基于小波变换的彩色图像自适应细节增强算法

针对彩色图像,提出了一种基于小波变换的自适应细节增强算法.首先选择了合适的彩色空间,保持图像的彩色分量不变,对其亮度分量进行小波变换,然后按照分解后的各级近似图像对比度自适应地调整小波细节系数,同时适当地增强近似系数以提高彩色图像的平均亮度,在处理过程中不需要设定额外的调整参数.实验证明,算法不但保留了图像较亮的细节,而且增强了较暗的细节,同时达到了图像色彩不失真的目的.     

一种多尺度彩色图像细节增强算法

针对彩色图像提出一种基于小波变换的细节增强算法,在可分离亮度色度的彩色空间内,保持图像的色度分量不变,对其亮度分量进行小波变换,然后按照分解后的各级近似图像对比度采用插值处理调整小波细节系数,同时适当地增强近似系数以提高彩色图像的平均亮度,在处理过程中不需要设定额外的调整参数.实验证明,本算法不但保留了图像较亮的细节,而且增强了较暗的细节,同时达到了图像色彩不失真的目的.此外,本算法直接在RGB彩色空间内处理彩色图像也获得了较好的效果.     

基于RGB颜色空间的彩色图像分割方法

传统的图像阈值分割算法是将彩色图像转换为灰度图像再进行分割。通过分析RGB颜色空间的特点,本文提出基于RGB颜色空间的阈值分割算法,采用新的判定准则,在颜色空间中以立方体取代原来的四面体,直接对彩色图像进行分割。分析和实验证明,改进的判断准则能够克服由于灰度转换造成颜色信息丢失而引起的误判,在保证原有阈值分割算法快速、简单的前提下,能够对彩色图像进行更为准确的分割。算法适用于目标颜色为黑色的情况,并可以推广到目标颜色为其它颜色的情况。     

基于RGB灰度值缩放的彩色图像增强

为保持彩色图像增强时色调不变,提出一种基于RGB灰度值缩放的彩色图像增强算法。采用二次函数增强像素RGB三基色的最大值,获得缩放因子k,利用k值增强相应像素的RGB灰度值。实验结果表明,该算法能增强不同压缩比的彩色图像,综合性能优于现有算法。     

结合形态学变形虫和复合颜色空间的彩色图像边缘检测模型

为解决彩色图像边缘检测中出现的RGB空间中向量排序、边缘准确定位以及抗噪性问题,提出一种基于形态学变形虫(自适应结构元素)并联合使用HSV空间和RGB空间的彩色图像边缘检测方法.首先在HSV空间中计算变形虫结构元素,克服了传统形态学结构元素选择不合理的缺点;然后借助HSV空间中的度量,并将其转换到RGB空间中完成向量的排序;再在RGB空间中,通过计算上述变形虫结构元素中像素间距离最小值定义边缘强度,不仅避免了HSV空间边缘定位不准确的问题,而且提高了算法的抗噪性;最后借用Canny算子的思想得到单像素边缘.实验结果表明,该方法能够充分考虑到图像的局部特征,边缘定位准确、抗噪效果显著,能得到有效、丰富的边缘信息.     

模糊多尺度Retinex彩色图像增强

由于中心环绕Retinex算法中假设场景中光照是平缓变化的,所以在图像明暗对比强烈处易出现光晕现象。针对Retinex传统算法的固有缺陷,结合MSRCR算法在色彩恢复上的优势,提出了一种模糊多尺度Retinex彩色图像增强方法（FMSRCR）。FMSRCR使中心环绕空间对比运算仅在光照强度相近的区域中进行,克服了光照不均的影响。同时采用自适应高斯模,减少了卷积运算量。通过实验证明该方法是有效的。     

基于颜色三角形信息量的彩色图像边缘检测

提出了一种利用构造三角形面积变化来检测彩色图像边缘的方法,它能够充分利用彩色图像中各像素的各个彩色分量,将颜色的向量度量转化为标量度量。与传统的边缘检测算法相比,这种方法检测到的边缘比较清晰,能提高边缘检测的准确性。     

基于对比度增强的彩色图像边缘检测算法

在分析彩色图像边缘的灰度化和漏检问题的基础上,设计了分解基于分量相关的颜色模型的彩色图像得到的颜色分量进行颜色对比度增强的算法。提出了以该算法为基础的彩色图像边缘检测的改进方法,即对增强后的各分量应用梯度算子检测其分量边缘,最后合成为彩色图像边缘。实验结果表明,文中提出的改进方法,能够检测出图像的彩色边缘,具有检测出的图像边缘细节较完整的优点;又由于该方法是基于像素点处理的检测方法,故不必进行颜色模型的转换,具有方法简单、算法复杂度低的优点。     

基于白Top-Hat变换的医学图像局部对比度增强算法

提出了一种简单、高效的医学图像局部对比度增强算法.该算法的主要特点是在对医学图像进行多尺度形态学top-hat变换增强对比度时,仅采用白top-hat变换和用增加亮对比度区域的灰度值方法来代替黑top-hat变换,从而避免了常用形态学增强方法中丢失原始医学图像灰度信息的弊端.通过使用CT,MR医学图像与已有的局部对比度增强典型算法进行实验比较,结果表明,本文算法在增强图像局部对比度和减少计算时间均具有优势.     

一种基于立方体相似度的彩色图像边缘检测算法

对彩色图像边缘检测算法进行了研究,提出了一种基于立方体相似度的边缘检测算法,同时,对几个相关的问题做了详细的描述,如颜色空间的概念、分类等。这种算法在一定程度上合理地对R、G、B三个颜色分量之间的关联性进行了构造,对相关颜色的向量问题转为标题问题,转入了发展相对完善、人们更为熟悉的领域。经过实验得出,该算法可以很充分的通过图像的颜色信息,使原彩色图像的边缘得到更完整的保留。     

基于域滤波的自适应Retinex图像增强

为了提高低照度图像的亮度和对比度,提出了一种新的基于Retinex理论的彩色图像增强方法。首先,基于Retinex理论,提出对HSV空间V分量进行域滤波估计图像光照分量,然后将V分量与光照分量相除得到反射分量的方法。之后,采用自适应Gamma校正对光照分量进行亮度提升,然后采用CLAHE对其进行对比度增强。最后,将亮度校正光照分量与反射分量相乘得到增强后的V分量,并将增强后的图像转化为RGB空间图像,达到彩色图像增强的目的。本算法可以获得更自然的增强效果,能抑制亮度较大像素点的增强,很好地突出图像中的细节信息,克服了图像增强中增强图像对比度低、颜色失真、过增强及光照突变处出现光晕现象等缺点。本算法对多种图像有效,例如高动态(HDR)图像、非均匀光照图像及低曝光图像。通过验证,本算法得到的结果相比于传统方法视觉效果更佳。     

基于多尺度梯度域引导滤波的低照度图像增强算法

针对低照度彩色图像整体亮度较低，增强图像中颜色易失真，部分图像细节淹没在较低灰度值像素中等问题，提出一种改进的低照度图像增强算法。首先，把待处理图像转换到色调、饱和度、亮度（HSI）颜色空间，对亮度分量进行非线性全局亮度校正；然后，提出多尺度梯度域引导滤波的亮度增强模型，利用该模型对校正后的亮度分量进行增强，接着对增强后的亮度分量进一步实施避免颜色失真的亮度校正；最后，将图像再转换回红绿蓝（RGB）颜色空间。实验结果表明，增强后的图像亮度平均提高90.0%以上，清晰度平均提高123.8%以上，这主要得益于多尺度梯度域引导滤波具有更好的亮度平滑和增强能力；同时由于减小了颜色失真，使增强图像的细节表现能力平均提高18.2%以上；由于采用了多尺度梯度域引导滤波的亮度增强模型与直方图自适应的亮度校正算法，使提出的低照度图像增强算法适宜应用于夜间等弱光源条件下的彩色图像增强。     

基于多尺度Retinex的自适应图像增强方法

介绍了一种基于MSR的自适应图像增强的方法,能够较好地自动处理由于云雾、雨天等天气原因和光照不足导致的景物不清、视觉质量差和对比度低的图像,提升多种类型的图像视觉质量.通过对实验的结果以及算法的普适性进行比较和分析,证明了该方法是有效的.     

基于Bandelet变换域的图像自适应增强算法

提出了基于Bandelet变换域的图像自适应增强的新算法,利用Bandelet变换在表示二维图像线、面奇异性时的优越性,实现了抑制噪声和凸显细节间的有效均衡。按照最小化逼近误差原则,寻找出二进剖分块的几何方向,在最小化均分误差(MMSE)的原则下合并二进剖分块,寻找出图像增强的方向。根据图像增强方向将Bandelet块分为两类:有几何方向的Bandelet块和无几何方向的Bandelet块,并分析了这两类Bandelet块系数的不同特征,从而区分出噪声和信号、清晰边缘和脆弱边缘。在此基础上提出了一种新的增强函数,在抑制噪声的同时,增强较弱细节并保护图像中的清晰边缘不失真。实验结果表明,与传统的图像增强算法相比,该算法在抑制噪声和放大细节特征两方面均有明显改进。     

基于第二代Curvelet变换的自适应图像增强

Curvelet是继小波和Ridgelet之后一种新的图像多尺度表示方法,Curvelet具有多尺度,多方向的特性,属于高度各向异性的变换。第二代Curvelet变换克服了第一代Curvelet变换的高数据冗余度问题,特别是基于”Wrapping”方式的第二代离散Curvelet算法,不仅运算快速、几何真实,而且快速可逆。因此,将第二代Curvelet变换用于图像增强,并通过自适应地确定Curvelet分解子带的噪声水平,实现了一种自适应图像增强方法。实验结果表明,同基于小波变换的图像增强方法相比,该方法具有明显的优势。     

Adaptive morphological filters for color image enhancement

In this paper, we investigate the performance of an adaptive morphological filter on color image processing, and we develop fast algorithms for the operation. The adaptive filter is based on a new type of opening (NOP) and closing operators (NCP). The operational window of the NOP and NCP can alter its shape according to the local geometry of the processed images. Our experimental results show the effect of the geometric-based adaptivity in preserving the edges, details, highlights, smoothness and color appearance, while removing noise from color images.     

台风云图伪彩色增强的Berkeley小波变换法

将Berkeley小波变换(BWT)和线性分配伪彩色增强方法相结合,给出一种有效的台风云图伪彩色增强方法。首先在Berkeley小波域增强云图的细节,然后将增强后的云图分别利用经典的线性分配和改进的线性分配法进行彩色增强。最后将所给出的方法与直接利用经典的线性分配方法、经典离散正交小波预处理后利用改进的线性分配方法进行对比分析。实验结果证明,该方法简便易行,运算量小,在应用中有较大的灵活性,为低对比度台风云图增强处理提供了一种新途径,同时能够有效突出台风眼区和外围螺旋云带等台风结构信息,为后续台风中心定位和台风强度预报提供参考。     

基于局部特征的分数阶微分图像增强方法

一般情况下分数阶微分模板一经确定,再用其进行滤波时并不随图像的局部信息而变化,它不具有灵活性。针对分数阶微分模板滤波的这种局限性,提出了一种基于局部特征的分数阶微分图像增强的方法。在3×3对称分数阶微分模板的基础上找出与拉普拉斯模板的关系,从而得到加权的拉普拉斯模板表示的分数阶微分模板;根据图像的局部均值与标准差的关系对加权的拉普拉斯模板进一步改进,得到基于局部特征的分数阶微分图像增强的方法,它使分数阶图像增强模板能够根据局部特征灵活地进行滤波。将其与其他的图像增强算法比较,实验证明基于局部特征的分数阶微分图像增强算法能获得更好效果。     

快速Retinex彩色图像增强

提出了一种快速Retinex彩色图像增强方法,模拟了人类视觉系统全局和局部自适应性。首先对图像的亮度范围做全局调整;然后在光照估计步骤中对亮度进行Mean Shift滤波,用于其后光照影响的消除;最后对增强结果进行颜色恢复并进行了后处理。实验结果表明,方法能够有效压缩图像的动态范围,克服光照不均的影响,有效去除了光晕现象,且方法的颜色保持性较同类方法更好。使用了Mean Shift加速算法,方法运行速度快于此前提出的方法。