共查询到16条相似文献,搜索用时 140 毫秒
1.
利用静脉识别原理采集的静脉图像通常模糊不清、难以分辨。传统的CLAHE算法虽然能够提高静脉图像的对比度,但是会丢失图像的一些细节信息。文章提出了一种基于CLAHE和多尺度细节融合的静脉图像增强算法。首先对静脉图像进行ROI提取,采用CLAHE算法增强静脉与手背间的对比度;然后利用多尺度细节融合算法得到静脉图像的细节图,再通过均值滤波滤除细节层中的高频噪声;最后把上面两种方法得到的图像加权叠加得到细节增强后的静脉图像。实验结果表明,该方法在提高静脉图像对比度的同时保留了原图像的细节信息。 相似文献
2.
针对传统红外图像增强算法中图像对比度低、细节信息丢失与过度增强等问题,提出了一种单尺度Retinex与引导滤波相联合的红外图像增强方法。首先根据Retinex算法,利用主特征提取法获取原始图像的照射分量和反射分量,对照射分量采用平台直方图增强其对比度;然后利用局部方差加权引导滤波将反射分量分解为基本层和细节层,对两层分量的图像分别进行对比度和细节增强操作;最后将各个层次的结果按照合适的权重因子进行融合得到增强红外图像。实验结果表明,相比于其他增强算法,本文所提方法能更有效地提高红外图像的整体对比度,突出其细节特征,增强后的3组图像的信息熵和平均梯度平均值分别为9.7373和5.6922,相较于原图像分别提升了2.7499和3.8296。 相似文献
3.
针对高动态范围红外图像在压缩显示过程中容易出现对比度低、细节模糊,以及传统增强算法在处理连续多帧的红外图像时亮度跳变的问题,提出了一种基于改进引导滤波分层技术的红外图像增强算法。该算法使用改进引导滤波对图像进行分层,从而得到质量更高的原始细节层,并使用噪声掩膜技术对其去噪;基础层使用改进的直方图均衡算法提升对比度;增强后的基础层与细节层加权融合,再通过基于神经网络的自适应伽马校正得到亮度恒定的增强图像。实验表明,相较对比算法,该算法在平均梯度上提升了2.8左右、在对比度增强测量指标上提升了10左右,同时使帧间亮度方差下降到了0.1,说明该算法具有较好的细节增强效果和亮度稳定性。 相似文献
4.
5.
6.
针对雾天图像对比度低、细节模糊的问题,提出了一种自适应动态范围CLAHE的雾天图像增强算法。引入自适应参数T1和T2自动调整图像重分配的范围,对传统的CLAHE进行改进,结合同态滤波改善图像过亮、过暗区域;原始图像通过多尺度细节增强算法进行细节增强处理;将处理后的细节图像与同态滤波处理后的结果相结合,达到图像对比度和细节增强的目的。通过信息熵、局部对比度、平均梯度和运行时间4种客观评价指标对图像结果进行对比分析,主观与客观测试结果表明,所提算法可有效增强图像对比度、凸显细节信息,便于雾天图像信息的提取。 相似文献
7.
8.
针对宽动态范围红外图像在视觉效果方面出现的对比度低、细节信息不凸显及整体清晰度较差问题,本文提出了一种基于引导滤波分层的宽动态范围红外图像细节增强算法。该算法采用方差决策加权引导滤波对原图作分层,得到了更接近原图的基础层和更精细的细节层。为提高基础层的对比度,首先改进CLAHE的全局剪切点提升增强效果,然后基于AC视觉显著模型指导全局和改进局部直方图的融合,合理兼顾了图像背景和目标;为有效加强细节信息,基于多尺度加权引导滤波得到了信息更全面的新细节层,接着采用梯度域导向滤波对其消噪,再由Sigmoid函数压缩强边缘并突显细微目标,最后将两层信息融合并输出。实验结果表明,该算法在主观视觉和定量指标上均强于对比算法,且自适应强,鲁棒性好。 相似文献
9.
红外成像系统在数字化时使用14位(或16位)数据来量化一个像素,具有动态范围大、含噪多和对比度低等特点,因此在进一步处理之前往往需要进行必要的增强。目前常用的红外数据增强都是基于普通方法压缩至8位后完成,许多细节信息已在压缩过程中损失,因而增强效果有限。本文把增强过程放在从14位到8位的压缩过程中,提出一种双域滤波及改进的最值归一化对比度增强算法的红外图像增强方法。首先使用双域滤波将原始14位图像的细节部分与基本部分分开,压缩基本部分的动态范围、保留或增强细节部分,然后使用改进的最值归一化方法增强图像对比度,最终得到可以在普通显示器上处理的8位图像数据。该方法在压缩红外图像数据宽度的同时保留了细节信息,取得了良好的实验结果。 相似文献
10.
现有的红外图像存在细节模糊、边缘和纹理不清晰的问题。针对上述问题,本文提出一种基于加权引导滤波的红外图像增强方法。首先,将图像通过带转向核的多尺度加权引导滤波进行分层处理,得到多幅含有细节信息的细节层图像和基础层图像;接着,对细节层采用基于Markov-Possion的最大后验概率算法和Gamma校正算法对细节层进行增强;然后,对基础层采用限制对比度的自适应直方图均衡算法进行对比度拉伸,最后,进行线性融合得到增强后的图像。综合主、客观实验结果,得出本文方法具有良好的细节增强效果,处理后的图像边缘和纹理信息比较突出,且算法在信息熵(IE),熵增强(EME)和平均梯度(AG)3个指标都有较优的计算结果。基本满足红外图像细节得到增强,边缘纹理清晰的需求。 相似文献
11.
12.
13.
14.
15.
16.
针对在提升高动态范围红外图像中潜在或弱小目标细节的同时,还需兼顾噪声抑制、对比度增强的问题,提出了一种基于引导滤波图像分层的动态范围及细节增强算法。对背景层采用平台直方图均衡算法进行压缩,对细节层先采用中值滤波进行去噪,再采用非线性映射对细节中潜在的弱小目标细节进行增强,最后按照一定权重合并得到细节增强后的图像。综合主、客观实验结果,相对于映射类、直方图均衡、双边滤波分层增强等算法,该算法能够在动态范围压缩的过程中提高红外图像目标场景的对比度,突显其纹理特征,取得良好的细节增强效果。 相似文献