基于改进γ-CLAHE算法的水下机器人图像识别

水体及悬浮粒子对光的吸收、折射及反射导致水下图像对比度低及细节模糊,单一图像增强算法难以适用于水下复杂环境识别.为了解决该问题,提出基于小波变换和改进的γ-CLAHE相融合的图像增强算法.通过快速中值滤波去除图像中噪声,向CLAHE算法中加入自适应伽马变换,解决CLAHE算法处理水下图像色彩失真,丢失孤立点、细线,画面突变等问题.利用改进的γ-CLAHE算法处理小波变换分解后的低频部分,增强图像并加快运行速度.通过小波逆变换将γ-CLAHE算法处理后的低频部分和双边滤波处理后的高频部分相融合,得到最终的增强图像.将实验图像同传统CLAHE、Retinex、Singh融合算法的处理图像进行对比,验证本研究算法在水下图像处理方面的有效性和优越性.     

高斯小波在低对比度目标识别中的应用研究

应用光电混合联合变换相关器对复杂背景低对比度目标进行探测识别时,物面图像不作任何处理根本无法获得相关峰,无法实现目标探测识别的目的。为此提出在物面应用高斯小波模极大法处理技术,有效抑制了背景噪声的干扰,提高了有用信息量的衍射,从而提高了应用联合变换相关器对复杂背景低对比度目标进行探测识别的能力。实验证明对于对比度高于6%的复杂背景目标经高斯小波处理后,获得的相关峰对比度较处理前相关峰对比度能达到百分之百的增强效果。文中给出了雾天汽车处理前后的实验结果,有力地证明了该方法的有效性。     

一种雾天监控视频图像增强处理算法

针对雾天条件下监控系统视频图像退化严重的问题,提出一种基于YUV色彩空间直接增强的雾天监控视频图像增强处理算法,首先对亮度分量采用多尺度Retinex理论进行增强处理提高对比度,然后对色差分量进行线性拉伸恢复色彩,最后将增强后的亮度分量和色差分量合成处理后的图像。通过对薄雾和浓雾条件下图像的验证表明,本算法可增强图像的对比度,恢复色彩信息,得到比直方图均衡化算法和MSRCR算法更好的去雾效果,而且算法复杂度较低,具有应用于监控系统实时去雾图像处理的能力。     

基于小波的同态滤波算法在ICT图像增强中的应用

针对ICT图像对比度低、边缘模糊、细节不清晰等问题,提出采用基于小波的同态滤波算法来对图像进行增强。同态滤波可以有效地减少亮度不均匀,并对感兴趣的景物进行有效增强。首光使用基于照明反射模型的同态滤波方法,介绍模型的原理、实现过程和特点,给出了适用的滤波模型和表达式。引入基于小波变换的同态滤波方法,采用高通滤波对小波变换系数进行处理,在保持图像总体原貌的基础上对图像局部对比度增强,效果显著。     

基于提升格式小波变换和Snake模型的红外目标边缘增强与分割算法

针对红外图像对比度差、信噪比低的特点,将提升格式小波变换和Snake模型相结合,提出了一种红外图像边缘增强与分割算法。该算法先采用提升格式小波变换对原图像进行增强,以提升图像中目标与背景的对比度;而后再利用Snake模型对目标的边缘进行提取,最终实现目标的边缘分割。实验结果验证了这种算法可有效地对红外图像的对比度进行提升,从而提取出更为精确的目标边缘。     

一种改进的水下偏振图像融合算法研究

针对传统图像融合算法造成的对比度低、细节信息模糊等问题,提出了一种改进的基于二维离散小波变换的图像融合算法.利用光强度相机和分焦平面相机同时对水下运动目标进行探测,获得光强图像和偏振图像.将计算得到的偏振度图像和偏振角图像先进行简单的融合处理,再将融合后的偏振特征图像与光强图像采用改进的二维离散小波变换进行分解,得到低频分量和高频分量.对于低频部分,提出一种基于区域方差加局部能量相结合的图像融合算法;高频部分采用一种基于Sobel算子的图像融合算法.最后将低频分量与高频分量进行二维离散小波重构,得到结果图像.仿真结果表明,与传统图像融合算法相比,该算法获得的融合图像有效地拉升了目标与背景的对比度,增强了水下图像视觉效果,有利于准确识别水下运动目标.     

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。     

基于小波变换的超声红外热图像处理

超声红外热波检测图像存在对比度低、信噪比不高的问题。为了增强图像视觉效果,提高缺陷检测能力,采用小波变换的方法对红外热图像进行处理。介绍了小波变换和阈值处理的基本原理,先对采集到的红外热图像预处理,再对预处理后的图像进行小波变换获得低频和高频系数,进而采用阈值处理的方法来去除噪声并增强细节系数,最后经过小波重构得到新的红外图像。结果表明,该方法能够有效提高红外图像的对比度和信噪比,为红外图像的缺陷识别奠定基础。     

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。     

基于多分辨率分析理论的口腔CT图像的增强

针对牙齿CT影像经常出现的正常组织和病态组织之间对比度不清的问题,提出了基于小波变换的图像多分辨率梯度信息的医学图像增强算法,算法原理简单、实用,较好地解决了牙齿图像对比度增强的问题。     

基于模糊逻辑增强有雾图像对比度的方法

为了提高有雾图像的能见度,提出一种基于模糊逻辑增强雾天降质图像对比度的方法。该方法将整个有雾降质图像从灰度平面映射到模糊特征平面上,然后再利用模糊熵求出图像像素的灰度空间变化率,通过选取合适的阈值将图像像素点分成两大类,并在模糊特征增强变换时对它们实现不同的增强操作处理。实验结果表明：该方法能有效地改善雾天时图像的退化现象和提高图像的清晰度。     

小波变换和自适应变换相结合的图像增强方法

对比度受限的自适应直方图均衡是一种提高图像的局部细节有效的算法(简称为自适应变换CLAHE)。针对它在应用过程中存在对比度和过度拉伸噪声增强问题,提出了一种有效的图像增强方法,命名为CLAHE离散小波变换,它结合了CLAHE与离散小波变换。首先,原始图像由离散小波变换分解为低频和高频部分。然后,分别使用CLAHE增强低频系数和对高频带小波系数进行滤波,以限制噪声增强。这是因为高频分量对应于细节信息,低频部分包含雾霾图象的大部分噪声。最后,通过采取新的系数小波逆变换重建图像。     

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。     

基于提升小波变换的多传感器图像融合算法研究

为了更好的进行图像融合,基于提升小波变换,采用了一种基于区域方差和方向对比度的融合规则相结合的图像融合新算法.该算法结合提升小波的优势,将图像进行多分辨率分解;针对变换后的低频分量和高频分量的不同特点,采用了不同的融合规则进行融合;最后通过提升小波逆变换得到融合图像.实验结果表明,该算法具有增强图像空间细节的能力,使得融合后的图像内容清晰,相比于传统小波变换法,具有更好的融合效果.     

基于暗原色先验的Retinex去雾算法

针对雾天图像去雾问题,提出了一种基于暗通道先验理论的Retinex算法。首先利用引导滤波估计图像透射率优化暗通道先验算法,获取初步去雾图像并对去雾图像进行空间转换;在转换后的HIS空间中建立高斯尺度参数与透射率的指数关系,重新构造高斯滤波核并根据MSR算法对近处景物做大尺度变换以增强颜色保真性,对远处景物做小尺度变换以增强图像细节显示,实现根据景深大小完成自适应MSR算法以优化图像亮度分量I;对饱和度分量S进行自适应线性拉伸以优化图像色彩,最后由HIS空间重新转换为RGB空间得到最终增强图像。实验表明:与几种典型的图像去雾算法相比,经基于暗通道先验理论的Retinex算法处理后的图像清晰度和对比度提升明显,同时获得很好的图像色彩层次感。     

小波分析在SARS胸片图像增强中的应用

通过对非典型肺炎的胸部X线图像的特征分析,提出采用小波分析方法,对图像做小波变换,提取各层小波分解系数,利用阈值法对各系数作去噪预处理,然后再利用阈值法对各系数做衰减或增强处理,最后重构出清晰图像.结果显示,用此方法处理的非典型肺炎胸部X线图像,效果较好,既增强了图像对比度,又不损失细节信息,为医生鉴别诊断疾病提供了清晰影像依据.     

基于小波变换的遥感图像增强方法

为了有效地提高遥感图像的整体对比度,提出一种基于小波变换的图像增强方法来增强遥感图像。在小波域中通过对主要亮度层的图像进行分解,得到低亮度层、中亮度层、高亮度层,对三个亮度层分别进行对比度加强,将加强后的亮度层通过逆离散小波变换得到增强图像。实验结果表明,新方法提高了遥感图像的整体对比度,使图像的局部细节有更好的可视性。     

小波分析在SARS胸片图像增强中的应用

通过对非典型肺炎的胸部X线图像的特征分析，提出采用小波分析方法，对图像做小波变换，提取各层小波分解系数，利用阈值法对各系数作去噪预处理，然后再利用阈值法对各系数做衰减或增强处理，最后重构出清晰图像．结果显示，用此方法处理的非典型肺炎胸部X线图像，效果较好，既增强了图像对比度，又不损失细节信息，为医生鉴别诊断疾病提供了清晰影像依据．     

自适应单尺度Ridgelet声呐图像去噪方法

声呐图像背景复杂,对比度差,边缘恶化,不易判读图像边缘．对声呐图像执行小波变换能够有效去除噪声,但是由于小波的局限性,其对图像边缘的保持效果不佳．正交有限Ridgelet （FRIT）变换能够有效克服小波变换在处理高维信号时的不足,是一种有效处理二维奇异性信号新方法．针对水下声呐图像特点及噪声分布情况,提出单尺度自适应去噪处理算法,既削弱了单独使用FRIT处理时出现的环绕现象,又克服了单独使用小波去噪时无法保持边缘的缺点,同时提高了图像信噪比．与其他经典方法及单独使用FRIT方法比较,此改进方法在水下声呐图像去噪输出信噪比及边缘保持等方面均获得理想效果．     

基于小波变换的X射线图像增强技术

针对射线图像存在对比度差,灰度范围小,影像模糊,一般的增强方法不能在增强对比度的同时较好地保持边缘的问题,提出了基于小波变换的图像增强方法.实验证明:基于小波变换的图像增强方法对常规射线图像有很好的增强效果,其增强后的图像质量明显优于一般常规方法.