基于随机分布的局部直方图均衡算法

针对现有的局部直方图均衡算法存在自适应性较弱、容易导致过增强等缺陷,本文提出了一种基于随机分布的局部直方图均衡算法。该算法首先建立随机分布模型,在图像中选取随机子图;然后采用保持亮度的双直方图均衡算法对这些子图进行增强;最后融合各个子图得到最终增强结果。实验测试结果表明,本文算法自适应性强,能够在保持均值亮度、减少过增强的基础上增强局部细节,增强后的图像具有较好的视觉效果。     

一种新的边缘保持局部自适应图像插值算法

为了尽可能降低噪声的影响和保持图像的边缘信息,提出了一种新的边缘保持局部自适应图像插值算法。算法首先对分割成部分重叠的各子图像进行整数小波变换,然后对于高频子带进行逐点BayesShrink阈值去噪和中值滤波去除高斯和椒盐噪声,同时对于低频子带进行亮度保持的直方图均衡增强图像的对比度,最后根据自适应阈值Canny边缘检测将子图像划分为平坦和边缘区域,分别进行施用双线性插值和非线性插值。实验结果表明,MBW图像插值算法得到的插值图像有较好的主观图像质量,其峰值信噪比(PSNR)比传统方法平均提高了2.23～2.96dB。     

结合引导滤波和非线性二阶特征的色调映射方法

为提高图像的可视化效果,增强图像的局部细节信息,提出一种结合引导滤波和非线性二阶特征的色调映射方法,首先提取输入图像的亮度信息,利用引导滤波器对亮度图像进行多尺度分解,得到基本层和细节层图像,其次,通过引导滤波方法构造细节层的权重图,对基本层利用Hessian矩阵构造一种非线性二阶特征,再通过引导滤波方法构造基本层的权重图,最后,根据权重图对分解后的基本层和细节层图像实现亮度图像的重构,然后恢复亮度图像的色彩信息,获得最终的结果图像。实验结果表明,该方法较为完整的保留源图像的局部细节信息,具有良好的视觉效果。本文将Hessian矩阵用于提取基本层图像的高频信息,可以更好地突出图像的边缘信息,丰富图像的细节特征。与对比算法的客观指标相比,该方法的质量分数提高了11.28%,结构保真度提高了10.82%,自然相似性提高了186.46%。     

应用参数化对数模型增强图像细节及对比度

传统红外图像增强方法由于未考虑人眼视觉特性而存在"超区间值",故极易丢失图像细节。本文结合对数图像处理（LIP）理论,提出了基于参数化对数模型（PLIP）的平台直方图均衡图像增强方法。该方法首先将图像变换为灰度色调函数;然后应用PLIP模型对变换后的图像进行重建,结合平台直方图均衡化来增强图像的对比度和细节信息,并利用图像评价函数（EMEE）与信息熵（En）确定模型的参数值。最后,研制了算法硬件平台,分别用中波和长波红外成像系统对算法进行了实验验证。实验结果显示：该方法对不同场景的图像均可取得很好的增强效果,图像的EMEE值比传统的平台直方图均衡算法提高至少5倍以上,对改善图像质量和视觉效果具有实用价值。     

基于约束PDF的均衡直方图图像增强技术

均衡直方图是一种简单的图像对比度增强技术.然而,它往往将图像平均亮度调整到中等灰度级别水平,是以图像质量损失为代价的.提出了一种基于传统均衡直方图算法的智能对比度增强技术一基于约束概率密度函数的均衡直方图图像增强技术.这种对比度增强技术,克服了传统均衡直方图技术对图像带来的质量损失问题.该算法原理为,在均衡直方图算法执行前,首先采用约束算法对图像的概率分布函数进行修改.经过与其他图像增强技术进行实验对比,这种方法对图像增强过程提供了方便有效的控制机制,且适应不同类型的图像.     

基于Red-Black小波变换的多光谱图像融合方法

针对张量积小波在多光谱图像融合中的不足,提出了一种基于Red-Black小波变换的多光谱图像和高空间分辨率全色图像融合方法.首先对多光谱图像进行IHS变换,将得到的亮度分量和高空间分辨率全色图像进行直方图匹配,并分别作多尺度Red-Black小波分解,然后对低频部分采用加权平均、高频部分采用替代的融合算法对分解子图像进行融合,最后对融合后的各级子图像进行Red-Black重构和IHS逆变换得到融合结果图像,采用客观性能指标对融合结果图像进行了评价.实验结果表明,该方法有较好的融合效果,其保持光谱质量和空间分辨率信息的能力比基于IHS变换融合方法、基于DWT的融合方法和基于IHS-DWT的融合方法都强.     

基于小波变换的图像数据融合方法

提出一种基于小波变换的图像数据融合方法.原始图像经过小波变换,分解成亮度子图像和边缘子图像,对分解后的子图像进行分块处理,根据局部区域方差准则计算融合系数,对每个子块图像进行数据融合,最后重建图像.实验结果表明,本文方法具有很好的一致性.     

融合Retinex框架对电子内镜图像的增强

针对目前图像增强算法对于电子内镜图像光照不均匀、低照度区域边缘细节不明显以及高噪声等问题的局限性,设计了一种用于电子内镜图像的融合低噪声、均衡光照和细节增强的Retinex框架,并根据此框架设计了增强算法。算法首先利用基于位置信息与相邻频率的滤波器得到低噪光照值;为了有效区分噪声与细节信息,设计了一种基于最大后验概率估计(Maximum A Posteriori estimation,MAP)的反射率估计方法,引入光照因子控制概率权重,对于低照度区域反射率平滑项施加强约束,并通过最大化其后验概率以应对低照度区域的高噪声问题;为均衡光照、应对人体内黏膜和消化液的散射和吸收导致的图像退化,基于暗通道先验(Dark Channel Prior,DCP)算法设计了反向均衡化模型以得到均衡光照值;为应对低照度区域细节信息不明显问题,利用对比度限制自适应直方图均衡化得到细节增强结果。通过使用均衡光照值补偿增强后的反射率,实现噪声抑制、光照均衡、细节增强提高之间的有效融合。实验结果表明,本算法较于近期的同类算法NIEIE(Non-uniform Illumination Endoscopic Imaging Enhancement),能够在保持信息熵与峰值信噪比的基础上,增强度提升23.94%,对于电子内镜图像具有良好的适用性。     

结合偏微分方程增强图像纹理及对比度

针对图像获取过程中外界光照的非均匀性会使图像存在阴影区和高亮区,从而丢失图像细节的问题,本文结合偏微分理论,提出了基于直方图均衡化的偏微分图像增强方法.该方法首先将图像变换到梯度域,通过梯度场的变换得到新的梯度函数;然后应用最小二乘原理,对梯度场中变换后的图像进行重建以增强图像的纹理细节,表现原本不清楚的细节信息.另外,针对光照的不均匀特性,结合直方图均衡化,提出反均衡变换来增强图像的亮度和对比度.提出的算法采用有限差分法将图像离散化,并与热方程相结合,其计算简单,运行速度快,具有较强的灵活性和较广的应用范围.采用Visiual C++编程,对于大小为512 pixel×512 pixel的图像的处理时间为35 ms,达到了视频实时增强显示要求.     

基于多方向扩展Sobel加权算法的合作目标检焦方法研究

在高空及邻近空间环境中，温度、压力等环境的急剧变化会导致航空光学载荷的光学系统出现离焦现象。为此，对图像背景亮度均衡算法和基于边缘检测图像清晰度评价自动检焦方法进行了研究，针对静态合作目标的检焦图像背景亮度不均衡的问题，提出了动态分块均衡背景亮度算法，设计了一种基于多方向扩展Sobel加权算法的合作目标检焦方法，所提的背景亮度均衡算法能够在保留细节的同时均衡图像背景亮度，设计的检焦方法能够有效检出图像更多边缘细节。为了验证该方法的检焦性能，使用可见光探测器对合作目标成像，模拟光学载荷的检焦过程获取过程图像，实验证明的了该方法消除了背景亮度变化对检焦结果的影响,较传统图像检焦算法具备更高的灵敏度，检焦精度提升了5%。     

彩色遥感图像的亮度直方图局部线性化增强

针对遥感图像能量低的实际问题,提出了一种亮度直方图局部线性化图像增强方法来提高彩色遥感图像的可视效果。首先,对RGB模型描述的彩色遥感图像进行HSI变换,以有效分离H、S和I分量;其次,对亮度I分量进行传统的直方图均衡化,得到均衡化灰度映射曲线;然后,将图像梯度作为目标函数,求出最优的线性化折点位置,对灰度低端动态范围映射曲线进行线性化处理,得到局部线性化的灰度映射曲线;最后利用新的灰度映射曲线对图像进行增强处理。Himawari-8真彩色图像增强实验结果表明,经亮度直方图局部线性化增强后,像素平均梯度由73提高到了147,较传统的RGB域直方图均衡化的123及HSI域直方图均衡化的134高;图像信息熵由5.87提高到6.63,全部优于传统的RGB域直方图均衡化和HSI域直方图均衡化。本文方法有效地改善了彩色遥感图像的可视效果,提高了图像对不同目标的辨识能力。     

Reducing scanning electron microscope charging by using exponential contrast stretching technique on post‐processing images

An exponential contrast stretching (ECS) technique is developed to reduce the charging effects on scanning electron microscope images. Compared to some of the conventional histogram equalization methods, such as bi‐histogram equalization and recursive mean‐separate histogram equalization, the proposed ECS method yields better image compensation. Diode sample chips with insulating and conductive surfaces are used as test samples to evaluate the efficiency of the developed algorithm. The algorithm is implemented in software with a frame grabber card, forming the front‐end video capture element.     

基于场景识别的变电站智能机器人巡视技术

为降低变电站人工成本、提升工作效率、实时确保电网正常安全供电,提出一种基于场景识别的变电站智能机器人巡视技术。通过加权平均法调节图像灰度值、直方图均衡亮度和线性滤波算法去除冗余噪声,提高原始图像场景分辨率,凭借图像均值差和方差的对比结果,提取目标在各子带图像上多个特征,划分目标与背景区域的起伏差异,将场景特征输入卷积神经网络中的多层反向卷积层,利用离散型的线性运算模式,获得巡检目标激活函数,完成变电站巡视。仿真实验结果表明,所提方法能够明确远景、近景中各设备使用情况,精准检测出其中隐藏的故障器件,具有极高的应用价值。     

克服动态问题影响的相机响应函数标定

利用图像之间的亮度映射函数而不是图像本身各像素点信息进行相机响应函数的标定,避免了成像系统的晃动或者拍摄场景的动态问题带来的图像配准之间的误差给后续标定算法带来的影响。采用直方图规则化的方法分析不同曝光量图像之间的各颜色通道不同亮度级的统计特征,获得了不同图像对之间的亮度映射函数。然后,利用图像对之间的亮度映射函数结合各帧图像的直方图建立求解相机响应函数的超定方程模型。最后,利用最小二乘法解算模型获得相机响应函数。验证实验表明,本文相机响应函数标定算法具有克服相机的动态问题的能力;不同输入帧数图像的分组实验显示,最小输入4帧图像能够获得较为理想的响应函数标定结果。     

一种智能摄像机网络中重叠区域的快速探测方法

重叠区域探测是构建多摄像机传感网络的一个基本问题。多摄像机协作视觉分析任务中，摄像机必须知道相互位置关系。本文提出了一个基于图像匹配快速重叠探测方法，该方法适用于非标定的摄像机网络。该方法利用关键点的局部图像描述匹配完成重叠区域标定。其中关键点探测使用了最新的SURF（speedup robust feature）算法，该方法适用于实时计算。局部图像描述采用简单易算的LPB统计直方图，该局部图像描述具备光照，旋转不变特征。本文在实际的智能摄像机网络进行了测试，取得了良好的效果。     

Reducing charging effects in scanning electron microscope images by Rayleigh contrast stretching method (RCS)

To reduce undesirable charging effects in scanning electron microscope images, Rayleigh contrast stretching is developed and employed. First, re-scaling is performed on the input image histograms with Rayleigh algorithm. Then, contrast stretching or contrast adjustment is implemented to improve the images while reducing the contrast charging artifacts. This technique has been compared to some existing histogram equalization (HE) extension techniques: recursive sub-image HE, contrast stretching dynamic HE, multipeak HE and recursive mean separate HE. Other post processing methods, such as wavelet approach, spatial filtering, and exponential contrast stretching, are compared as well. Overall, the proposed method produces better image compensation in reducing charging artifacts.     

Real-Time Front Vehicle Detection Algorithm Based on Local Feature Tracking Method

This paper proposes an algorithm that extracts features of back side of the vehicle and detects the front vehicle in real-time by local feature tracking of vehicle in the continuous images.The features in back side of the vehicle are vertical and horizontal edges,shadow and symmetry.By comparing local features using the fixed window size,the features in the continuous images are tracked.A robust and fast Haarlike mask is used for detecting vertical and horizontal edges,and shadow is extracted by histogram equalization,and the sliding window method is used to compare both side templates of the detected candidates for extracting symmetry.The features for tracking are vertical edges,and histogram is used to compare location of the peak and magnitude of the edges.The method using local feature tracking in the continuous images is more robust for detecting vehicle than the method using single image,and the proposed algorithm is evaluated by continuous images obtained on the expressway and downtown.And it can be performed on real-time through applying it to the embedded system.