基于双直方图均衡算法的红外图像增强

为了抑制全局直方图均衡产生的灰度饱和和局部细节丢失的情况,提出了一种双直方图均衡算法。首先对图像的背景和前景进行分割,提出基于直方图的局部最小值和修正的K-Means聚类算法来确定图像的理想分割阈值,然后再对分割的子图分别作全局直方图均衡（Global Histogram Equalization,GHE）。对该算法进行了实验验证,结果表明,相较于GHE算法,经该算法增强后的图像峰值信噪比（Peak Signal to Noise Ratio,PSNR）提高约16.425%,结构相似度（Structural Similarity Index,SSIM）提高约14.85%。同时通过主观分析,基于直方图局部最小值和修正的K-Means聚类算法的图像分割进行双直方图均衡可以有效抑制GHE算法产生的灰度饱和和细节丢失现象。     

多尺度自校正双直方图均衡化红外图像增强

针对红外图像增强过程中容易饱和、细节丢失等问题，提出一种参数自设定的双直方图均衡化方法。根据灰度级累积概率密度黄金比例值将原始图像划分为两个独立的子图像。结合原始图像曝光度和子图像灰度级区间信息，对每个子图像的直方图进行多尺度自适应加权校正。基于校正后的直方图，对每个子图像分别作均衡化映射变换，最后合并子图像获得增强图像。在红外图像公开数据集INFRARED100上进行的测试显示，与亮度保持双直方图均衡化（BrightnessPreservingBi-Histogram Equalization,BBHE）、带平台限制的双直方图均衡化（Bi-histogram Equalization with a Plateau Limit,BHEPL）、基于曝光度的双直方图均衡化（Exposure based Sub-image Histogram Equalization,ESIHE）方法相比，所提方法增强的图像具有合适的平均对比度和更大的平均信息熵，在峰值信噪比（Peak Signal-to-Noise Ratio,PSNR）、结构相似度（Structural Similarity,SSIM）...     

多尺度自校正双直方图均衡化红外图像增强

针对红外图像增强过程中容易饱和、细节丢失等问题,提出一种参数自设定的双直方图均衡化方法。根据灰度级累积概率密度黄金比例值将原始图像划分为两个独立的子图像。结合原始图像曝光度和子图像灰度级区间信息,对每个子图像的直方图进行多尺度自适应加权校正。基于校正后的直方图,对每个子图像分别作均衡化映射变换,最后合并子图像获得增强图像。在红外图像公开数据集INFRARED100上进行的测试显示,与亮度保持双直方图均衡化（BrightnessPreservingBi-Histogram Equalization,BBHE）、带平台限制的双直方图均衡化（Bi-histogram Equalization with a Plateau Limit,BHEPL）、基于曝光度的双直方图均衡化（Exposure based Sub-image Histogram Equalization,ESIHE）方法相比,所提方法增强的图像具有合适的平均对比度和更大的平均信息熵,在峰值信噪比（Peak Signal-to-Noise Ratio,PSNR）、结构相似度（Structural Similarity,SSIM）...     

基于FPGA的实时视频增强

在图像制导应用中,针对雾霾等恶劣天气情况下形成的低对比度图像中目标跟踪稳定性不高的问题,需要对输入的低对比度视频图像进行实时增强预处理.限制对比度自适应直方图均衡算法(Contrast Limited Adaptive Histogram Equalization,CLAHE)是一种增强效果较好、计算简单且易于并行实现的方法,重点研究CLAHE算法架构以及FPGA硬件实现过程,并在Xilinx公司的Virtex-5系列FPGA硬件平台和MODELSIM仿真软件上对算法进行了时序分析、增强效果验证.通过软件仿真和实际平台测试验证,设计正确可行,在实时增强的基础上有效提高目标跟踪精度.     

保持图像亮度的局部直方图均衡算法

现有的局部直方图均衡算法用于图像的对比度增强时,输出图像的亮度与输入图像无关.由于图像增强的很多实际应用需要保持原始图像的亮度,为此提出一种新的局部直方图均衡算法.以子块部分重叠的局部直方图均衡算法 (POSHE)为基础,改进其对子块图像的均衡方式:根据亮度均值对子块图像进行递归分解,得到一系列不同灰度范围的子图像,然后对每一个子图像在其相应的灰度范围内进行直方图均衡,最后合并这些子图像的均衡结果.实验结果表明,这种局部直方图均衡新算法既能充分增强图像局部细节,又能保持输入图像的亮度,且亮度的保持程度可由用户进行控制.本文算法使所增强的图像具有更加自然的视觉效果,能更好地满足消费类电子工业对图像对比度增强的应用要求.     

一种基于区域分割的直方图均衡算法

红外原始图像对比度低，动态范围高，而且不同场景信号动态范围不一样，为了得到更好的图像效果，需要对红外图像原始数据进行灰度变换。本文针对全局直方图均衡增强算法的不足，提出了一种基于区域分割的直方图均衡增强方法。通过将图像分割成多个区域，每个区域分别做直方图均衡，然后通过线性插值对图像做像素重构，有效地改善了红外热成像系统的图像质量，对比度和图像细节信息得到很大的增强。该算法易于在FPGA中实现，且取得了较好的效果。     

基于亮度均值的动态直方图均衡算法

基于子行驱动下的图像显示因低灰阶数据的丢失造成图像对比度的下降,直方图均衡算法是一种常用的提高图像对比度的增强方法,但由于均衡化后的亮度饱和效应,增强后的图像不适于应用于电子显示设备.因此提出一种基于灰度级频数,亮度均值为强调因子的动态直方图均衡算法,在提高图像对比度的同时,保持均衡前后图像的亮度稳定性.     

基于FPGA的实时视频增强北大核心

在图像制导应用中,针对雾霾等恶劣天气情况下形成的低对比度图像中目标跟踪稳定性不高的问题,需要对输入的低对比度视频图像进行实时增强预处理。限制对比度自适应直方图均衡算法(Contrast Limited Adaptive Histogram Equalization,CLAHE)是一种增强效果较好、计算简单且易于并行实现的方法,重点研究CLAHE算法架构以及FPGA硬件实现过程,并在Xilinx公司的Virtex-5系列FPGA硬件平台和MODELSIM仿真软件上对算法进行了时序分析、增强效果验证。通过软件仿真和实际平台测试验证,设计正确可行,在实时增强的基础上有效提高目标跟踪精度。     

基于改进的MSRCR-CLAHE融合的水下图像增强算法

针对海洋复杂成像环境导致的水下图像出现颜色衰退、对比度低等问题,提出一种改进的带色彩恢复的多尺度视网膜（Multi-Scale Retinex with Color Restore,MSRCR）与限制对比度自适应直方图均衡化（Contrast Limited Adaptive Histogram Equalization,CLAHE）多尺度融合的水下图像增强算法。首先,采用带有导向滤波的MSRCR算法解决水下图像颜色衰退的问题;其次,采用带有Gamma校正的CLAHE算法以提高水下图像的对比度;最后,对经过改进的MSRCR和CLAHE处理后的图像进行多尺度融合以获得细节增强后的水下图像。实验结果表明,和其他算法相比,文中算法的峰值信噪比（Peak Signal to Noise Ratio,PSNR）平均提高了9.3914、结构相似性（Structural Similarity Index Measure,SSIM）平均提高了0.3013、水下图像评价指标（Underwater Image Quality Evaluation,UIQE）平均提高了4.7047,能实现水下图像的有效增强...     

基于改进直方图均衡的红外图像对比度增强算法

针对红外图像灰度分布集中、对比度低的特征,提出了一种基于改进直方图均衡的对比度增强算法。首先采用线性对比度增强将原始16位红外图像映射到8位图像A;然后采用改进的平台直方图均衡将原始16位红外图像映射到8位图像B;再根据输入图像的灰度级范围动态确定映射图像A和B的权值;最后以确定的权值将映射图像A和B合并,得到最终对比度增强的图像。该方法克服了传统平台直方图均衡算法噪声过大及亮度突变的缺点,动态结合了传统的灰度变换增强算法,能根据全图目标与背景灰度的分布情况自适应调整对比度。实验表明,该算法在增强目标对比度的同时有效保留了图像的整体信息,改善了视觉效果。     

基于图像序列分析的全局直方图均衡

针对传统直方图均衡算法的不足，如增强过度，均值漂移和细节丢失等，本文提出了一种基于图像序列分析的全局直方图均衡算法。受到CLAHE的启发，本文设计了两种数学模型。图像渐变模型将输入的单张图像输出为质量渐变的图像序列；再根据序列图像的统计指标，经过混合优化模型计算出最优控制参数。为了提升主观感知效果本文提出了一种直方图后处理方法，最后根据修正后的的直方图进行均衡化处理。实验结果表明:本文算法的结果图像具有较好的主观感受度和客观评价值，并且优于近年来提出的直方图均衡改进算法。      

基于分段直方图的图像对比度增强算法

在研究了图像基于灰度直方图的对比度增强算法基础上,提出一种对灰度直方图分段进行处理的技术。传统的基于图像直方图的对比度增强技术像直方图均衡化(HE)和灰度线性变换(LGT),在提高图像对比度的同时,灰度级也因此减少,导致图像中目标的不清晰,为后续图像处理带来麻烦。文中提出的分段直方图技术可避免此类问题产生。用阈值分割的方法将图像灰度直方图分为目标段、过渡段、背景段分别进行处理、再融合。该技术可以做到处理后的图像的灰度级依旧会分布整个0~255灰度区间,从而完整地保留了图像中目标和背景的细节特征,避免了灰度级合并带来的图像不生动、视觉效果差的问题,具有可操作性和细节完整的优越性。     

Bi-histogram equalization using two plateau limits

Histogram equalization is an effective method for contrast enhancement on images, but it suffers from some problems such as the tendency to change the mean brightness, loss of information and the introduction of saturation levels which causes an unnatural appearance in the resulting image. Due to the aforementioned problems, a variety of histogram equalization methods have been developed in order to preserve the image brightness, thus avoiding saturation levels that cause loss of information. In this paper, the bi-histogram equalization using two plateau limits (BHE2PL) for histogram equalization is proposed. BHE2PL divides the global histogram into two sub-histograms; then, each sub-histogram is modified by two plateau limits in order to avoid over-enhancement of the image. Experimental results indicate that the BHE2PL method exhibits a better mean brightness preservation compared to methods found in the state of the art; in addition to also presenting a reasonable computation time.     

一种改进的图像均衡化算法的研究与应用

直方图均衡化是图像增强的一种有效方法,其基本思想是调整图像的灰度分布.文章从图像的信息熵入手,提出了一种直方图均衡化的改进算法,通过对算法中调节参数的选择来获取更大的信息熵,该算法避免了均衡化过程中灰度过多合并,图像过亮等现象,改善了图像质量,实验验证了该算法更为有效.     

Contrast enhancement using feature-preserving bi-histogram equalization

A new contrast enhancement algorithm is proposed, which is based on the fact that, for conventional histogram equalization, a uniform input histogram produces an equalized output histogram. Hence before applying histogram equalization, we modify the input histogram in such a way that it is close to a uniform histogram as well as the original one. Thus, the proposed method can improve the contrast while preserving original image features. The main steps of the new algorithm are adaptive gamma transform, exposure-based histogram splitting, and histogram addition. The object of gamma transform is to restrain histogram spikes to avoid over-enhancement and noise artifacts effect. Histogram splitting is for preserving mean brightness, and histogram addition is used to control histogram pits. Extensive experiments are conducted on 300 test images. The results are evaluated subjectively as well as by DE, PSNR EBCM, GMSD, and MCSD metrics, on which, except for the PSNR, the proposed algorithm has some improvements of 2.89, 9.83, 28.32, and 26.38% over the second best ESIHE algorithm, respectively. That is to say, the overall image quality is better.     

基于非均匀有序直方图和锐化的红外图像增强

由于受到光电测量设备硬件及环境的影响,采集到的红外图像普遍存在对比度低、噪声大等缺陷。为此,提出了一种基于非均匀有序直方图和锐化的红外图像增强算法。考虑到高动态范围红外图像的特性,该方法分为两部分:首先,通过引入在有序直方图域中以恒定斜率增加的非均匀分布来增强图像对比度,并将非均匀分布直方图与输入图像的排序直方图合并于有序直方图域的优化问题,以计算修正后的直方图。其次,为了更有效处理红外图像的模糊效应,提出一种用于高频补偿滤波的相对边缘强度指标,以有效地抑制相对均匀区域中的噪声。实验测试结果表明,与传统算法和其他类似算法相比,使用所提出的方法增强后的图像细节丰富,具有更好的视觉效果和更高的实际应用价值。     

Automatic Contrast Enhancement by Transfer Function Modification

In this study, we propose an automatic contrast enhancement method based on transfer function modification (TFM) by histogram equalization. Previous histogram‐based global contrast enhancement techniques employ histogram modification, whereas we propose a direct TFM technique that considers the mean brightness of an image during contrast enhancement. The mean point shifting method using a transfer function is proposed to preserve the mean brightness of an image. In addition, the linearization of transfer function technique, which has a histogram flattening effect, is designed to reduce visual artifacts. An attenuation factor is automatically determined using the maximum value of the probability density function in an image to control its rate of contrast. A new quantitative measurement method called sparsity of a histogram is proposed to obtain a better objective comparison relative to previous global contrast enhancement methods. According to our experimental results, we demonstrated the performance of our proposed method based on generalized measures and the newly proposed measurement.     

尺度变化的Retinex红外图像增强

经典Retinex模型增强算法采用固定尺度高斯核平滑滤波,导致单一尺度Retinex无法进行全局有效增强,而多尺度Retinex权重系数选取困难,二者均不能满足视觉要求。针对以上问题,基于人眼视觉掩盖效应提出一种尺度变化高斯核平滑滤波的Retinex算法。首先利用人眼视觉掩盖效应的屏蔽函数检测像素邻域空间细节,依据像素区域细节信息丰富程度设计出尺度变化的高斯平滑滤波器,实现照度估计,最后对尺度变化高斯平滑滤波器实现提出实用方法。实验证明本文算法有效提高红外图像对比度,增强细节信息,在主观视觉效果和客观评价指标上整体优于修正对比度限制直方图均衡算法、单尺度Retinex、多尺度Retinex及平稳小波和Retinex增强算法。     

基于语义分割的红外图像增强方法

针对对比度受限的自适应直方图均衡化（contrast limited adaptive histogram equalization, CLAHE）强行分块造成的视觉不自然现象，本文提出了一种基于语义分割的红外图像增强方法。语义分割网络将整个红外图像分割成种类块而不是传统的矩形图像块。然后，每个种类块各自进行对比度受限的直方图均衡化，以减少过度增强。最后，采用了一种新的边缘过渡方法来避免种类块之间的突变。实验结果表明，本文所提出的红外图像增强方法在对比度和熵上优于其他对比算法，而且避免了传统CLAHE的视觉不自然现象，具有更好的视觉效果。