基于改进直方图均衡化和SSR算法的灰度图像增强研究

为了提高偏亮和偏暗图像的增强效果,提出了一种改进的直方图均衡化和SSR算法相结合的灰度图像增强方法.对原始图像进行改进直方图均衡化增强,提取低频分量进行直方图均衡化,与高频分量融合;对原始图像进行SSR算法增强;将得到的2个图像进行加权融合.结果表明:新方法得到的图像比原始图像细节特征突出,视觉效果明显改善;对比度和信息熵得到提高、亮度得到调整.在医学X射线图像上验证了其可行性,与其他增强算法相比,新方法更有利于图像的准确分析.     

改进的直方图均衡化算法在图像增强中的应用

在数字图像处理过程中,针对直方图均衡化算法增强图像,提出了一种改进的直方图均衡化算法,应用于图像增强。该算法结合全局直方图均衡化、局部直方图均衡化特性,利用增量式直方图均衡化,从处理方法上对直方图均衡化算法进行了改进。实验结果表明,文中提出的方法能更有效的增强图像,去除图像噪声,为后续有效的识别特征提供了基础,同时提高图像目标识别的效果。     

基于小波分频与直方图均衡的图像增强算法

传统直方图均衡化算法在增强图像的同时也丢失了图像细节、增强了图像的噪声信号,导致信息熵下降。结合小波变换多尺度、多分辨率的特点和直方图均衡的优势,提出一种基于小波分频和直方图均衡的高亮度图像增强算法。首先利用小波变换将图像分解为低频分量和高频分量,然后仅对低频分量做直方图均衡处理,再由均衡后的低频分量与各高频分量进行小波重构。实验结果表明,该算法对于亮度较高的灰度图像有较好的增强效果。     

天空区域图像的增强算法的改进

传统的子块部分重叠直方图均衡化(POSHE)算法在增强图像对比度的同时会在灰度变化缓慢的区域造成过增强效果,产生块状效应和噪声,严重影响图像质量,本文针对这一缺点对该算法进行改进,将图像中灰度变化缓慢的天空区域从图像中分离出去,对分离出的天空区域进行全局直方图均衡化处理,对分离后的图像进行局部直方图均衡化处理。通过Matlab仿真实验可以证明本文算法不仅可以增强图像的对比度,还可以加强图像的整体和细节信息,有效防止过增强并抑制噪声,使图像的质量和视觉效果都得到提高。     

一种基于双阈值红外图像增强新算法

针对红外图像的特点,提出了一种基于双阈值的红外图像增强算法.首先利用第一类灰度阈值,将图像分割成感兴趣的目标区及背景区两部分;然后根据各区域的特点,提取两部分局部直方图,并根据第二类阈值对各部分使用不同的算法进行修正,最后基于各自修正的局部直方图,在两部分灰度空间范围内进行直方图均衡化.实验表明,该算法克服了直方图均衡化对背景和噪声增强过度的问题以及基于直方图单一阈值的增强算法不具有普适性等缺点.实验证明,该算法对红外图像增强后,图像对比度和信噪比都大幅提高,具有较强的实用价值.     

一种新的红外图像自适应增强算法

针对红外热图像普遍存在的目标与背景对比度差、边缘模糊等特点,提出了一种新的红外图像自适应增强算法.通过自适应地选择平台阈值,对红外图像进行平台直方图均衡化,有效抑制了背景的过度增强,避免目标灰度级的过多合并,提升了目标的灰度空间,获得了很好的增强效果.实验结果表明,本算法优于直方图均衡化算法,可有效地突出红外目标.     

红外图像自适应逆直方图增强技术

在红外图像中,传统直方图均衡图像时细节像素容易被大量的背景像素淹没,导致图像产生过亮、过暗等现象。基于这样的状况,提出一种自适应逆直方图均衡化细节增强算法。该算法通过逆向统计、自适应选取阈值以及分段映射来增强图像细节。相比于传统直方图均衡化算法,逆直方图均衡化算法明显改善了图像在不同灰度层分布的视觉效果,使图像的不同区域亮度得到不同程度的增强。而且该算法在能够达到更好的图像处理效果的前提下仍然能够通过优化计算方法保证实时性,高效性,并且适合在FPGA硬件移植中采用。     

基于直方图均衡的图像增强及其FPGA实现

直方图均衡是一种简单且有效的图像增强技术。它以概率论为基础,运用灰度点运算来实现直方图变换。本文对直方图均衡算法进行了分析,在此基础上提出用FPGA来实现直方图均衡的算法,并给出了具体的实现步骤。该方法可以快速准确地对图像进行均衡化,整个系统处理一帧数据的时间约为17ms。结果表明,该方法达到了提高图像对比度和图像质量的预期目标。     

基于快速模糊聚类的动态多直方图均衡化算法

为了提高直方图均衡化方法对不同亮度图像的适用性,提出一种基于图像聚类的动态多直方图均衡化算法.采用基于直方图加权的模糊C-均值聚类算法对图像进行快速聚类,并采用聚类质量评价指标确定最佳聚类个数.对于每个子图像的直方图,以像素数量均值作为幅度极值进行裁剪,根据原有灰度区间与像素占比重新分配动态范围.基于裁剪的直方图对每个...     

红外夜视图像自适应增强系统设计

提出了一种高效的红外夜视图像增强系统.该系统主要由小波变换预处理、低频子带增强和高频子带增强三个处理流程组成.预处理过程将图像分解为低频主要信息和高频细节信息.根据红外夜视图像的特点,对低频信息进行自适应动态范围扩展,扩大了图像暗区主要内容的灰度层次.利用高频子带的方向性,对高频系数进行纹理保护高斯滤波,并对滤波后的系数进行噪声抑制边缘增强.实验结果表明,本文算法不仅在主观视觉方面的表现超越了直方图均衡化算法,且离散信息熵提高了48％ ～ 58％,噪声指数仅为直方图均衡化算法的5％,满足人眼观察和智能图像分析检测的要求.     

基于分形理论的改进型二维最大熵红外图像分割算法

提出了一种基于分形理论的改进型二维最大熵红外图像阈值分割算法。该算法利用图像分形维数挖掘像素的空间分布信息,然后将原图像灰度及其分形维数映射图像灰度相结合组成二维随机向量,并构造出联合离散概率分布。在此基础上,以二维最大熵原则来确定一个最佳二维分割阈值,进而取得分割结果。实验结果表明,该算法在分割效果上优于传统的二维最大熵分割算法。     

基于单元信息熵矢量特征的图像匹配跟踪算法

由于图像信息熵只与图像中的图像像素点值的数目有关,而与像素点的位置信息无关,即图像信息熵不能很好地反映图像间的形状差异。本文提出了基于单元信息熵矢量特征的图像匹配跟踪算法,解决了熵相同而形状不同的问题,利用单元信息熵矢量间的距离相关性来完成图像的匹配跟踪。因此该算法不仅具有抗噪能力,而且具有良好的抗辐射失真和抗几何失真的能力。仿真试验表明：在辐射失真情况下,该算法具有稳健的匹配跟踪能力。     

灰度拉伸Retinex 在大动态范围烟雾图像增强中的应用

为解决Retinex 算法不能有效增强大动态范围烟雾干扰图像的问题,分析了影响其增强效果的原因并提出了一种自适应灰度拉伸Retinex 算法。该算法建立了烟雾区域灰度估计数学模型,通过计算图像的局部动态范围和信息熵,自适应地估计烟雾干扰区域的灰度范围并进行灰度拉伸,采用不同尺度的Retinex 对各区域进行处理,得到最终的增强图像。实验表明,该算法能够在全局动态范围较大时增加图像的信息熵,对低对比度烟雾干扰区域有明显的增强效果。     

基于三角函数变换与IRDPSO优化的图像增强算法

针对复杂环境下如阴天、雾天、夜晚、光照较弱等条件下拍摄的图像存在对比度不足、整体偏暗等问题,提出了一种基于三角函数变换与改进随机漂移粒子群算法的图像增强算法。该图像增强方法主要包括四个步骤,首先将彩色图像转换为灰度图像,然后对灰度图像利用三角函数变换提高对比度,然后再对图像进行拉布拉斯算子增强,最后再对图像进行色彩恢复。为了提高算法的自适应性,针对三角函数变换中的参数、以及拉布拉斯算子模板的参数选择问题,将改进随机漂移粒子群算法(IRDPSO)与图像增强算法结合,利用信息熵和图像标准差构造适应度函数,对参数进行寻优。将该方法与其他四种算法进行比较。实验结果表明:文中算法简单,增强后的图像信息熵值、标准差值均较大,图像颜色失真度小,增强效果均比其他几种算法好,提高了图像的质量和对比度。     

基于小波变换的EMCCD微光图像融合算法

由于增益水平的不同,电子倍增电荷耦合器件图像所显现的图像内容不同,且图像动态范围极窄、对比度低、图像整体偏暗或模糊发白。为了提高微光图像动态范围及对比度,采用将不同增益水平的微光图像进行融合的算法,即先获取两组同场景但增益不同的微光图像,再对小波分解后的微光图像选择不同的融合规则,最后通过小波变换实现图像融合,得到了高质量的融合图像,并取得了融合图像的信息熵、标准差、平均梯度等性能指标数据。结果表明,该融合算法能使得融合后的图像同时包含低亮度景物和高亮度景物,达到了增大微光图像的动态范围及对比度的目的,有效改善了微光图像的质量。     

基于多尺度对比度塔的图像增强新算法

传统图像增强算法对灰度级比较分散、细节信号分布在整个灰度级空间的图像难以取得令人满意的效果,而且往往在增强图像的同时也使图像的噪声得到了提升。在此针对传统图像增强技术的缺点,提出了一种新的图像增强算法。该算法采用高斯窗口函数对图像进行变换,并通过构造多尺度对比度塔来对图像进行增强。实验结果表明该算法在灰度分散的情况下同样能有效地对细节信号进行增强,同时对图像中的噪声信号也有较好的抑制作用。     

基于APSO的盲源分离算法在盲图像分离中的应用

利用独立分量分析(ICA)的自适应粒子群(APSO)算法对因传输等过程而引起的多幅灰度图像混叠进行盲分离,针对图像盲分离提出了一种基于改进的APSO的盲源分离算法并将其应用于分离模糊灰度图像。利用峰度和负熵分别作为粒子群算法的第一和第二适应度函数根据其高斯性原理作为独立性判别标准对分离矩阵进行自适应更新。分析比较不同盲分离算法对图像分离的收敛性,仿真结果证明改进的自适应粒子群算法能够很好地分离图像且计算性能指标优越,收敛效果好。     

基于DCT域的菱形编码图像隐写改进算法

为提高嵌入秘密图像的信息量和嵌入后载体图像的质量,在行程编码、菱形编码和DCT域的基础上,提出了基于DCT域的菱形编码图像隐写改进算法.采用菱形编码有效地提高了嵌入率,对JPEG标准化量化表进行了改进,更有利于秘密信息的嵌入.对行程编码进行了改进,使秘密图像的压缩效率更大.经过与F5隐写算法对比实验表明,F5隐写算法只能嵌入一幅尺寸为64×64的灰度图像,而改进算法能够嵌入一幅尺寸为240×240的灰度图像,且PSNR＞ 30 dB,大大提高了加密信息的嵌入量,并保持了嵌入后载体图像的质量.     

CONSIDERING NEIGHBORHOOD INFORMATION IN IMAGE FUZZY CLUSTERING

Fuzzy C-means clustering algorithm is a classical non-supervised classification method. For image classification, fuzzy C-means clustering algorithm makes decisions on a pixel-by-pixel basis and does not take advantage of spatial information, regardless of the pixels' correlation. In this letter, a novel fuzzy C-means clustering algorithm is introduced, which is based on image's neighborhood system. During classification procedure, the novel algorithm regards all pixels' fuzzy membership as a random field. The neighboring pixels' fuzzy membership information is used for the algorithm's iteration procedure. As a result, the algorithm gives a more smooth classification result and cuts down the computation time.     

周视红外成像搜索系统中的实时目标检测方法

在周视红外成像的预警搜索系统中,大视场下红外图像的背景成分十分复杂;与此同时,高分辨成像使得图像数据量也急剧增加。针对周视成像系统中红外图像的特点,提出了一种基于分块图像加权熵值矩阵的快速目标提取算法:首先根据大视场下红外图像的空间分布特性,对原始图像建立子图像块矩阵;然后提出一种加权熵的特征判别函数,建立子图像块的加权熵值矩阵;最后分析了基于加权熵矩阵自适应阈值选取方法,对背景进行分类并快速提取目标兴趣区。实测数据结果表明:该算法流程是一种适合大视场条件下的有效目标检测算法,且具备良好的工程应用性。