红外图像全局和局部对比度增强的非线性增益法

提出一种基于模拟退火算法和离散平稳小波变换增强红外图像全局和局部对比度的非线性增益算法.基于原始红外图像的灰度直方图提出一种判据,利用该判据判断原始红外图像的对比度类型,以指导模拟退火算法的搜索方向和初值的选取;并利用模拟退火算法优化非线性灰度变换参数,实现对图像进行全局对比度增强.对全局增强后的图像进行离散平稳小波变换,分别对各个分解层的高频子带利用所提出的非线性增强算法进行细节增强.实验结果表明,该算法在有效地提高红外图像整体对比度的同时,能突出红外图像中目标的细节部分信息,在视觉质量上优于传统的直方图均衡法、反锐化掩膜法等.     

基于粒子群优化的图像自适应增强方法

将免疫粒子群优化算法和非完全Beta函数结合,提出了一种自适应图像对比度增强方法.该免疫粒子群优化算法结合了粒子群优化算法具有的全局寻优能力和免疫系统的免疫信息处理机制,改善了粒子群优化算法摆脱局部极值点的能力.利用免疫粒子群优化算法自动搜索最佳的灰度变换参数,从而获得一条最佳的灰度变换曲线,实现对图像进行全局增强处理.实验结果表明,该算法不仅能有效地提高图像整体对比度和视觉效果,而且适合图像的自动化处理.     

基于改进人工蜂群的图像增强算法

针对人工蜂群算法易出现早熟现象和收敛速度慢等问题,提出一种基于回溯搜索的人工蜂群算法。通过回溯搜索算法选择更新种群,采用随机的变异策略和不均匀的交叉策略,增强蜂群算法种群多样性,使得改进的蜂群算法能够跳出局部最优,且具有较好的全局收敛速度。将改进的算法用于图像对比度增强,通过搜索非完全Beta函数的最佳参数α,β,确定灰度变换曲线,对图像灰度进行调整,提高图像对比度。仿真实验结果表明,该算法具有较高的求解精度和较快的收敛速度,与直方图均衡化算法相比,有效地增强了图像的对比度。     

人工鱼群算法在自适应图像增强中的应用

图像增强是图像处理中的一个经典问题,以传统的分段线性变换为基础,利用人工鱼群算法和二维Otsu阈值法,提出了一种自适应的图像对比度增强算法。该方法利用优化后的人工鱼群算法自动选取双阈值,依据图像的对比度自动搜索灰度变换斜率,得到最优的分段线性变换曲线,并用之对图像进行增强处理。实验表明,该方法可有效提高图像对比度,且优于直方图均衡化、反锐化掩模等传统的对比度增强方法。     

低照度图像自适应颜色校正与对比度增强算法

光照变化会造成图像颜色失真和清晰度的下降,为了使计算机视觉系统具有颜色恒常感知功能,提出了一种基于极限学习机和杜鹃搜索算法的图像颜色校正与对比度增强算法.首先对于输入图像,提取该图像的17维特征向量,并利用训练好的极限学习机神经网络自适应地选择适合该图像的最佳颜色恒常算法,并进行相应的颜色校正;然后,针对图像的亮度分量,利用杜鹃搜索算法自动确定亮度增强函数的最优参数,并进行相应的对比度增强.基于Funt数据集的实验结果表明,文中算法不仅能有效地完成图像颜色校正,还能自适应地提高图像的信息量和对比度,获得图像颜色和对比度的综合最佳视觉质量.     

基于改进蛙跳算法的图像对比度增强方法

为改善图像对比度,提出了一种基于改进蛙跳算法的图像对比度增强新方法。该方法利用分段线性变换增强图像的原理,对蛙跳算法进行深入分析并进行改进后,将改进蛙跳算法与二维Otsu法相结合,利用蛙群的并行搜索机制自动选取图像的双阈值,然后再以图像的对比度作为改进蛙跳算法的适应度函数,自适应地搜索分段线性变换的斜率,并以之增强图像。实验结果表明,该方法有效改善原图像的对比度,且优于直方图均衡化法及基于基本蛙跳算法和人工鱼群算法的增强方法。     

基于改进麻雀算法的图像自适应增强方法

针对非完全Beta函数在图像增强过程中需手动调整参数、算法效率较低的问题,本文提出了一种基于改进麻雀搜索算法(LKSSA)的图像自适应增强方法(LKSSA-Beta)。首先,采用Logtistic混沌映射优化麻雀搜索算法(SSA)初始种群;其次,使用鸟群算法飞行行为思想及柯西高斯扰动提高SSA寻优能力;然后,利用LKSSA优化Beta函数的参数,构建灰度变换曲线,达到图像增强效果;最后,将本文算法与基于PSO图像增强法、基于人工蜂群图像增强法及基于传统Beta函数图像增强法实验结果进行对比。对比结果表明,LKSSA将具有更优的灰度图像全局搜索能力,本文算法可以保留图像更多细节信息,使图像整体对比度明显提高。     

红外图像自适应增强的模糊粒子群优化算法

针对红外图像目标与背景区分不明显、对比度低的特点,把粒子群优化算法应用到红外图像增强中,提出了红外图像自适应增强的模糊粒子群优化算法。灰度变换增强是红外图像增强的首选方法之一,而选取适当的阈值是其取得良好的增强效果的有力保证。该算法通过粒子群优化算法来寻求最大熵准则下的自适应阈值,然后用模糊灰度变换增强方法自适应地拉伸红外图像灰度,增强图像。仿真实验表明,相对于常见的直方图处理,该算法能降低红外图像中背景对目标的影响,能提高红外图像的对比度。     

可避免彩色失真的图像对比度增强

为了将灰度变换技术推广到RGB彩色图像增强,并克服其容易引起彩色失真的缺陷,提出了一种通用的自适应彩色图像对比度增强算法.首先采用小波变换,直接在RGB空间分离出原始彩色图像和灰度变换图像的低频部分和高频部分,然后提取原始图像的彩色信息和灰度变换图像的对比度信息,最后进行归一化处理再重构输出彩色图像.实验结果表明.算法能在不引起明显彩色失真的前提下改善图像视觉效果,与基于Betinex理论的多尺度彩色复原(MSRCR)算法相比,逼真度和运算复杂度等指标都更加优异.     

基于小波域反正切变换的红外图像增强算法

针对红外图像对比度低、噪声大的特点,利用由信息熵、信噪比和图像标准差构成的评价函数,提出一种平稳小波域的红外图像增强算法。以反正切变换为基础,设计在平稳小波域内增强红外图像对比度的非线性变换函数,并利用差分演化算法与评价函数,寻找最优的非线性变换参数。实验结果表明,与传统的小波域增强算法相比,该算法在有效增强红外图像对比度的同时,对噪声具有较强的鲁棒性。     

用于数字图像直方图处理的一种二值映射规则

直方图表示数字图像中每一灰度级与其出现频数间的统计关系，它可给出图像的概貌性描述，而基于直方图修改技术的灰度变换是图像增强的实用而有效的处理方法之一。直方图处理包含均衡化和规定化两种技术。均衡化的目的是使图像像素均匀地分布在所有灰度级上；规定化的目的是将原图像的直方图转变为规定的直方图，以便突出一定灰度范围内的图像。为了进一步提高直方图处理算法的有效性，首先分析了现有的几种数字图像直方图均衡化和规定化算法存在的缺点，然后提出了一种新的二值映射规则(BML)，该规则基于最优控制原理，以直方图误差最小为准则进行灰度映射，实验证明．该规则算法简单，无论是用于直方图均衡化处理．还是用于直方图规定化处理，均较其他映射规则都更为有效。     

一种非线性变换的双直方图红外图像增强方法

红外图像具有噪声大、对比度低等特点,红外图像增强是红外探测、识别和跟踪应用中的核心问题之一。在红外图像增强技术中,直方图均衡方法简单、有效,但存在细节信息损失较大的缺陷。提出一种对红外图像采用非线性变换分段直方图的增强方法,该方法对红外图像进行非线性变换,提高较暗区域的像素亮度,根据前背景区域特征将直方图分成两段,进行双直方图均衡化处理,对前景和背景分别进行图像的增强。经过实验验证,该算法能有效提高图像亮度,扩大目标区的灰度范围,增强前景图像的细节部分。     

Gray-scale image enhancement as an automatic process driven by evolution.

Image enhancement is the task of applying certain transformations to an input image such as to obtain a visually more pleasant, more detailed, or less noisy output image. The transformation usually requires interpretation and feedback from a human evaluator of the output result image. Therefore, image enhancement is considered a difficult task when attempting to automate the analysis process and eliminate the human intervention. This paper introduces a new automatic image enhancement technique driven by an evolutionary optimization process. We propose a novel objective criterion for enhancement, and attempt finding the best image according to the respective criterion. Due to the high complexity of the enhancement criterion proposed, we employ an evolutionary algorithm (EA) as a global search strategy for the best enhancement. We compared our method with other automatic enhancement techniques, like contrast stretching and histogram equalization. Results obtained, both in terms of subjective and objective evaluation, show the superiority of our method.     

基于多尺度带限的自适应直方图均衡和数学形态学的医学 X 射线图像对比度增强算法

医学 X 射线图像是临床上应用最广泛的影像之一。由于需要采用低剂量的 X 射线进行成像,而 X 射线 图像存在一个本质的缺陷,就是低对比度。所以,在临床应用中,往往需要对图像对比度进行增强处理。根据 X 射线图像特性,文章提出了基于多尺度带限的自适应直方图均衡和数学形态学的 X 射线图像对比度增强算法。首 先,采用拉普拉斯高斯金字塔变换把图像分解成高频和低频的不同尺度子波段图像;然后对每塔层高频子图像应 用对比度带限的自适应直方图均衡进行处理,相应的各塔层低通子图像使用数学形态学进行增强处理;最后,各 塔层经过增强处理的高频和低频系数,通过拉普拉斯高斯金字塔的逆变换重构出对比度增强的图像。增强图像再 经全局非线性算子进行对比度的增益调整,获得自然的视觉效果。实验结果表明该算法有效地增强了医学 X 射线 图像的对比度,并通过图像对比度评价标准和对比度改进索引度量算法来分析及对比了算法的性能。     

光学4f系统灰度误差补偿的实现

为补偿光学4f系统灰度误差,提出基于直方图匹配和径向基函数(RBF)神经网络的灰度误差补偿方法。首先利用径向基函数神经网络拟合经光学4f系统输出图像的直方图与对应输入图像的直方图之间的非线性变换,得到输出图像与输入图像的直方图匹配变换曲线的最优估计;再依据直方图匹配曲线的最优估计对经光学4f系统的输出图像进行直方图匹配,得到灰度误差补偿后的图像。利用实际的光学4f系统进行光学实验,灰度误差补偿后图像的信噪比平均提高了2.96dB,视觉效果明显改善。实验结果表明,该方法能有效补偿光学4f系统灰度误差,提高基于光学4f系统的光学信息处理的精度。     

Image Contrast Enhancement by Constrained Local Histogram Equalization

Histogram equalization is a widely used image contrast enhancement method. While global histogram equalization enhances the contrast of the whole image, local histogram equalization can enhance many image details by taking different transformation of the same gray level at different places in the original image. However, the local histogram equalization process often results in unacceptable modification of the original image appearance. In this paper, a constrained local histogram equalization method is proposed to balance the conflicting requirements: enhancement of the image details and the maintenance of the overall image appearance. Our method uses the variational form of histogram equalization so that a constraint condition, which forces the local gray level transformations to change continuously in the spatial domain, can be introduced into the equalization process. Experimental results of different kinds of images show the effect of our method.     

一种区域多直方图红外图像增强方法*

直方图均衡是一种简单有效的红外图像增强技术,但存在着细节信息损失较大的缺陷。为改进这一缺陷,使直方图均衡在增强图像对比度的同时不损失灰度级别,并能增强图像细节特征,提出一种基于区域的multi-HE红外图像增强方法。该方法通过聚类算法将图像分割成多目标区域,据此将直方图分割成多个子图,运用多直方图均衡化对图像进行处理,从而达到在不同目标范围内的图像增强。经过实验验证,该算法能有效地抑制背景区的过增强,扩大了目标区的灰度范围,增强细节部分。