低对比度图像增强算法研究

低对比度图像具有灰度范围较窄、相邻像素的空间相关性高、灰度变化不明显等特点.文中对低对比度图像的增强问题进行研究,分析了传统增强算法对比度增强的实质和进行低对比度增强时存在的问题,针对存在的问题,在对图像二维直方图特性研究的基础上提出一种有效的解决方法,并通过实验证明了算法的有效性.     

面向低照度图像增强的双曝光融合处理算法

图像增强技术能够有效地提高低照度图像能见度.针对现有图像增强方法引入的对比度过度增强和欠增强的问题,文中提出了面向低照度图像增强的双曝光融合处理算法.利用照度估计技术得到图像融合的权值矩阵,通过摄像机响应模型合成双曝光图像,找到最佳曝光率使合成图像在曝光不足的区域曝光良好.根据权值矩阵将输入图像与合成图像融合,得到增强...     

一种有效的低对比度水下图像增强算法

针对水下图像光照不均且对比度低的问题,提出一种新的水下图像增强算法。该算法首先利用去背景法获得照明均匀的前景图像;然后对传统的Butterworth同态滤波器进行改进,提高其高频增益并与相角结合,使得前景图像经改进的Butterworth同态滤波器滤波后,低频成分得到很好的抑制而高频成分被有效放大,从而获得高对比度的水下图像。实验结果表明,与其他算法相比,本文算法能有效地提高图像对比度。     

弱小目标低对比度图像增强算法研究

采用分段线性变换对白天亮背景下低对比度图像序列进行对比度增强,最关键的是分 段点的选取。提出两种分段点确定方法:多尺度逼近利用目标和背景的灰度值在不同尺度空间中具有不同动态特性的特点,逐次逼近,通过找出目标和背景的过渡区域得到分段点;恒增强率方法确定一个固定的增强率,在直方图中由高到低找出满足该比率的灰度值作为分段点。两种方法均简单易行,试验证明它们能准确地对分段点进行定位,从而有效地增强了图像的对比度。     

基于机器视觉的低背光条件下智能视频监控系统

为解决视频监控系统在低背光亮度条件下视频图像显示清晰度下降的问题,设计基于机器视觉的低背光条件下智能视频监控系统。视频图像采集子系统通过一体化摄像机采集视频图像,该种视频图像信号通过A/D转换器转换成数字信号传输到视频图像处理模块后,通过低背光条件下的图像增强算法,将RGB颜色空间图像转变为YIQ颜色空间,依照视频图像亮度平均值判断溢出点的值,依据该值在整体上动态调节视频图像亮度补偿的强度后,转变回RGB颜色空间图像,并通过Michelson对比度运算过程,增强亮度补偿后视频图像的局部对比度。视频图像管理子系统,在ARM核与DSP核的控制下,根据增强后视频图像数据,采用行为模式判断方法进行目标检测、分析、定位与跟踪等管理与控制。实验结果表明与对比系统相比,该系统对于低背光条件下的视频图像处理效果更好,且视频图像压缩性能和目标定位精度均存在显著优势。     

低照度环境下图像增强算法的FPGA实现

在低照度环境下,通用的图像传感器普遍存在成像效果不佳的情况,因此采用图像增强算法来提升图像对比度就显得尤为重要,然而大多数图像增强算法都是针对静态图像进行增强.为此,基于现有的图像增强算法,提出了一种改进的基于图像去雾的图像增强算法架构,该架构不仅利于FPGA实现,而且能够较好地增强视频的显示效果.测试结果表明:该算法占用FPGA资源较少,能够实时处理1080P 60 f/s的视频且增强效果良好.     

非均匀光照下的车牌图像分割算法

为了克服非均匀光照对车牌图像分割效果的影响,提出了一种新的光度补偿插值算法,将子图像的平均灰度值作为中心相对照度,并且利用插值算法得到子图像边缘照度,将非均匀光照的车牌图像转变成均匀光照图像,进而利用Otsu算法对均匀光照车牌图像进行分割。实验结果表明,该算法对非均匀光照图像分割精度高,运算速度快,具有更加理想的分割效果。     

低对比度图像分割算法研究

在分析图像分割算法的基础上，针对灰度随机分布的低对比度图像．提出采用空间区域方差和灰度区域方差进行图像增强和灰度分区。实验结果表明该方法能有效地实现低对比度图像的分割。     

基于小波变换的低对比度图像增强

针对传统算法存在噪声过增强的问题,提出了基于小波分析的图像增强算法。在小波变换多尺度分析的基础上,算法对图像多尺度分解得到的小波系数进行缩减去噪,然后在不同尺度上对各分解系数进行不同程度的增强;对同一尺度的系数进行非线性处理以增加对比度;增强低频子带图像的对比度以保证整体的增强效果。实验表明,该算法能有效地增强低对比度图像,减小了噪声的增强幅度,使结果图像具有很好的视觉效果。     

用于TFT-LCD的大功率LED侧式背光系统

用蓝光激发黄色荧光粉发出的1W大功率白光LED作为TFT-LCD背光光源,LED左右两侧各12个以13.2mm等间距排列;采用由反射率为95%的反射镜构成的光学腔代替传统复杂的导光系统进行导光,仅仅用反射镜将LED发出的光导入液晶面板底部,减少了背光结构的复杂程度;利用光学模拟软件Tracepro对设计的侧式背光系统的LED阵列位置及反射镜位置等参数进行模拟优化,设计了可应用于26.4cm(10.4in)TFT-LCD的大功率白光LED侧式背光源系统。经过优化的背光系统,其亮度均匀性和光利用率分别达到87%和74%,背光系统的几何尺寸为292mm×164mm×20mm。     

大尺寸TFT-LCD电视的彩色和图像增强

最近几年，薄膜晶体管液晶显示器（TFT-LCD）技术取得了快速而显著的．进步，其性能超过了PDP、CRT以及投影显示。毫无疑问，TFT-LCD已经成为高清电视应用的最佳实现方案。本文将介绍进一步增强大尺寸LCD电视的彩色和图像性能的技术。     

大尺寸TFT-LCD电视的彩色和图像增强

最近几年,薄膜晶体管液晶显示器(TFT-LCD)技术取得了快速而显著的进步,其性能超过了PDP、CRT以及投影显示。毫无疑问,TFT-LCD已经成为高清电视应用的最佳实现方案。本文将介绍进一步增强大尺寸LCD电视的彩色和图像性能的技术。     

水下彩色图像的亮度通道多尺度Retinex增强算法

水体散射使得水下光电成像所获得的图像存在较为均匀的散射光分布,降低了水下图像的清晰度和可观察景深,减小水体散射光的影响是提高水下光电成像质量的重要途径.论文基于Retinex理论,将水体散射效应等效为环境光照的变化,通过水下彩色图像亮度通道下的多尺度Retinex( MSR)算法处理,有效地减小水体散射效应,提高所获图像中水下目标的真实性.实验表明,MSR算法能对含有不同程度水体散射效应的水下彩色图像进行全局视觉效果提升,更清晰地突出物体的细节并获得较鲜艳的色彩表现.     

基于形态小波变换的低对比度图像增强算法

针对传统的图像对比度增强方法所存在的一些问题,提出了一种基于形态小波变换的图像增强算法.首先,将低对比度图像采用基于提升格式的形态Haar小波进行小波变换,得到小波系数,该小波变换实现结构简单,计算量低,并且有利于图像重要的几何信息在低分辨率空间中的保留.然后,对低频子带小波系数,采用直方图双向均衡方法进行调整,对高频子带小波系数进行基于软阈值滤波的细节系数增强,将调整后的小波系数反变换到空域上,得到增强后的结果.最后,给出几种增强算法实验结果的比较和分析,表明该算法对低对比度图片的增强是非常有效的,可以有效地增强图像的细节信息,保持图像的边缘特征,改善图像的视觉效果.     

一种低对比度红外图像增强方法

简要介绍了图像增强方法,分析了海军靶场红外图像的特点,并提出了相应去除噪声和图像增强方法。海军靶场红外图像具有动态范围小、噪声多、对比度低的特点。在图像增强处理时,将多幅背景均匀的红外图像进行统计平均得到背景噪声,通过图像点运算消除背景噪声,用灰度修正的方法完成图像增强处理,取得了较好的图像视觉效果。用该算法对靶场现有低对比度图像进行增强处理取得了较好的结果,验证了算法的有效性。     

适用于小尺寸TFT-LCD的图像锐化算法及其硬件实现

针对小尺寸TFT-LCD驱动控制芯片的结构特点,提出了一种适用于小尺寸TFT-LCD的新型图像锐化算法.在传统的反锐化掩膜算法中考虑了人眼的视觉系统特性,加入了能量色散滤波器,进而提高了图像锐化效果,降低了锐化噪声,减小了灰度溢出,同时也避免了色彩失真现象.所提出的算法简单且易于硬件实现,硬件开销小,还可以通过寄存器配置锐化强度等参数,以实现显示画质的优化和微调,尤其适应于手机等小尺寸TFT-LCD显示终端应用.     

一种自适应红外图像对比度增强算法

针对红外图像对比度增强的问题,提出了一种新方法。首先对直方图去冗余与灰度线性拉伸,然后利用最小误差阈值法将图像分割成两部分,结合平台直方图与双直方图均衡化,在每部分单独使用平台直方图均衡化。为了提升算法的自适应性,对分割后各部分进行直方图对数变换代替平台阈值的选取。实验表明,该算法效果较好,且完全自适应,适用于多种红外图像。     

一种红外图像自适应对比度增强算法

针对红外图像灰度分布集中、对比度低的特征,提出一种自适应对比度增强算法.首先,通过统计灰度分布判断目标状态类型;其次,利用目标状态更新图像增强系数;最后,根据增强系数进行灰度去冗余均衡处理.与传统直方图均衡相比,算法能根据目标强弱状态自适应调整对比度.实验表明,它在增强目标对比度的同时有效保留了图像整体信息,较好改善了视觉效果.     

基于亮度反馈的彩色雾霾图像增强算法

针对目前主流去除雾霾算法采用亮度和色度分量分而治之的机制,割裂了二者固有的相关性,致使增强后图像质量不能两者兼顾的问题,本文以人眼视觉特性为依据,提出了一种亮度反馈的增强方法.该方法首先对亮度信息进行区域适应性调整,并对其细节和边缘进行提升,然后将该结果纳入色度信息处理的约束条件,较好的保持了两者间的相关性.实验表明本文算法在去除雾霾后视觉效果优异,具有较好的实用性和较少的计算资源消耗.