强算法

提出了一种新的基于小波变换的自适应MRI增强算法。该新算法采用两个非线性自适应规则分别增强低频和高频的小波系数,并且在增强图像信号的同时抑制、减小其中的噪声。实验结果表明新算法增强后的图像具有很好的对比度,且结果图像中的噪声要比其他基于小波变换的自适应增强算法得到的增强后的图像中的噪声要少很多。     

低照度图像增强算法的研究与实现

针对低照度图像暗且对比度低的特点,提出了一种将改进的直方图均衡化方法与改进的局部对比度增强方法相结合的低照度图像处理方法,满足了图像增强的两种要求：调节动态范围,增强局部对比度。实验表明该方法在对低照度图像处理时可以达到局部细节对比度增强和全局清晰的效果。     

一种新的基于NSCT域的遥感图像增强算法

针对图像增强处理中产生的伪Gibbs现象、清晰度差等问题,利用下采样轮廓波变换（NSCT）的平移不变性特点,来抑制伪Gibbs现象,同时把模糊对比度和空间频率相结合来处理NSCT系数,提高了增强后图像的清晰度。实验结果证实,该算法使得增强后图像的质量明显优于常用的增强算法,具有一定实践价值。     

基于双变换的红外与可见光图像融合增强

通过研究可见光视觉图像与红外图像序列的相关特性及融合处理中存在的问题, 提出一种基于视觉图像预增强处理的曲波与小波双变换融合机制来有效保留边缘信息和图像细节信息。实验结果表明所提出的方法提高了融合图像的视觉感知质量, 为遮挡和伪装目标的检测和定位提供了更为有效的空间环境, 并且融合增强后的图像具有更高的信噪比和更少的人工痕迹, 与当前最新的其他方法相比是一种具有更好融合质量和更高效率的图像/视频融合方法。     

Artificial neural network visual model for image quality enhancement

An artificial neural network visual model is developed, which extracts multi-scale edge features from the decompressed image and uses these visual features as input to estimate and compensate for the coding distortions. This provides a generic postprocessing technique that can be applied to all the main coding methods. Experimental results involving postprocessing of the JPEG and quadtree coding systems show that the proposed artificial neural network visual model significantly enhances the quality of reconstructed images, both in terms of the objective peak signal-to-noise ratio and subjective visual assessment.