直方图拟合和亮度判决自适应图像增强算法

激光主动成像能够克服被动成像的缺点在低光照的条件下对目标成像,但是其图像通常受到严重干扰,需要采用增强算法增加图像的对比度和信噪比。不同时间段拍摄的激光图像存在很大差异,文中对夜间和晨昏成像的不同特点进行了探讨,分析归纳了其归类特点和方法,提出了一种基于直方图拟合和亮度判决的自适应激光图像同态增强算法,采用二次函数拟合直方图判定图像拍摄时间,通过亮度函数寻找最佳同态增强阈值,对不同时段拍摄的图像分类处理。实验结果表明,二次函数拟合直方图的判决方式准确率高,自适应同态增强算法能有效提高图像的信噪比,提高图像的对比度。     

基于视觉特性的非线性多尺度彩色图像增强

[目的]针对图像在低光照下的亮度和对比度偏低的问题,提出一种基于视觉特性的非线性多尺度彩色图像增强算法.[方法]该算法将彩色图像从RGB色彩空间转化到HSI色彩空间,保持H分量不变,对S分量进行指数拉伸,对Ⅰ分量利用视觉系统模型和非线性映射方法实现图像对比度增强,再通过自适应的亮度调整增加图像的全局亮度.最后将HSI色彩空间转化到RGB色彩空间,从而实现对彩色图像自适应增强.[结果]通过对低光照彩色图像进行增强测试,其测试结果表明,[结论]该算法能够自适应地调整图像的全局亮度,增加图像的局部细节对比度,并保持其原色彩,提升彩色图像在低光照下的视见度.     

基于同态滤波和全变差的激光图像降噪方法

针对激光主动成像图像的特点,提出了一种基于同态滤波和全变差的图像降噪方法.首先对图像进行同态滤波,提高图像的对比度并去除激光图像的散斑噪声,然后采用基于最小化全变差模型去除激光图像的高斯噪声和脉冲噪声.采用信噪比、对比度和亮度失真度作为图像降噪效果的评估,将算法与中值降噪、小波与中值滤波结合降噪等进行对比实验,实验结果...     

红外测温技术在变电站运维中的应用探讨

电力设备红外图像普遍存在亮度暗、对比度低等问题,针对此现象,提出了一种融合彩色模型空间的图像增强算法。该方法将图像的对比度与亮度增强转换至HSV与RGB空间中分别进行处理：RGB空间中,首先预处理图像中的高灰度级,并采取混合滤波的方式抑制图中噪声,然后使用增强函数提高图像亮度,最后将增强图像转换至HSV空间中并提取H、S、V三分量图;HSV空间中,采用伽马变换和CLAHE(contrast limited adaptive histogram equalization)算法实现V分量的亮度提升,并采取非线性饱和度矫正函数处理S分量提升图像对比度,最后将处理分量与提取分量进行对应融合得到HSV空间中的增强图像,并将其转回RGB空间中得到最终的输出图像。实验结果表明,本文算法能明显地提升红外图像的亮度与对比度,增强后的3组图像其灰度均值和标准差平均值分别为115.94和78.65,相对于原图的平均值分别提升了81.59和36.17。     

基于高频强调滤波的医学X光图像增强算法

高频强调滤波可以在增强图像高频信息的同时保留图像的低频信息,对图像的整体灰度影响较小,可有效地增强图像的边缘细节;直方图均衡化是利用图像直方图对对比度进行调整的方法,可有效增强暗图像和低对比度图像的对比度,是一种经典有效的图像增强方法。对于亮度偏暗并或成像效果较差的医学X光图像来说,应用高频强调滤波增强其细节,再用直方图均衡化加强其对比度,可以取得较好的处理效果。     

基于自适应权重Retinex和小波变换的彩色图像增强算法

针对现有图像增强技术容易出现细节丢失、局部曝光不足、过曝光或颜色失真,不能兼顾对比度和色彩保真的问题,提出了基于自适应权重Retinex与小波变换结合的彩色图像增强算法(AMSR-WT)。将图像从RGB空间转换到HSI空间,对亮度分量I进行小波变换分解为低频亮度图像和若干高频亮度图像,对低频图像使用自适应权重Retinex进行增强,对高频图像使用改进的阈值去噪算法进行去噪,通过小波逆变换重构亮度分量,经过Gamma校正进一步增强对比度并转换回RGB空间得到增强图像。实验结果表明,该算法有效提高了图像对比度和颜色保真度,较好地保留了图像的细节和纹理。     

基于模糊理论和CLAHE的雾天图像自适应清晰化算法

为了解决雾天图像低对比度的问题,提出了一种基于模糊理论和CLAHE的雾天图像的自适应清晰化算法.此算法结合图像的均值和标准差,将雾天图像从空域转换到模糊域,采用模糊增强算法实现全局雾天图像的自适应对比度增强后再采用有约束的局部直方图算法对雾天图像的亮度分量进行处理,在空域内进一步实现雾天图像的对比度增强.实验结果表明,该算法将模糊域和空间域的方法相结合,可以提高雾天图像的亮度和对比度,使雾天图像的视觉效果得到一定改善.     

基于Contourlet变换的焊缝X射线图像增强

为了改善X射线成像对比度低、背景噪声明显、被测工件细节不易显示等缺点.针对X射线图像的特点及常规增强方法的不足,应用一种基于Contourlet变换的增强算法,对X射线图像进行图像增强,提高了原图像的对比度和像质,达到了细节区域的最佳视觉效果.实验结果表明,该算法与直方图均衡和小波域图像增强方法相比,有效的增强了对比度、抑制了背景噪声.该算法对X射线图像增强后,图像所达到的射线检测标准比前两种算法高.     

基于视觉传达的低亮度激光图像细节信息增强方法

针对激光图像亮度较低,导致内部细节信息缺失,图像应用性下降等问题,提出基于视觉传达的低亮度激光图像细节信息增强方法。从视觉传达角度出发将低照度激光图像转换为Lab色彩模式,采用Curvelet变换将激光图像分解为高频分量与低频分量,利用细节增强网络模型增强高频分量,通过基于照度图估计的微光图像增强方法增强低频分量,融合增强后的高、低频分量,实验结果显示,采用该方法对所选图像进行细节信息增强处理后,各图像的信息熵均高于8.35以上,而对比度与相关系数则分别在0.846和0.815以上,增强后的图像更符合人眼视觉特性。     

激光主动成像系统目标图像质量评价参数研究

图像质量评价是研究激光主动成像探测系统成像性能的重要内容,文中从图像的噪声、灰度和纹理等方面对距离选通激光主动成像目标图像进行了量化评价。通过深入研究主动成像图像的特点,建立了信噪比、亮度、对比度和清晰度等评价函数的参数模型,并给出了实验结果和分析。结果表明,这些参数能够对激光主动成像图像进行客观的评价,并且计算简单,具有显著性和独立性的特点。