基于人的视觉特性的图像增强技术

由于某些原因造成图像模糊不清时,通过图像增强技术还其本来面目就显得十分重要。提出了一种基于人的视觉特性的图像增强技术,该算法是对基于局部边缘检测算法的改进,能够有效地增强整个图像的对比度,增大图像的动态范围,并且依据人眼视觉特性。分析了图像增强的关键技术, 给出了实现图像增强的算法,并通过C++编程实现了对图像的增强处理。经实验验证,该方法能较好地改善图像质量,具有良好的效果。     

仿生偏振光检测系统的设计与实现

提出一种基于人眼视觉特性的红外图像增强算法。该算法采用符合人眼感知特性的LIP(Logarithmic Image Processing)模型, 并根据人眼视觉在图像变化区域比平滑区域敏感, 使用幂次变换方法对图像的高频和低频成分分别进行增强处理。实验结果表明: 所提算法相比传统算法能够有效增强图像细节信息,提高图像对比度, 明显改善红外图像的视觉效果。     

基于人眼视觉特性的红外图像增强算法

提出一种基于人眼视觉特性的红外图像增强算法.该算法采用符合人眼感知特性的LIP(Logarithmic Image Processing)模型,并根据人眼视觉在图像变化区域比平滑区域敏感,使用幂次变换方法对图像的高频和低频成分分别进行增强处理.实验结果表明:本文相比传统算法能够有效增强图像细节信息,提高图像对比度,明显改善红外图像的视觉效果.     

基于归一化标量权重映射的图像增强算法研究

文章阐述了图像对比度增强算法的基本方法,分析了几种具有代表性的图像增强算法不同之处,主要包括基于直方图均衡化图像增强算法、基于小波变换的图像增强算法以及和基于人眼视觉特征的图像增强算法,提出定义图像对比度度量模型和亮度度量模型的方法来解决目前算法中存在的一些问题。     

结合人眼视觉特性的红外图像增强新技术

红外图像具有边缘模糊和对比度较低的缺点,不适合人眼观察,所以要对其进行增强.但是现有的增强方法没有考虑人眼的视觉特性,视觉效果不好.提出基于小波的多分辨分析方法和Retinex图像增强算法相结合的红外图像增强方法,对红外图像不同的高频细节进行有针对性增强,同时用Retinex算法把人眼的视觉特性融入其中,能够使得增强的红外图像光照均匀,亮度适中,更适合人眼观察.算法既增强了图像的细节,又增强了图像的对比度,实验证明:该方法解决了红外图像低对比度和细节模糊的问题.     

基于人眼视觉的红外图像增强算法研究

红外图像具有低对比度、噪声大、动态范围大以及视觉效果差等特点。传统的图像增强算法具有各自的局限性,处理后的视觉效果并不理想。为了改善红外图像的视觉效果,增强图像中目标的识别力,研究了基于人眼视觉特性的Retinex算法,结合红外图像的成像机制,将适用于可见光图像的Retinex增强算法应用于红外图像,取得了良好的视觉效果。在此基础上,对算法进行自适应改进,提出了AMSR算法。采用几种传统的图像增强算法和基于Retinex的算法对具有典型特性的红外图像进行增强处理,并计算客观评价指标。通过对实验结果的主观评价和客观指标分析,验证了AMSR增强算法对红外图像具有适用性和优越性。本文的研究工作对红外目标探测和识别具有重要的意义。     

基于人眼视觉特性的无人机红外图像增强研究

线性灰度变换方法增强无人机红外图像时,忽略了人眼辨别图像灰度的能力,增强后的红外图像辨识效果差,为此,提出基于人眼视觉特性的无人机红外图像增强方法。基于人眼辨别灰度的特性,在高低灰度区域拉伸灰度间隔、中间灰度区域缩短较大灰度级间隔,由此构建非线性灰度变换模型调整图像灰度;基于对数隶属度函数变换红外图像转至模糊域,对红外图像反复做非线性变换,增强图像边缘信息;基于加权平均融合法融合2种方法增强后的红外图像,得到最终的无人机红外图像增强结果。经测试,该方法增强后的红外图像灰度、亮度适中、边缘效果增强,对比度增益增幅较大。     

基于人眼亮度阈值特性的图像增强算法

结合人眼视觉特性,提出一种面向人眼视觉的图像增强算法。在保持原图像所有像素灰度大小关系不发生倒序的前提下,以人眼可分辨的像素对数作为目标函数。为使目标函数实现最大化,首先根据人眼亮度阈值特性测试指定显示器的人眼最多可分辨的灰度级数;然后结合图像本身的灰度级数与人眼最多可分辨的灰度级数使用一种动态规划灰度级合并算法,使得灰度合并后图像中包含的灰度级数不多于人眼最多可分辨灰度级数;最后对合并后的灰度按人眼视觉亮度阈值特性做一一映射。本文算法充分考虑了图像观测过程中人眼感知与显示器显示亮度,具有明确的目标函数,图像增强效果优于目前常用算法。     

非致冷红外枪瞄实时图像增强算法研究

针对提高红外枪瞄图像增强的实时性提出了一种算法,用连续帧累加平均抑制噪声,用灰度直方图的非线性拉伸增强灰度对比度.这种算法综合考虑了图像特点和人眼的视觉特性,易于在硬件上实现,而目标增强效果不变.最后用图像质量评估模型评估增强后的图像清晰度,说明该方法适于中远距离红外枪瞄图像使用.     

基于HVS可见光侦察图像增强方法研究

针对因外部和内部原因造成的可见光侦察图像模糊、对比度低等问题,提出了一种基于人类视觉系统(HVS)的图像增强方法。在LIP模型基础之上,应用正交Prewitt算子自适应获取图像的梯度图像,根据人眼视觉特性和图像特征计算图像增强参数,这样既具有抑制噪声的能力,又可增强和保留图像的细节信息,而且易于实时实现。实验结果表明,增强后的图像颜色、亮度、对比度适中,更适合人眼观察。     

基于形态学的可变权值匹配自适应图像增强算法

为了精确提取图像的细节特征,改善图像增强的效果,该文提出了一种基于形态学的可变权值自适应增强算法。通过构造扩展全方位多尺度结构元素,并进行top-hat变换,分解了图像不同方向不同尺度的细节。该文打破了传统形态学增强算法中各方向细节取均值融合的思想,实现了根据图像的局部灰度特性,动态调整各方向不同尺度细节的权值。在图像增强过程中,根据提取到的细节的结构化特征,构造相应的自适应增益函数,从而实现图像的自适应增强。实验结果表明,该算法能较好地利用图像的自相关性,比传统的形态学增强方法更有效地突出图像的细节信息,且能抑制噪声的放大。     

基于小波变换与像元对目标的短波红外图像增强算法

弱光夜视是短波红外成像的重要应用领域之一。针对短波红外弱光图像对比度低,增强后噪声也被放大的特点,提出了一种基于小波变换与像元对目标的短波红外图像增强算法。首先通过小波变换获得不同频率成分的子带图像;然后对低频子带图像进行基于像元对目标的灰度变换处理,对高频子带图像进行可变阈值降噪处理;最后通过小波反变换将处理后的子带重构得到增强结果。将该算法与基于直方图的增强算法,全局优化线性窗口色调映射算法和自然保持增强算法进行比较,采用图像的信息熵和基于Michelson法则的对比度增强度量作为客观评价指标,结果表明本文算法更为有效地提高了短波红外弱光图像的对比度,抑制了噪声的增强,提升了图像的视觉效果。     

暗背景下低灰度图像的实时增强

灰度图像由于光照等原因往往存在着较暗区域,并且这些区域的图像细节无法直接识别。针对这种现象,提出了一种基于局部统计增强的改进算法,并有效结合子块部分重叠的思想,实现了暗背景下低灰度图像的实时增强。与传统直方图均衡化增强方法相比,该方法保留了较亮区域的视觉特性,且对噪声的增强相对较弱。在TMS320DM642实时图像处理系统上的验证结果表明,该方法能取得非常好的显示效果,并且处理时间为每帧8ms左右,完全满足实时性要求。     

基于FPGA的红外图像细节增强算法设计与实现

双边滤波算法是一种有效的红外图像细节增强算法,具有保边去噪的效果。但由于算法运算量大,在红外视频图像处理中较难实现。本文提出了一种双边滤波+平台直方图均衡的红外图像增强算法的FPGA实现方法,选用Xilinx Virtex-5系列芯片,采用流水线和并行处理技术,能够在40 ms内完成一帧640×480的14位图像的处理,有效提升红外图像的清晰度和对比度,并满足视频图像处理算法的实时性要求。     

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。     

一种小波变换的小波系数均衡图像增强算法

介绍了几种经典的图像增强算法,依据经典直方图均衡化算法思想,提出了在小波变换下的小波系数均衡化图像增强算法,并给出了计算步骤。与经典直方图均衡化算法、同态滤波实验结果相比较,表明提出的算法可有效增强图像、抑制噪声。     

基于PDE的非线性图像去噪与增强

应用偏微分理论,提出一种改进的基于偏微分方程的非线性图像去噪与增强方法,对传统的P-M非线性扩散模型进行改进。首先将图像变换到梯度域,然后通过改变梯度域扩散函数来达到去噪和增强的目的。与以往的时域和频域图像去噪方法相比,本文方法不仅能有效去除噪声,还能很好地保留图像的纹理细节。文章采用有限差分法将偏微分方程离散化,并结合热方程简化计算复杂度,从而实现简单快速的计算过程,为实时的图像去噪与增强处理提供保证。     

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.     

基于线列红外探测器的图像增强算法研究

针对线列红外探测器扫描成像特点,提出了一种基于平台直方图统计的红外图像增强算法。仿真结果表明,该算法能够校正扫描型热像仪由盲、闪元引起的黑白道,提高图像的对比度,修正全局灰度等级,锐化图像中的边缘细节,对扫描成像系统的红外图像具有较好的增强效果。     

PCNN和Otsu理论在图像增强中的应用

提出了基于改进的脉冲耦合神经网络(PCNN)与Otsu的图像增强新方法。该方法对PCNN进行了改进,而用改进后的PCNN进行图像去噪处理,继而用Otsu方法寻找最佳灰度阈值后进行图像增强。仿真实验表明,该方法滤波后信噪比(PSNR)为18．9305,而高斯滤波为5．4087;同时又能根据图像灰度性质自动选取最佳阈值,并对自适应分割后图像进行不同的灰度变换,使图像得到有效增强。仿真结果证明了该方法的有效及合理性。