一种新的彩色图像增强方法

根据人眼视觉感知色彩的特性,提出了在HIS色彩空间上的一种基于脉冲耦合神经网络的彩色图像增强算法。该算法能够在平滑图像、突出图像边缘的同时,通过对亮度强度分量的非线性对数拉伸和对饱和度分量的非线性指数调整,改善了图像的视觉效果和图像色彩的真实效果。     

基于人眼视觉感知驱动的井下图像增强算法

为解决传统的对比度增强方法在对井下图像进行处理时不能兼顾压缩动态范围、调整亮度以及增强图像对比度等问题,提出一种基于人眼视觉感知特性的井下图像对比度增强算法。首先根据人眼亮度掩蔽特性对图像进行区域划分,然后基于非线性亮度映射模型,对图像的不同区域进行不同尺度的非线性调整,最后再将亮度调整后的不同区域组合成新的图像。实验结果表明,该方法能有效增强井下低照度图像的对比度,提升图像的视觉效果。     

人眼视觉感知驱动的梯度域低照度图像对比度增强

针对传统的对比度增强方法在对低照度图像进行处理时不能同时顾及压缩动态范围、调整亮度以及增强或保持细节等问题,提出一种基于人眼视觉感知特性的、从全局亮度映射到局部细节补偿的低照度图像对比度增强方法.首先通过非线性全局亮度映射模型压缩图像的动态范围,提高图像的整体亮度水平;然后结合人眼视觉系统的亮度掩蔽特性和超阈值对比度感知特性,非线性地调整图像的局部梯度场增强和恢复图像的局部细节;最后在目标梯度场上通过快速求解泊松方程获取增强后的图像.实验结果表明,该方法能够有效地增强低照度图像的全局和局部对比度,提升了低照度图像的视见度.     

基于人眼视觉特性的多尺度彩色图象增强算法

图象增强技术主要是通过调整图象的参数来改善图象质量,以获得更佳的视觉效果．为了获得色彩更加鲜艳,细节更加清晰的彩色图象,因而根据人眼视觉对亮度和颜色不同的敏感特性,按照视觉心理选择了HSV彩色空间,并在此空间中,提出了一种基于小波变换的彩色图象增强算法．该算法首先进行了自适应亮度动态调节,同时对图象的饱和度分量也进行了处理．实验证明,和目前存在的灰度图象增强算法相比,用该算法增强后的彩色图象不仅更加清晰,同时更加生动,鲜艳,达到了预期的目的．     

基于视觉特性的彩色图像增强算法研究

为了对彩色图像进行分析和识别,在深入分析HSV彩色模型的基础上,提出了一种新的彩色图像增强算法.该方法利用像素点邻域的均值和方差对HSV模型的亮度分量增强,在获得图像细节的同时保持图像缓慢变化的部分;根据亮度分量的变化情况,利用亮度和饱和度之间的相关系数,对HSV模型的饱和度分量进行调整.通过对图像进行主观分析和客观分析,该种算法不仅拉伸了图像的对比度,增加了图像的清晰度,而且图像色彩丰富,更加符合人的视觉特性.     

融合结构与非结构信息的自然图像恰可察觉失真阈值估计

目的 研究表明,图像的恰可察觉失真（JND）阈值主要与视觉系统的亮度适应性、对比度掩模、模块掩模以及图像结构等因素有关。为了更好地研究图像结构对JND阈值的影响,提出一种基于稀疏表示的结构信息和非结构信息分离模型,并应用于自然图像的JND阈值估计,使JND阈值模型与人眼视觉系统具有更好的一致性。方法 首先通过K-均值奇异值分解算法（K-SVD）得到过完备视觉字典。然后利用该过完备字典对输入的自然图像进行稀疏表示和重建,得到该图像对应的结构层和非结构层。针对结构层和非结构层,进一步设计基于亮度适应性与对比度掩模的结构层JND估计模型和基于亮度对比度与信息不确定度的非结构层JND估计模型。最后利用一个能够刻画掩模效应的非线性可加模型对以上两个分量的JND估计模型进行融合。结果 本文提出的JND估计模型利用稀疏表示将自然图像的结构/非结构信息进行分离,然后采用符合各自分量特点的JND模型进行计算,与视觉感知机理高度一致。实验结果表明,本文JND模型能够有效地预测自然图像的JND阈值,受污染图的峰值信噪比（PSNR）值比其他3个JND对比模型值高出35 dB。结论 与现有模型相比,该模型与人眼主观视觉感知具有更好的一致性,更能有效地预测自然图像的JND阈值。     

人眼灰度感知建模及其在图像增强中的应用

原直方图均衡化算法处理结果不理想,主要是图像灰度域上实现的均衡化并不代表人眼感知亮度域上的均衡化,对此提出人眼感知亮度域上的直方图均衡化算法,但由于使用的灰度人眼感知模型不准确,处理效果也没有得到明显的改善。提出一种灰度人眼感知模型的建模方法,利用实验测试的方法得到人眼视觉系统临界可见偏差曲线;再推导得到人眼对不同灰度背景下同等灰度差别的敏感度曲线;接着利用上一步结果再通过积分和归一化方法得到灰度人眼感知模型;根据以上灰度人眼感知模型对直方图均衡化算法进行改进。对比实验结果表明,提出算法相比于原直方图均衡化具有明显的改善效果,相比于CLAHE、BBHE以及HMF等直方图改进算法,也具有无需参数调节,增强效果显著和适应性强等优点。     

一种最大模糊熵多尺度彩色图像增强方法

在HSI颜色空间提出了一种基于视觉特性和最大模糊熵的多尺度彩色图像增强算法。对亮度分量I进行小波多尺度分解,对于不同分解尺度的高频小波子带,采用不同的非线性函数进行处理,以实现图像细节的增强,同时最大限度地抑制噪声。对包含亮度信息的低频小波子带,首先进行基于最大模糊熵的模糊化处理,其中模糊化隶属度函数采用遗传算法进行优化;然后,对经过模糊化的低频小波子带,采用基于人眼视觉特性的线性矫正函数（LRF）进行处理,以实现对图像亮度更好的动态调节。对饱和度分量S,采用指数拉伸方法进行增强处理,色调H保持不变。实验证明,增强后的彩色图像更加清晰,色彩更加鲜艳而不失真。     

HSI空间亮度信息的多尺度Retinex图像增强研究

彩色图像增强可以提高图像的亮度,增强图像的对比度和细节,同时使得图像颜色更加逼真自然,并且较少失真,在遥感、医学、刑侦、电视与多媒体等许多方面具有良好的应用前景和重要的理论研究意义。提出基于HSI空间亮度信息的多尺度Retinex图像增强算法（HSI_MSR）,算法通过对HSI颜色空间模型的分析,通过增强HSI模型中I分量,将HSI模型转换到RGB模型,得到增强后的彩色图像。通过仿真实验可知HSI_MSR算法可以较好地提高图像的视觉特性,亮度适合人眼观察,细节较为丰富,使得图像颜色更加逼真自然。     

平面视觉图像舒适色度范围测量算法研究

针对传统方法处理下图像舒适度范围测量结果不够精准,不符合人眼视觉需求的问题,提出平面视觉图像舒适色度范围测量算法。设计图像采集模块提取图像信息,在图像信息中将图像颜色的亮度分量与色度分量分离,根据对比敏感度对亮度分量和色度分量的结构相似度进行加权,得出图像结构相似度。通过约束条件获取全局匹配最小误差,满足平滑性假设,从而提高误差估计精度。利用Mean Shift算法分割图像,对分割区域实施全局匹配,得到新的视差图。根据色度分割提高弱纹理区域视差估计质量,去除图像边缘的模糊效应,获得视差序列,实现最佳色泽感观范围测量。研究结果表明,所提算法视差估计结果更加准确,测量范围误差小,舒适色度的量化范围更符合人眼视觉需求。     

面向人眼视觉的图像增强方法

结合人眼获取信息的方式,提出一种面向人眼视觉的图像增强方法。在保持图像原有信息的前提下,使图像中相邻区域间的灰度差异最大限度地被人眼感知。根据图像区域间的邻接关系,设计一种灰度合并策略,用最少的灰度表示一幅图像,基于人眼临界可见偏差(JND)特性建立一种灰度映射关系,通过灰度映射方式实现图像增强。实验结果表明,该方法的图像增强效果优于目前常用的图像增强 方法。     

基于Log-Gabor滤波特征的黎曼流形图像集分类算法*

生物神经中的感知理论符合黎曼流形,相比其它滤波器,Log-Gabor滤波器更适合人眼的非线性对数特性,因此两者结合符合人类视觉的感知过程.基于上述情况,文中利用协方差鉴别学习,提出基于Log-Gabor 滤波特征的黎曼流形图像集分类算法.使用Log-Gabor滤波器滤波图像,获得多尺度多方向的图像特征,然后对高维的协方差矩阵使用双向二维主成分分析进行降维,利用协方差鉴别学习进行分类.在多个标准数据库上的实验结果表明文中算法效果较好,从而验证算法的有效性.     

基于混合视觉皮层模型的红外图像去噪和分割

针对交叉视觉皮层模型(ICM)网络运行速度慢的问题,提出一种用于图像处理的混合视觉皮层模型(MCM)。MCM将人眼视觉现象中的韦伯律特性融入ICM,根据韦伯律特性设定神经元点火域值,采用金字塔分解式的运算方法扩大神经元的感受野,并利用ICM的脉冲同步发放性质,实现快速图像处理。基于MCM开发红外图像的去噪算法及红外图像分割算法,实验结果表明,与基于ICM的图像去噪和分割算法相比,基于MCM的算法具有良好的去噪和分割效果,运行速度较快。     

改进的基于DCT的自适应水印算法

基于原始图像的纹理特征和亮度特征以及人类视觉系统的特点,给出一种改进的基于DCT的自适应嵌入水印算法。算法采用Arnold变换对水印图像进行预处理,自适应选择强度因子,将一幅二值水印图像嵌入到原始图像中,实现了水印的不可见性和鲁棒性。仿真实验结果表明,算法对常见的图像处理操作具有较强的鲁棒性和稳健性。     

基于PCA和随机森林的故障趋势预测方法研究

故障预测和健康管理技术(PHM)在现代工程系统中能够在系统具备较高复杂度的情况下,有效保障其可靠性和安全性。在机械故障诊断中对于采集到的原始数据的高维特征量的处理较为复杂,并且在实际应用中趋势预测的精度要求较高,针对该问题提出一种基于主成分分析(PCA)与随机森林算法的轴承故障趋势预测方法。该方法利用PCA对提取的原始轴承数据特征量进行线性降维,并选取其中主成分特征量,输出非线性时间序列数据。原始数据经过PCA处理得到非线性时间序列,将该序列作为随机森林算法的输入进行故障趋势预测,并把预测结果与BP神经网络模型预测的结果进行对比,结果表明随机森林在故障趋势预测上在精度相较于BP神经网络有显著提高,是一种有效的故障趋势预测方法。     

基于自适应分割的多曝光图像融合算法

针对传统多曝光图像融合存在颜色和细节信息保留不完整的问题,提出了一种新的基于自适应分割的多曝光图像融合算法。首先,采用超像素分割将输入图像分割为颜色一致的图像块,再利用结构分解将图像块分解为三个独立分量。根据各分量特点设计不同融合规则,以保留源图像中的颜色和细节信息。然后,采用引导滤波平滑各分量的权重图以及信号强度分量和亮度分量,有效地克服块效应缺陷,保留源图像中的边缘信息,减少伪影。最后,重构融合后的三个分量,得到最终的融合图像。实验结果表明,与传统的融合算法相比,所提算法在互信息（MI）上平均提升了53.6%、标准差（SD）上平均提升了24.0%。该算法能够有效地保留输入图像的颜色和细节纹理信息。     

基于四边边缘匹配的图像信息隐秘法

将人眼的视觉特性和图像信息隐藏技术结合,文章提出了基于HVS特性的信息隐秘方法,设计实现了一种基于四边边缘匹配的自适应信息隐秘算法,利用嵌入信息像素相邻的四个像素信息估计嵌入容量,依据载体图像局部的不同特性自适应地隐藏秘密信息.实验结果表明,这种方法比最低有效位算法嵌入容量大,而且不会产生易觉察的失真.此外,隐蔽图像中嵌入数据的提取与原始图像无关.同时,采用伪随机机制的图像遍历顺序,提高了信息的隐蔽性.     

基于遗传神经网络的颜色恒常感知计算模型

在机器视觉领域,颜色恒常性是实现计算机视觉颜色校正和保持机器对颜色识别稳定性的重要因素.该模型通过心理物理实验获得由人眼感知得到的颜色恒常感知数据,将其放入神经网络中进行样本训练,并用遗传算法优化BP神经网络的连接权值和阈值.将所建立颜色恒常感知计算模型应用到图像颜色校正,通过主观和客观两个方面对校正结果进行对比评价,结果表示所建立的颜色恒常感知计算模型计算精度和效率高、复杂度低,比几种经典算法处理误差要小,针对图像的颜色再现有着更为符合人眼感知的特性.     

基于迭代条件模型算法的图像超分辨率重建

图像超分辨重建是从一系列降质的低分辨率图像中获取高分辨率的图像。在最大后验概率算法基础上提出了一种基于马尔可夫随机场的超分辨率重建算法,并通过迭代条件模型实现超分辨率图像重建。实验结果表明,与传统的超分辨率重建算法相比,该算法是一种快速的计算最大后验概率的方法,采用Potts-Strauss模型作为图像的先验概率密度函数,经过五、六次的迭代就能达到理想的迭代效果,解决了最大后验概率算法计算量大的缺点,是一种高效的超分辨率重建算法,具有一定的实用价值。