融合直方图均衡化与同态滤波的雾天图像增强算法研究

为了改进目前去雾算法存在的不足,将直方图均衡化算法与同态滤波算法相结合,对雾天图像进行增强处理。首先用改进的同态滤波算法来校正光照不均图像的亮度,用对数运算实现非线性问题线性化,同时将低频和高频分量分离开,使用高通滤波器抑制低频信息,然后应用直方图均衡化算法对图像的低频成分进行非线性拉伸,重新分配图像的像素值,以此来增强雾天模糊的图像。用Matlab进行仿真实验,通过视觉效果及运行时间和信息熵的对比表明,改进的算法要优于单独使用两种算法时处理的结果。     

基于曝光适度评价的多曝光图像融合方法

针对数字相机在拍摄宽亮度范围场景时动态范围不足的问题,提出一种高效的多曝光图像融合方法.该方法通过场景的多次采样曝光,分析不同像素的亮暗变化,利用高斯数学模型计算评价数值.将结合图像亮度信息的曝光适度评价方法应用于图像分块区域,并计算每个像素的权重值,消除图像块效应.将不同曝光度下成像的图像序列融合为一幅局部自适应曝光的高动态范围(HDR)图像,实现动态范围扩展.与另外3种方法进行对比分析,结果表明:该方法简便有效,细节纹理与颜色信息具有更强的表现能力,且熵值更高.     

基于曝光适度评价的多曝光图像融合方法

针对数字相机在拍摄宽亮度范围场景时动态范围不足的问题,提出一种高效的多曝光图像融合方法.提出结合图像亮度信息的曝光适度评价方法,通过场景的多次采样曝光,分析不同像素的亮暗变化,利用高斯数学模型计算评价数值.将该曝光适度评价方法应用于图像分块区域,并计算每个像素的权重值,消除图像块效应.将不同曝光度下成像的图像序列融合为一幅局部自适应曝光的高动态范围(HDR)图像,实现动态范围扩展.结果表明,该方法简便有效,细节纹理与颜色信息具有更强的表现能力,且熵值更高.     

基于彩色直方图均衡化的自动白平衡算法研究

针对某些特殊光源下,如拍摄色温低于2500K或高于7000K时,图像偏色较严重的现象,提出了一种基于彩色直方图均衡化的自动白平衡算法。首先采用Roberts算子对图像进行边缘检测,对得到的图像进行直方图均衡化处理;然后选择参考白点区域,计算图像各通道的增益,用得到的增益值进行色温校正;最后,使用Matlab进行了仿真验证,直接观察实验结果。通过对比,提出的白平衡算法在特殊光源下也能进行正确调整,使白平衡能调整的色温范围更广且算法时间复杂度相对较低,可以广泛应用于数字图像产品中。     

基于DCT变换的多曝光图像融合方法

针对普通相机拍摄图像中存在区域曝光问题,提出一种改进的基于离散余弦变换的多曝光图像融合算法。分别对同一场景的多幅不同曝光图像分块,并对每个小块进行离散余弦变换。对提取相应位置的低频系数平均加权,获取图像近似部分的融合分量;对高频系数基于区域标准差确定权重系数,根据权重系数的大小获取细节部分的融合分量。最后,通过反离散余弦变换获得较好质量的多曝光融合图像。仿真实验表明,该算法在提取低频系数为25%,高频系数为75%时,展现的图像细节信息更加丰富。     

基于曝光融合的无人机航拍图像增强算法

针对无人机航拍图像光照不均匀及自然雾导致影像质量退化问题,提出了一种无人机航拍图像增强算法。利用改进的低照度图像增强算法均衡亮度对比度;为了解决均衡后图像过增强问题,提出了联合去雾及曝光融合的色彩矫正增强方法;为了保留增强图像的边缘纹理信息,设计了一种效果更佳的细节增强算法,处理后统计直方图更为平滑,可在一定程度上抑制部分噪声,细节纹理信息更强。实验结果表明,所提的航拍图像增强算法,能够有效解决因光照不均或自然雾引起的影像退化现象,提高了无人机航拍图像的质量,主客观图像质量评价指标优于现有绝大多数主流算法,性能更佳。     

基于曲线估计的实时曝光图像增强算法

针对曝光错误导致图像质量降低的问题,图像增强旨在不破坏正常曝光区域质量的同时,提高曝光错误区域的质量.然而,在近年来的研究中,使用一个算法解决多种曝光问题并不常见,而且通常需要大量的参数和内存,这不可避免地增加了成本和时间的开销.本文提出了一种新的算法,利用全局-局部感知轻量级Transformer网络和全局-局部光增强曲线,在边缘设备的有限资源下高效的提高图像质量.该轻量级网络主要由全局分支和局部分支两个部分组成.全局分支使用Transformer模块提取最适合的全局参数映射,以区分和调整图像的全局信息.而局部分支获取图像的像素信息,用于估计最佳的局部参数映射.最后,通过迭代运用包含有全局参数映射和局部参数映射的全局-局部光照增强曲线提高了图像质量.在曝光错误数据集上的实验表明：所提出的算法仅需要5%的参数和0.1%浮点运算即可达到与目前STOA算法相当的图像质量,从而显著提高了效率.     

一种结合直方图均衡化和MSRCR的图像增强新算法

为便于集成电路(IC)真实缺陷形貌图的缺陷特征提取,提出了一种结合直方图均衡化(HE)和多尺度Retinex彩色恢复(MSRCR)算法的彩色图像增强新算法．用直方图均衡化对彩色图像进行增强,可以显著提高对比度,但会降低原图的信息熵;用Retinex算法对彩色图像进行增强,可以显著提高暗区域的细节,但会产生泛白、颜色失真和对比度低的现象．新算法根据两种算法处理结果的特点,将图像先分别进行HE增强和MSRCR增强,然后按照一定的图像融合规则进行加权融合,经过大量的测试统计,得到了一个最佳权重．实验证明,改进的算法使图像的亮度、对比度、细节等都有很大的增强,不仅改善了图像的整体视觉效果,而且得到了最大的信息熵,能更好地刻画IC缺陷细节,有利于后续的目标检测和缺陷特征提取,并验证了算法的通用性．     

基于边缘信息融合的水下焊缝图像增强算法

提出了一种基于水下环境的焊缝图像增强算法。采用高斯滤波器分离水下焊缝图像的高频分量,通过改进局部对比度增强算法(ILCE)对其进行处理,以增强图像的边缘信息;利用自适应系数设置的Gamma变换改善原始图像亮度信息,同时结合CLAHE算法以提升图像对比度;最后,将处理后的两幅图像进行融合,以得到最终的增强图像。利用本文算法及其他经典算法,针对典型的水下焊缝图像进行对比检测,结果表明,所设计的算法能有效提升图像对比度,同时能够突出焊缝边缘信息,图像均值适中,且信息熵及平均梯度均高于其他算法。     

基于均衡化和数学形态学的组合边缘检测法

在研究灰度图像的边缘检测问题中，针对像素灰度值的分布特点和图像的边缘特性，提出了一种基于直方图均衡化和数学形态学法的组合边缘检测方法，能够有效地抑制噪声，提高检测精度，保护边缘细节，并且算法易于编程实现，适用于大多数的实际图像。     

基于图像熵的自动曝光设计

现有的自动爆光控制方法需要CPU占用大量的时间来处理图像和查找相应的数据库.不适合应用于高速CCD的爆光控制.本文提出了一种利用图像熵来快速判断图像模糊程度的新算法,根据熵值所在的不同范围,通过爬坡算法来调整爆光时间,从而达到控制爆光量.     

基于CLAHE变换的低对比度图像增强改进算法

在智能交通系统中,天气和光照是图像采集质量的重要客观条件,对后续处理及最终监管有不可忽视的影响。针对雾天和夜间等低对比度图像,提出一种基于有限对比度适应性直方图均衡化的改进算法。该方法首先进行RGB和HIS彩色空间转换,其次仅对亮度分量进行CLAHE变换和非线性拉伸,之后做RGB输出。实验结果表明,该方法在提高对比度同时,良好地保持图像的目标信息,能够提高后续识别和监管的有效性。     

一种直方图均衡化的五边形拟合老年人异常行为检测算法的研究

老年人异常行为检测是计算机智能视频监控的一项重要功能,其快速有效地检测老年人的异常行为信息,使老年人及时得到救治,本文提出一种直方图均衡化的老年人异常行为检测算法,首先根据定义的行为准则区分异常行为,然后对图像进行预处理-直方图均衡化修正直方图、前景图像和背景图像做差分、对图像进行二值化,采用形态学的算子进行膨胀连通断裂区域,腐蚀、轮廓提取。本文采用头、左手、左脚、右脚、右手五个突出顶点进行五边形拟合,边界跟踪去除影响的噪声。采用面积有效比、周长比、中心比、宽高比进行判断区分老年人的行为。经试验验证该算法提高了正确率,降低了误判率,具有很好的鲁棒性。     

一种改进的图像模糊对比度增强算法

对基于模糊对比度的图像增强算法加以改进。对图像进行直方图均衡化的预处理,提升图像的整体对比度;取消模糊对比度计算公式中的分母归一化过程;将非线性增强计算公式由多项式函数更换为双曲线函数。针对两幅图像的实验结果表明,改进后的算法可消除原算法在低灰度区域引入的噪声,经过改进算法的处理,图像信息熵和均值均有增加。     

复杂背景图像中的车牌检测算法

针对在复杂背景图像中汽车牌照检测定位的课题,提出了一种基于可信度评价的汽车牌照检测定位算法。在对图像进行预处理后,算法利用车牌区域由于字符排列的规则性而在梯度图像上产生的特征,分割并提取出车牌可能存在的候选区域,然后根据汽车牌照的几何特征对每一个候选区域进行可信度评价并按一定的合并规则对候选区域进行合并,以获取更高的可信度,最后根据区域可信度值的大小确定车牌的位置。算法对于图像光照条件变化、视角变化而造成的车牌的倾斜和变形等情况都具有较好的处理效果。     

图像曝光状态的双向快速判定方法及电路实现

自动曝光是数字图像处理中的重要一环.针对图像的曝光状态判定,提出一种快速双向算法.该方法运算复杂度和运算量均较低,从而能够快速地判断图像的曝光状态,提高图像曝光控制的实时性,保证整个数字图像处理系统能实时可靠地运转.该方法实现的硬件电路具有简单、实时控制性好的特点,在移动设备中有较高的应用价值.     

基于直方图与图像分块融合的阶调映射算法

阶调映射算法（TMO）旨在将高动态范围（HDR）图像以最符合人眼感知的形式复现于低动态范围显示设备上.为此基于图像分块与融合,提出一种直方图调整的阶调映射算法.高动态范围图像被分为若干非重合的长方形区域,在每一块区域中阶调映射问题被视为基于直方图的K均值聚类问题并且建立相应的求解目标函数.各区域中解得的映射函数根据该区域的均匀性进行调整,以避免对比度增强过度,从而减少伪影.最后,提出一种双边滤波形式的图像融合策略以保证区域边界的平滑性,兼顾位置及亮度差,进而提升映射结果的自然性.在实验中,采用阶调映射图像质量指标来对算法进行客观评估,结果表明所提算法相对于经典的阶调映射方法有更好的阶调映射效果,在细节增强与全局外貌保留间达到平衡,并在局部阶调映射算法中具有较好的运算效率.     

基于DT-DWT的医学图像融合算法

将具有平移不变性和良好的方向分析能力的双树离散小波引入医学图像融合的方法中,提出了高频子带采用基于跨尺度的邻域空间频率的融合策略,最高层的低频子带采用基于改进的邻域熵的融合策略进行融合处理的融合算法.实验结果表明该方法能够更有效的实现融合,有着良好的融合效果.