结合自适应窗口的二维直方图图像增强

针对成像过程中因各种因素导致图像细节和纹理表现不明显的问题,结合Turgay Celik 的二维直方图理论,提出了具有自适应动态窗口的二维直方图图像增强方法。该方法在考虑图像纹理和细节信息的基础上,分析了二维直方图与图像纹理信息的关系特性和固定窗口的弊端,采用基于平均梯度法建立以与区域特性相适应的窗口为单位的二维直方图,将其累积分布与理想分布进行比较优化,实现增强。通过大量实验对比表明,该方法克服固定窗口造成的适应性差、易出现过增强和局部被弱化等问题,其处理后的图像细节丰富,纹理突出,具有更好的视觉效果和工程应用价值。     

基于图像分割和平台直方图均衡的红外图像增强算法

针对原始红外图像模糊、对比度低的特点,提出了一种基于图像分割的平台直方图均衡算法.首先采取实时阈值提取方法选取阈值,将图像目标灰度与背景灰度分开;然后利用对数、指数结合的非线性变换抑制背景区域,扩展目标区域的动态范围;最后利用改进的双平台直方图均衡算法处理非线性变换后的灰度图像.实验结果表明:该方法有效地增强了原始红外图像,提高图像对比度的同时很好地保留了图像的细节和边缘信息,且避免了过亮现象,视觉效果得到改善.     

高斯混合模型自适应微光图像增强

为了改善微光情况下可见光图像传感器输出图像的质量,提出了一种基于高斯混合模型的自适应微光图像增强算法。对图像的直方图进行混合高斯建模,应用改进的期望最大化算法对直方图拟合,从而获取高斯混合模型的最优参数,然后根据各个聚类的交点将直方图分区,最后确定输出图像所属聚类的映射关系,同时应用保持最大熵方法逼近人类视觉特性映射函数得到最终的增强图像。实验结果表明,此图像增强模型能自适应确定最佳聚类个数,提高直方图拟合的运算速度,一帧图像平均处理时间为0.37s,在相关信息熵和纹理信息等的客观评价中,增强结果明显优于传统方法,有效地提高了微光图像的对比度,同时保持了图像的细节。     

基于二维直方图的图像分割算法研究

分析比较了基于二维直方图的两种图像分割算法,在此基础上提出了新的阈值分割输出函数,并进一步改进了传统的阈值分割方法.该方法不仅充分考虑了像元点之间的空间相关信息,增强了识别能力,而且大大降低了运算的时间.     

基于二维直方图与FCM相结合的图像快速分割方法

基于二维直方图的模糊聚类分割方法,可以有效地抑制噪声。但是FCM(模糊C均值)算法用于图像聚类时最大的缺点是运算开销太大,进而限制了该算法在图像分割中的应用。通过构造合理的二维直方图,并筛选出符合规定条件的元素作为聚类样本,再结合FCM算法进行图像分割。实验结果表明该方法具有与基于一维直方图的模糊聚类分割方法速度相近,但却比其分割精度高很多的良好特点。     

基于直方图修正的图像增强算法

针对传统直方图均衡算法的不足,提出了一种直方图修正方法,抑制直方图中较大的计数值;添加与邻域存在一定灰度差值的条件计数值;引入均匀分布计数。将修正的直方图用于灰度和基于YCbCr颜色空间的彩色图像的均衡增强,实验结果表明,本算法在有效地增强了图像视觉效果的同时保持了图像的细节和色彩,能够获得满意的增强效果。     

基于二维灰度直方图的蚁群图像分割

提出了一种基于二维灰度直方图的蚁群图像分割方法。该方法基于二维灰度直方图 的灰度、邻域平均灰度及灰度频数进行蚁群模糊聚类,通过二维灰度直方图的一维最佳投影,设置精确的初始聚类中心来解决蚁群算法循环次数多、计算量大的问题;并针对具体应用,对聚类半径、信息激素和启发式引导函数进行了相应的修正。实验表明该算法速度快、划分特性好,可以准确地分割出目标。     

采用聚类分割和直方图均衡的图像增强算法

针对现有直方图均衡化算法难以兼顾图像细节增强和噪声抑制问题,提出了一种基于聚类分割和直方图均衡的图像增强算法。引入模糊C均值聚类(FCM)算法将低通滤波后的图像分成若干类,并利用原图的边缘信息和形态学操作修正聚类结果;根据各类的均值和标准差确定映射后的动态范围,对其进行直方图均衡化处理;采用平滑滤波方法消除类间的边界效应。实验结果表明:经过该算法处理后的图像,对比度得到明显增强,噪声得到有效抑制。该方法不但可用于图像增强,还可用于图像动态范围压缩,具有广泛的应用前景。     

基于二维直方图加权的高斯核FCM图像分割

文中提出了基于二维直方图加权的高斯核FCM图像分割方法,该方法在传统FCM算法中融入了二维直方图的加权系数及高斯核函数。在图像分割中,由于噪声干扰,传统的FCM算法在许多情况下并不能有效区分目标和背景,而利用二维直方图中像素点与其领域间相关的空间信息,将其作为加权系数用来调整聚类中心,可有效提高分割效率。此外,算法结合高斯核函数用于改善FCM算法在样本特征空间线性不可分时带来的划分不准的缺点,改善图像分割效果。实验结果表明,此算法在提高图像分割效率的基础上,比传统算法具有更好的鲁棒性与有效性。     

基于广义直方图均衡的图像增强新方法

针对传统直方图均衡方法进行图像增强时导致图像细节信息丢失和噪声放大的问题,提出了广义直方图均衡图像增强方法。传统直方图是基于整数1进行计数的,广义直方图将整数1分解成2个值:分数和余数,通过对每个灰度级累计分数值和在所有灰度级均匀分配余数值生成。由于分数值控制着广义直方图均衡的效果,图像中不同特性区域应该具有不同的分数值,给出了基于局部复杂度计算的分数值求取方法。实验结果表明本方法能有效克服传统直方图均衡法丢失目标细节和过分放大噪声的不足,是一种有效的图像增强方法。     

微光图像特征分析及图像融合技术研究

从微光图像的成像过程、灰度分布和像素空间与时间相关性等几个方面对微光图像特征作较系统的分析,用信息容量这一示性参数来表征高相关图像灰度层次的丰富程度,这与视觉效果达到了很好的一致,通过分析这些特性,对微光多光谱图像融合技术研究具有重要的指导意义。     

一种基于三维直方图的改进C-V模型水平集图像分割方法

对Chan-Vese提出的基于简化Mumford-Shah模型的水平集图像分割方法(C-V模型)做了改进.传统的C-V模型仅将灰度同(homogeneity)作为区域分离准则,这使其对于对比度明显的图像能够取得很好的分割结果.但单一的分离准则往往致使其在分割噪声信息丰富的、灰度分布复杂的医学、遥感以及自然图像等时产生大量的冗余轮廓.为此,本文在改善C-V模型全局优化特性的基础上,整合图像的灰度分布信息、邻域空间信息以及图像所固有的模糊信息构造三维向量(灰度值、模糊均值和模糊中值),提出了一种基于三维直方图的改进C-V模型水平集图像分割方法.自然图像和红外光学图像的试验结果证明了该方法的有效性.     

红外图像直方图双向均衡技术研究

提出了新颖的红外图像直方图双向均衡技术．该技术在进行直方图均衡化处理的同时，消除灰度冗余，并在整个显示范围内对图像灰度级进行等间距排列，从而获得灰度连续的红外图像，解决了热像仪信号处理中输入信号大动态范围和显示输出的小动态范围的矛盾．实验表明该技术能够使红外图像的细节和清晰度得到明显的增强。     

伪随机瞬态激光助视图像与常态微光图像融合技术研究

给出了拉普拉斯金字塔算法及微光双谱图像空间域融合的准则,并用金字塔技术对随机瞬态激光助视图像与常态微光图像进行了融合处理,改善了微光夜视图像质量,增强了夜视系统所获取的战场信息量.并用假彩色增强方法得到了可视性较好的彩色图像     

基于正则化变分模型的SAR图像增强方法

讨论合成孔径雷达（SAR）图像的噪声抑制与分辨率增强问题.建立偏微分方程抑噪方法与正则化点增强方法相结合的正则化变分模型,该模型同时具有偏微分方程模型的抑噪优势和正则化模型的分辨率增强优势.在图像的背景区域采用偏微分方程模型进行噪声抑制,而在图像的目标区域,先采用后向扩散方程进行锐化,然后再采用正则化模型进行分辨率增强,使整幅图像的处理结果均得到优化.此外,在偏微分方程抑噪模型的构造上,结合SAR成像的工程背景,提出了基于SAR图像幅度信息的前向-后向扩散方程,使方程能有效抑制图像背景区域的噪声并锐化目标边缘.大量的试验结果表明该方法能有效增强目标的强散射点,显著抑制噪杂波区的噪声.     

基于变分的SAR图像目标特征增强方法

研究了SAR图像目标特征增强的变分方法.通过分析P-M扩散方程中的扩散系数,得出梯度(Canny)边缘检测算子对SAR图像的非恒虚警性使得滤波后图像的边缘变得模糊.而ROA算子能有效地检测出图像中的边缘,但较难检测出图像中的强散射点目标.基于SAR幅度图像中相干斑噪声的Rayle igh分布,从最大后验概率估计出发,结合ROA边缘检测图像以及SAR幅度信息来构造扩散系数,建立SAR图像目标特征增强的变分模型.实测SAR图像处理结果显示该方法在充分抑制均匀区域的相干斑噪声的同时能较好地保护并增强图像的边缘和强散射区域.     

红外与微光图像融合技术研究

进行了双光谱假彩色微光电视系统的原理与实验研究,对双谱探测技术、最佳匹配滤光技术、逼近白日景物真彩色的假彩色技术做了深入探讨。结果表明：通过红外与微光图像融合能显著提高图像分辨效果和人眼对场景目标的发现和识别概率．     

基于图像信息熵与空间分布熵的彩色图像检索方法

在分析基于颜色直方图及信息熵进行图像检索的基础上,提出了一种改进的基于信息熵的图像检索算法,该方法同以往的基于信息熵的图像检索算法相比具有更强的鲁棒性．同时,文中又提出利用空间分布熵描述图像颜色的空间分布信息,并给出了一种基于图像信息熵与空间分布熵的彩色图像检索算法．试验结果表明,该方法效果良好,大大提高了图像检索的速度．     

基于改进的脉冲耦合神经网络的红外目标分割方法

针对红外目标的特点,提出了一种基于直方图的改进脉冲耦合神经网络（PCNN）图像分割方法,本算法摒弃了原有脉冲耦合神经网络模型中的时间指数下降机制,利用灰度直方图的知识直接获得PCNN的分割门限,同时保留了弥补空间罅隙和灰度微小变化的优点,实验表明本算法分割得到的目标区域更加完整,并提高了运算速度。     

一种基于可变形模型的图像分割算法

提出了一种新的基于可变形模型的图像分割算法。该算法在模拟气球膨胀法的基础上，对内外部力场进行了改进。并通过控制力场的方向，使Snakes不断向图像内部收缩分裂，最终完成对图像的分割。对合成图像和实际图像的实验表明，这一方法是行之有效的。