一种避免颜色失真的图像增强算法

针对现有的图像增强算法对噪声比较敏感,容易产生颜色失真的现象,提出了一种避免颜色失真的图像增强算法。在分析对数图像处理模型的基础上,提出了一种正切图像处理模型,从调色板中提取颜色信息,避免颜色失真,该算法简单、易于实现,对噪声具有一定的抑制作用,可以增强和保留图像的细节信息。实验结果表明,所提算法明显优于其他图像增强算法。     

一种基于二维离散小波变换的医学图像增强算法

噪声是影响医学图像质量的最重要的因素之一。去除噪声,增强图像以提高图像质量是医学图像处理的重要课题。传统的图像增强方法在改善图像视觉效果的同时还存在噪声过增强问题,不适于医学图像增强。针对这种情况,文章提出了基于二维离散小波变换的医学图像增强算法。在多尺度分析基础上,该算法对小波分解得到的低频子带图像采用两步提升法进行对比度增强处理,而对小波分解得到的不同方向上的小波系数进行不同程度的去噪并增强。实验结果表明,该方法在提高医学图像对比度改善图像质量的同时有效地解决了传统算法中难以克服的噪声放大问题。处理后的图像更利于医生进行分析诊断和医学影像的后续处理。     

基于小波变换的低对比度图像增强方法

传统的图像增强方法对于光照不足或不均匀的图像处理效果不佳.而且还存在噪声增强的问题.文章提出了一种基于小波变换的低对比度图像增强算法,对小波变换后的高频系数进行去噪、增强,对低频系数进行多尺度Retinex增强,既作了图像动态范围压缩,又较好地保证了图像的色感一致性.实验结果表明,该算法效果较好,可以有效增强图像的细节...     

图像平滑算法的研究与改进

图像平滑作为去除图像中含有噪声的图像增强处理技术,是各种与图像有关软件中必不可少的功能模块。文中在分析噪声模型的基础上,对均值平滑、中值平滑、边缘保持平滑等技术从图像处理空间域中的算法原理、实现方法及效率等方面进行了详细比较。针对图像中含有的不同噪声模型,通过多次试验,得出了值得从事图像处理研究者参考的结论。这将有助于提高图像处理软件开发的效率。     

基于非抽样Contourlet变换的红外图像增强算法

提出了一种基于非抽样Contourlet变换的红外图像增强算法,利用非线性函数对红外图像Contourlet变换系数进行修正,以增强图像有益贡献的同时抑制噪声分量.实验表明,与传统的图像增强算法相比,该算法可以有效地增强红外图像的细节和纹理.     

基于非线性处理的图像增强算法研究

近年来,基于非线性处理的图像增强技术成为相关领域研究人员关注的一个热点。尽管非线性方法与通常的图像增强算法相比.其计算量非常大,但是灵活多样的数值计算方法使其能够满足高质量图像方面的需要.因而基于非线性图像处理的图像增强方法逐渐在图像处理领域中受到青睐。本文以处理图像的特征及经典增强方法为理论基础.分别从提高图像对比度、抑制噪声及突出弱小目标三个角度研究了图像的增强算法。针对经典增强算法出现的灰度级合并、细节丢失等问题.突出目标细节.从非线性变换出发.提出了基于非线性的图像增强算法。经仿真实验结果表明.这种改进方法简单易行、运算量小.易于实时处理.对于某些图像取得了比现有增强方法更好的效果。     

改进的多尺度Retinex红外图像增强算法

针对传统多尺度Retinex增强算法处理后的红外图像对比度较低、视觉效果不够理想的缺点,提出了一种改进的多尺度Retinex红外图像增强算法.将传统Retinex增强算法中的指数还原用灰度线性拉伸代替,对拉伸后的图像进行自适应对比度增强处理,从而提高了图像的对比度,改善了图像的视觉效果,同时,根据图像处理的需要,可以调整图像对比度的大小.通过与几种典型的图像增强算法实验结果进行比较,该算法图像增强的效果更好,图像视觉效果更佳.     

一种矿井图像增强算法

针对煤矿井下视频监控系统采集图像对比度低、光照不均、伴有大量噪声等问题,提出一种基于加权引导滤波同步去噪的单尺度Retinex算法对矿井图像进行增强。该算法首先采用加权引导滤波代替单尺度Retinex算法的高斯滤波对图像的低频分量进行照度估计,然后采用加权引导滤波对图像的高频分量进行去噪处理,最后由对数域转换到实数域得到增强后的图像。通过主观视觉效果和客观质量评价对该算法进行验证,结果表明该算法较传统图像增强算法可获得更好的图像视觉效果,且图像处理速度更快。     

一种前后向复扩散图像增强算法

传统的图像增强算法无法在去除噪声的同时保留图像的纹理.为此,本文从线性前向复扩散的原理出发,研究了线性后向复扩散的图像增强功能,将前向复扩散和后向复扩散相结合,给出了一种前后向复扩散图像增强算法.实验结果表明:该算法抑制了图像中的微弱噪声,有效地增强了图像,保留了图像的细节纹理,没有产生错误的图像增强效果,可以获得很好的图像增强效果.     

图像增强方法研究新进展

图像增强是一种重要的图像处理方法,其可以增强图像中的细节信息,抑制噪声,改善图像质量,利于后续图像处理.阐述了图像增强研究的现状,对比分析了常用的图像增强方法的优势和局限性,讨论了近些年新涌现的图像增强方法,分析了图像增强评价指标,指出了图像增强方法值得进行深入研究的方向.     

基于小波阈值的图像增强算法

本文针对传统的图像增强算法中存在的一些问题,如增强噪声、丢失细节、对比度差等.提出了一种基于小波变换的图像增强算法.图像经过多尺度小波分解后,得到不同尺度的小波系数,然后根据噪声在不同尺度的分布情况和小波系数的特点,对不同尺度的小波系数采用不同的小波阈值增强算法,最后进行小波重构,即可得到增强后的图像.经过仿真实验证明该方法可以有效地增强图像的细节信息,保持图像的边缘特征.改善图像的视觉效果.     

基于模糊熵的两种图像增强技术

基于模糊数学的图像处理技术是图像处理中的重要技术。文中基于模糊熵的概念,提出了两种新的图像增强算法:一种是基于模糊熵的图像滤波器,另一种是改进的模糊松弛迭代增强算法。前者将图像分为若干窗口,分别计算每个窗口关于不同模糊集的模糊熵,根据最小模糊熵原则,确定该窗口中心灰度的大小,该方法充分利用了图像窗口中像素的区域信息;后者对图像依次进行模糊熵滤波去除噪声,最大模糊熵阈值确定分层和模糊隶属度松弛迭代增强,该方法能够实现对图像不同层次的内容实现可控式模糊增强,提高算法的自适应性并且能够增强算法的抗噪性能。通过与传统算法的实验结果对比,验证了文中算法能够取得较好的图像增强效果。     

滤波特性比较及分析

本文介绍了图像增强的概念,图像增强处理的分类,依据增强处理方法的不同,分为空域图像处理和频域图像处理。文章从这两方面对图像增强算法进行讨论和研究。简要分析了在图像增强方面的处理,着重对频域图像处理中的高通滤波器(IHPF)通过MATLAB进行仿真分析,仿真实验的结果表明,高通滤波器对频域图像处理效果较好,具有较强的实用性和应用价值。     

基于小波阈值的图像增强算法

本文针对传统的图像增强算法中存在的一些问题，如增强噪声、丢失细节、对比度差等，提出了一种基于小波变换的图像增强算法。图像经过多尺度小波分解后，得到不同尺度的小波系数，然后根据噪声在不同尺度的分布情况和小波系数的特点，对不同尺度的小波系数采用不同的小波阂值增强算法，最后进行小波重构，即可得到增强后的图像。经过仿真实验证明该方法可以有效地增强图像的细节信息，保持图像的边缘特征，改善图像的视觉效果。     

改进的低质量指纹图像分割算法

低质量指纹图像处理一直是自动指纹识别技术的研究重点,对低质量指纹图像的分割是图像增强、细化和特征提取的重要前提。在分析传统方法局限性的基础上,从指纹图像的灰度分布规律出发,提出了基于点方向图和灰度均衡的指纹图像分割算法。实验结果表明,相比于已有的指纹图像分割算法,该算法的分割效果更好,具有很强的噪声抑制能力。     

空间域下基于直方图处理的图像增强算法

随着时代的发展和社会的进步,人们对于图像的质量越来越重视,对图像的分辨率和精细程度提出了更高的要求。那么对原始图像进行增强,在空间域图像处理技术方面,非常重要的一个基础就是直方图处理,采用直方图处理的方法,可以显著提高图像的质量。本文分析了空间域下基于直方图处理的图像增强算法,并通过对实验结果对比,证实该算法可以较好的提高图像处理质量。     

综采工作面监控图像混合增强算法

针对单尺度Retinex算法会产生较严重纵向条纹噪声的问题,提出了一种混合图像增强算法。该算法利用模板去噪算法减少常规单尺度Retinex算法产生的纵向条纹噪声,并结合拉普拉斯算子增强图像细节,提高图像质量。采用实际综采工作面不同工况下的监控图像对该算法进行实验验证,结果表明,该算法具有图像清晰度高、对比度大与图像细节增强优的特点。     

基于Sobel算子滤波的图像增强算法

针对传统图像增强算法对噪声比较敏感、图像失真和细节信息丢失等不足,提出一种基于Sobel算子滤波的图像增强算法。通过理想高通滤波和Sobel算子提取出边缘掩膜,再利用平滑滤波和拉普拉斯算子结合得到简单的细节增强图像。然后将其和掩膜相乘后,再与输入图像相加可得到效果较好的边缘细节增强图像。通过实验进行比较分析,评价结果显示,该方法得到图像的视觉效果相对原始图像和同态滤波都有明显的改善。实验结果验证了该方法的有效性,在增强图像边缘细节的同时,能够抑制噪声并保持图像的真实性。     

使用稀疏表示的彩色图像增强

提出一种对图像DCT(离散余弦变换)系数使用稀疏表达的彩色图像增强算法。该算法改进了传统算法在边缘保留和噪声抑制方面的一些不足,例如增强高频成分中的纹理信息的同时抑制噪声。传统的图像增强算法往往认为图像的高频成分主要为噪声区域,在这样的前提下高频成分中的纹理信息和噪声区域就很难加以区分。所提出的算法主要依据图像上不同区域DCT系数的不同分布特征识别图像的噪声和非噪声频率成分,进行噪声抑制和边缘增强,并且使用Kaiser加窗处理来解决因保留低频成分产生的块效应。实验结果表明,与传统图像增强算法相比,所提出的算法不仅抑制了图像噪声,而且增强了图像的纹理和边缘,改善了图像的视觉效果。     

基于图像特征分块的分数阶微分图像增强算法

为了改善图像增强效果,突出图像主体,研究了一种基于图像特征分块的分数阶微分图像增强新算法。该算法通过构造分数阶微分掩模算子,根据图像特征分块的结果设定分数阶阶数,形成分数阶阶数矩阵,然后将其代入掩模算子,并与原图像进行运算。实验中分别对原图像和加入了高斯噪声的图像进行处理,并比较了不同参数时图像增强效果。实验结果表明,该算法能较大地增强图像主体部分的纹理,同时一定程度上抑制了背景及平滑区域图像噪声的增加。在图像平均梯度略低于传统分数阶微分增强算法的程度上,该算法对图像纹理的增强幅度更大。