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。     

能强化细节的低剂量CR图像增强算法

针对低剂量CR图像比度低、骨裂纹细节不清晰等缺点,提出一种基于自适应直方图均衡和改进小波变换的有效图像增强算法.采用自适应直方图均衡提高整幅图像的对比度,利用改进小波变换对骨裂纹等细节进行微调增强.实验结果表明,该算法不仅有效提升了整幅图像的灰度阶次,而且对细节信息也能有效保留,处理后的CR图像细节丰富,具有良好的视觉效果,PNSR和有效灰度级数进一步证明了它的有效性.     

基于目的性优化及改进直方图均衡化的夜间彩色图像增强

夜间图像由于照明不足,存在图像对比度、亮度偏低,细节不可见,导致图像质量下降.大多夜间彩色图像增强算法往往在高对比度边缘区域存在“光晕伪影”现象,针对这些问题提出了一种基于目的性优化及改进直方图均衡化的图像增强算法.该算法通过目的性优化增强原图像对比度,最大程度地保留细节;然后采用改进的保留细节的直方图均衡化增强图像;最后采用改进的Gamma校正对图像进行增强.算法结果通过主观视觉效果以及客观质量评价2方面验证,实验结果表明该算法能够有效地增强图像对比度、亮度,恢复图像细节,并消除了“光晕伪影”.     

结合直方图均衡和模糊集理论的红外图像增强EI北大核心CSCD

针对靶场光电测量设备采集到的红外图像存在对比度低和边缘模糊的问题,提出结合直方图均衡化和模糊集理论图像的增强方法。首先采用对数隶属度函数将图像转换到模糊域,再对图像进行多次非线性变换,增强边缘信息;其次提出改进的自适应平台直方图均衡化算法,提高红外图像对比度;最后将2幅图像按加权系数相乘后叠加融合出最终图像。实验结果证明,该方法克服了传统增强算法易出现的过增强和局部信息被弱化等问题,增强后的图像细节丰富,具有更好的视觉效果,能够满足靶场的实际要求,具有广泛的工程应用价值.     

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。     

煤矿监控图像增强算法的分析与实现

针对煤矿井下粉尘多、光照差的恶劣环境使得矿井监控图像偏暗、对比度低、视觉效果差的特点,提出了一种基于小波变换和模糊理论的图像增强算法。该算法选择小波变换为工具分解图像,应用新的模糊隶属度和增强算子对高频信息进行模糊处理,利用直方图均衡化对低频信息进行处理,最后对图像进行重构。处理结果较好地增强了图像细节信息,从整体上改善了图像效果。     

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。     

基于直方图均衡和幂次变换的灰度图像增强算法

针对传统直方图均衡化算法增强光照不均匀图像时出现暗部噪点过多、亮部细节丢失,导致图像信息量下降的问题,提出一种基于直方图均衡化的增强算法,该算法利用直方图均衡化算法执行效率高、对低对比度图像增强效果好的特点,结合幂次变换可以平衡光照不均匀图像的亮度的特性,采用两种算法分别对原图进行处理,将结果进行非线性叠加后,经分段线性处理得到最终结果。实验结果表明,对于光照不均匀、暗部信息丰富的灰度图像具有较好的增强效果。     

基于MSR的雾天图像清晰化算法研究

研究雾天图像清晰化的问题,需提高图像增强的均匀性。针对雾天情况下,由于雾气的遮挡使得拍摄图像对比度降低,图像局部细节处不清晰,传统的直方图均衡化的雾天图像清晰化方法虽然能够增强图像对比度,但是图像局部细节增强不足,造成图像增强均匀性不高的问题。提出一种MSR的雾天图像清晰化算法,通过Sigmoid函数对图像作映射,拉伸图像的对比度,然后利用MSR算法,将图像小波分解为高频分量和低频分量,对高频分量取绝对值最大运算,低频分量加权平均,并避免了对图像进行全局直方图均衡化造成的图像增强不均匀,局部细节增强不足的问题。实验证明,提出的算法能够将雾天图像均匀增强,得到高清晰的图像,取得了满意的效果。     

一种区域多直方图红外图像增强方法*

直方图均衡是一种简单有效的红外图像增强技术,但存在着细节信息损失较大的缺陷。为改进这一缺陷,使直方图均衡在增强图像对比度的同时不损失灰度级别,并能增强图像细节特征,提出一种基于区域的multi-HE红外图像增强方法。该方法通过聚类算法将图像分割成多目标区域,据此将直方图分割成多个子图,运用多直方图均衡化对图像进行处理,从而达到在不同目标范围内的图像增强。经过实验验证,该算法能有效地抑制背景区的过增强,扩大了目标区的灰度范围,增强细节部分。     

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。     

基于衰减补偿与直方图拉伸的水下图像增强算法

水下物理环境复杂多变,导致获取的水下图像颜色失真、对比度低且细节模糊,影响了水下场景探测的准确性。结合衰减补偿和直方图拉伸技术,提出水下图像增强算法ACHS。根据不同颜色通道的衰减特性,设计基于衰减补偿的颜色校正方法解决水下图像颜色失真问题。将需要颜色校正的水下图像从RGB颜色模型转换到LAB颜色模型,使用引导滤波将亮度通道L分解为基础层和细节层,同时提出基于K-means聚类的双直方图增强算法用于增强基础层的对比度,通过Gamma校正突显细节层的纹理结构。在此基础上,累加亮度通道L的基础层和细节层,并将其从LAB颜色模型转换到RGB颜色模型以获取最终的增强图像。实验结果表明,与GDCP、REBE、WaterNet等算法相比,经该算法增强的水下图像可视度较高,并且具有自然的颜色和清晰的细节。     

An improved medical image enhancement scheme using Type II fuzzy set

A contrast enhancement of medical images using Type II fuzzy set theory is suggested. Fuzzy set theory considers uncertainty in the form of membership function but to have better information on uncertainty on the membership function, Type II fuzzy set is considered. Type II fuzzy set considers fuzziness in the membership function. Hamacher T co norm is used as an aggregation operator to form a new membership function using the upper and lower membership function of Type II fuzzy set. The image with the new membership function is an enhanced image. As medical images contain lot of uncertainties, Type II fuzzy set may be a good tool for medical image analysis. To show the effectiveness of the proposed method, the results are compared with fuzzy, intuitionistic fuzzy, and existing Type II fuzzy methods. Experiments on several images show that the proposed Type II fuzzy method performs better than the existing methods. To show the advantage of the proposed enhancement method, detection or extraction of abnormal lesions or blood vessels has been carried out on enhanced images of all the methods. It is observed that the segmented results on the proposed enhanced images are better.     

Development of intuitionistic fuzzy special embedded convolutional neural network for mammography enhancement

This article proposes a novel mammogram enhancement approach using adaptive intuitionistic fuzzy special set (IFSS) with deep convolutional neural network (called MECNNIFS) for visual interpretation of mammography lesions, lumps, and abnormal cells in low‐dose X‐ray images. The proposed MECNNIFS scheme utilizes the membership grade modification by IFSS on low‐dose X‐ray images (mammography). The suggested model attempts to increase the underexposed and abnormal structural regions such as breast lesions, lumps, and nodules on the mammogram. The proposed algorithm initially separates mammograms using convolutional neural networks (CNNs) into foreground and background areas and then fuzzifies the image by intuitionistic fuzzy set theory. Low‐level features of a mammogram of the adjacent part are integrated with CNN in pixel classification during the separation task stage to improve the performance. Hyperbolic regularization and hesitant score have been applied on fuzzy plane to quantify the uncertainty and fuzziness in spatial domain for the proposed contrast enhancement. Finally, an enhanced mammogram is acquired through the process of defuzzification. The results show better quality and performance for improvement of contrast and visual quality in mammograms compared with other state‐of‐the‐art methods.     

家装设计渲染图增强

目的 提出一种亮度、对比度、饱和度三要素与神经网络相结合的家装设计渲染图增强方法。方法 该方法分析了图像增强的3个要素：亮度、对比度和饱和度。算法从下列几个方面着手进行三要素的调节：1）根据原图饱和度和图像融合方法实现亮度和对比度增强;2）采用颜色矩阵实现饱和度增强;3）采用直方图均衡实现对比度进一步增强。这3个要素对图像增强的效果均有贡献,本文为三要素分别赋予一个权值,并引入神经网络方法,自动建立图像亮度分量均值、方差和饱和度分量均值、方差与三要素的权值系数的非线性映射关系。结果 根据图像本身的信息自动获取图像增强三要素的增强系数,实现家装设计渲染图的自适应增强。算法的有效性在不同程度偏灰暗的家装设计渲染图上得到了验证,并与几种经典方法进行了直方图、信息熵、平均对比度（AC）和平均灰度（AG）的定量比较。实验结果显示,本文算法实验结果的直方图具有很少的信息丢失和较好的特征保持,与遗传算法相比,信息熵提高了约0.2,AC值提高了约0.1,AG值提高了约15,本文算法在多数情况下评价指标优于改进的直方图方法。结论 通过对实验结果的直观评价与定量评价,证明与某些现有的方法相比,本文方法适用于不同程度偏灰暗的渲染图,具有较好的通用性,并能达到更优的渲染图像增强效果。     

红外图像自适应增强的模糊粒子群优化算法

针对红外图像目标与背景区分不明显、对比度低的特点,把粒子群优化算法应用到红外图像增强中,提出了红外图像自适应增强的模糊粒子群优化算法。灰度变换增强是红外图像增强的首选方法之一,而选取适当的阈值是其取得良好的增强效果的有力保证。该算法通过粒子群优化算法来寻求最大熵准则下的自适应阈值,然后用模糊灰度变换增强方法自适应地拉伸红外图像灰度,增强图像。仿真实验表明,相对于常见的直方图处理,该算法能降低红外图像中背景对目标的影响,能提高红外图像的对比度。     

基于同态滤波与Curvelet变换的钻孔图像自适应增强

针对岩石数字钻孔图像存在的光照不均、图像中岩石表面边缘细节模糊等情况,提出了一种钻孔图像自适应增强算法.对原图进行同态滤波;使用Curvelet变换分解原图与滤波后的图像,对两者的低频子带使用系数直方图匹配算法,将前者与后者的直方图进行匹配,改善光照不均的影响;对原图的高频子带使用自适应的阈值进行滤波,同时利用自适应增强函数进行增强;使用Curvelet反变换重构得到增强后的图像.实验结果表明:算法可以有效地改善钻孔图像光照不均的问题,增强图像中物体的边缘信息,在主观视觉效果和图像客观评价指标上相对于其他算法均有一定优势.     

雾天条件下的多尺度Retinex图像增强算法

在雾天条件下拍摄图像时,由于受到大气散射作用的影响,图像的颜色和对比度会出现退化现象。为了提高雾天图像的质量,提出一种改进的多尺度Retine雾天图像增强算法。首先采用幂次变换压缩图像动态范围;然后采用非线性变换对图像的高光区域进行抑制;最后采用反锐化掩模滤波消除图像模糊,增强雾天图像细节信息,并采用多幅雾天图像对算法性能进行仿真测试。仿真结果表明,改进多尺度Rctinc的雾天图像增强算法较好地解决了传统Retine算法存在的不足,加快了雾天图像增强的运行速度,使得雾天图像更加清晰化,获得了更优的视觉效果。     

A comprehensive survey on image enhancement techniques with special emphasis on infrared images

Capturing of infrared images is an easy task but perceptual visualization is difficult due to environmental conditions such as light rain, partly cloudy, mostly cloudy, haze, poor lightening conditions, noise generated by the sensors, geographical distance and appearances of the objects. To improve the human perception and quality of the infrared images for further processing like image analysis, image enhancement is an essential process. This paper provides a detailed review of various image enhancement techniques from contrast stretching to optimization methods used in infrared images. It also discusses the existing infrared image enhancement techniques as group such as histogram based methods, filter based methods, transform domain based methods, morphological based methods, saliency extraction methods, fuzzy based methods, learning methods, optimization methods and its popular algorithms also address the countless issues. Some of the existing image enhancement methods (Histogram Equlization, Max-median filter, Top-Hat transform) and infrared image enhancement methods (multi-scale top-hat transform, adaptive infrared image enhancement) are implemented along with the adaptive fuzzy based infrared image enhancement method and its obtained results evaluation is done on subjective and objective ways. From the results observed that the fuzzy based method works well for both subjective and objective evaluation. The paper aims to provide a complete study on image enhancement techniques and how they specially utilized while dealing with infrared images. In addition, the paper helps the researchers to select the suitable infrared image enhancement techniques for their infrared image application needs.

     

基于细节特征融合的低照度全景图像增强

为了提高低照度条件下采集的全景图像的视觉效果,提出一种基于细节特征加权融合的低照度全景图像增强算法.首先,利用双边滤波算法提取出图像的光照分量,并分别采用自适应伽马校正和对比度受限的自适应直方图均衡化算法对光照分量进行处理;然后,与原始光照信息进行加权融合得到校正后的光照分量,并在反射分量调整时,提出一种自适应调整函数来校正反射信息;最后,将光照分量与反射分量合并,以实现对低照度全景图像的增强.实验结果表明,所提出的算法在提高图像亮度的同时,可以增强图像细节信息,去除噪声,使增强后图像色彩信息更加丰富自然.