保持图像细节的直方图均衡算法

对常规的直方图均衡算法进行了改进,避免了不同灰度的像素均衡后被合并、图像细节丢失等现象.实验结果表明,改进的直方图均衡新算法既能充分增强图像的对比度,又能保持图像的局部细节,使图像具有更加自然的视觉效果.     

基于形状保持的图像增强模型

针对对比度低、边缘模糊和噪声干扰强的红外图像,提出一种融合非线性扩散与全变分的形状保持模型。其中,模型保真项用于保持图像形状,保留边缘、细节信息,范数项用于图像去噪。实验结果表明,与同类算法相比,该模型能更有效地去除噪声,保持图像形状,并增强图像对比视觉效果。     

基于像素领域信息的自适应图像增强算法

针对图像增强后视觉效果较差和细节信息不明显的问题,提出一种新的图像增强算法。计算图像中各像素数据模型与均匀分布模型之间的相对熵,设定阈值,基于邻域信息对相对熵大于阈值的像素进行自适应对比度增强,其余像素采用平台限制的双直方图均衡算法进行增强。实验结果表明,与HE算法、BHEPL算法和PLIP_BHE算法相比,经过该算法增强后的图像具有更好的视觉效果和更明显的细节信息。     

基于多层融合和细节恢复的图像增强方法

针对部分图像在光照不均匀、过亮或过暗下出现的对比度低、细节不可见等问题,提出了一种基于多层融合和细节恢复的图像增强方法。首先在HSV图像空间中将V通道等价复制为Retinex增强层、亮度增强层、细节突出层三层。在Retinex增强层中,利用加权引导滤波和形态学结合来消除光晕现象,并通过改进Retinex增强图像亮度和细节;在亮度增强层中,通过自适应归一化进一步增强亮度;在细节突出层中,人工蜂群算法优化改进局部线性增强模型来突出图像细节。最后根据Gamma校正特性和邻域像素关系,提出细节恢复方案避免融合后造成的部分细节模糊。实验数据表明,该算法能更有效地突出图像细节和提高对比度,并与现有算法在客观量化方面进行对比,综合性能更为优越,尤其在清晰度指标上远高于其他算法。     

基于Laplacian金字塔和小波变换的医学CT图像增强算法

对医学图像进行增强可提高信息的利用率。传统的图像增强方法应用于医学图像时处理效果一般,存在诸多问题,如在增强图像的同时使图像的细节丢失,减弱了图像中目标的边缘信息,降低了图像的对比度。针对上述问题,提出一种基于小波变换和Laplacian金字塔分解的图像增强算法。首先,对原医学图像进行小波变换分解,得到处理结果;然后,对原医学图像进行Laplacian金字塔分解,得到医学图像的高频信息;最后,利用小波变换的结果和Laplacian金字塔分解的结果进行重构,得到增强后的图像。实验结果表明,该方法的增强效果明显优于传统的图像增强算法,对医学图像具有较好的增强效果,同时能更好地抵抗噪声。     

自动指纹识别中的图像增强和细节匹配算法

对自动指纹识别系统(automated fingerprint identification system,简称AFIS)的两个重要问题——指纹图像增强和细节匹配进行研究,给出了一种基于方向场的指纹图像增强算法,对Anil Jain等人提出的细节匹配算法进行了修正.采用一种新的更简单的方法进行指纹图像的校准,并以一种简单而有效的方式将脊线信息引入匹配过程中,这样做的好处之一是以较低的计算代价有效地解决了匹配中参照点对的选取问题.另外,采用大小可变的限界盒来适应指纹的非线性形变.在FVC2000公布的指纹图像数据库上,按照FVC2000测试标准所做的实验显示,该算法比原算法有较大的改进.     

基于Laplacian算子的图像增强

使用Laplacian算子检测图像的边缘纹理等细节信息,然后以适当比例线性叠加原始图像和细节信息,从而完成图像增强。不同增强方法的比较试验表明,基于Laplacian算子的图像增强方法既能增强图像的高频分量,又能保持图像的低频分量,是图像增强的有效方法。     

消除光晕效应和保持细节信息的图像快速去雾算法

现有的基于大气散射物理模型的图像去雾算法,在去雾过程中大都无法避免的会产生光晕效应和细节丢失。针对这一问题,提出了一种消除光晕效应和保持细节信息的图像快速去雾算法。首先运用四叉树子矩阵划分的分层遍历方法得到更精确的大气光值,再通过分析大气散耗函数,利用融合梯度信息的改进引导滤波得到精确估计的大气散耗函数,并自适应的获取最小值图像与大气光平均值的阈值,求解出透射图,最后反演复原出无雾图像,并对复原后的图像进行亮度调整。对多组有雾图像进行了实验,本算法能有效地抑制去雾过程中产生的光晕效应,较多地保留了图像的细节信息,且运行时间大约减少了一倍。融合梯度信息的改进引导滤波不但可以较好地保留透射图的细节信息,有效地消除光晕效应,而且具有较好的鲁棒性和时间复杂性。本算法适用于交通等室外场景的去雾。     

纹理细节和边缘结构保持的图像插值算法

针对图像重建过程中产生的边缘结构被破坏和纹理细节丢失问题,提出一种纹理细节和边缘结构保持的图像插值算法。首先,采用自适应阈值的八方向边缘检测划分图像区域;其次,构造双变量有理函数模型,它可在有理模型和多项式模型之间转换;最后,提出基于边缘数据的局部不对称性和梯度特征调整待插值点空间距离的方法,调整边缘部分待插值点坐标并代入有理模型实现插值,而非边缘部分采用多项式模型插值。实验表明,该算法的峰值信噪比平均提升了0.48~2.17 dB,结构相似性平均提升了0.004~0.028,获得了较高的客观评价数据。该算法将原空间距离不变的插值修正为空间距离变化的插值,有效地保持了图像的边缘结构和纹理细节,使得重建结果具有较好的视觉效果。     

一种新的基于相位保持的指纹图像增强算法

图像的相位信息在人眼感知图像的过程中起着十分重要的作用。如果指纹图像增强算法能够保证图像的相位信息不被破坏,将有助于保持指纹图像中纹理特征的不变。首先通过实验表明了指纹图像的纹理特征主要是由图像的相位信息来决定的,然后把相位保持原理引入到指纹图像增强算法中,提出一种新的基于相位保持的指纹图像增强算法。该算法采用复Gabor小波来提取指纹图像的相位信息,并利用指纹图像的局部方向信息在相位保持的原则下来进行图像增强。为了验证该算法的有效性,选取了两种低质量的指纹图像来进行处理,实验结果表明增强后的图像其图像质量有了显著的提高。     

基于细节增强的单一图像去雾

在雾霾、烟雾等恶劣天气状况下拍摄出的照片能见度很差,对视野中物体的可分辨性很低。在暗通道先验的基础上描述了一种有效增强细节的单幅图像去雾算法。首先对雾霾图像进行边缘保持模糊处理,进而提取出不含雾成分的细节层。与此同时对雾霾图像使用中值滤波算法去雾,将初步去雾后的图像加上细节层,得到更加细致、清晰的图像。为了提取图像的细节层,选用了域变换递归边缘保留滤波器,它能够在保持边缘的同时快速对图像进行模糊处理。     

直方图重建图像细节增强算法

针对传统大动态范围图像数据压缩方法易受场景变化影响,量化后的8位显示图像整体模糊、图像细节和弱小目标丢失问题,提出了一种基于直方图重建图像细节增强算法。对图像直方图统计值进行重新赋值,保留图像中出现的细节部分,并缩小相邻灰度级间间隔;采用二维Gabor滤波器来模拟视觉感知系统,将Gabor滤波器与图像进行卷积运算,得到滤波后的平滑图像;采用局部对比度增强方法来增强图像细节部分,并将增强后的中间结果线性映射为8位显示图像。实验结果表明,与其他大动态范围数据压缩方法相比,该算法量化后图像清晰度高,无图像细节和目标丢失现象。     

结构纹理分离的对比度和细节增强

针对光照不足等因素造成获取的图像质量偏低的问题,提出一种基于结构层和纹理层分离的图像增强方法。首先将图像分为结构层和纹理层两部分,对结构层用累积分布函数构造参数自适应的Gamma校正算法,并用自适应Gamma校正算法对图像的结构层进行对比度和亮度增强,对纹理层采用提升高频分量的方法增强纹理细节,最后把增强后的结构层与纹理层结合得到增强后的图像。仿真对比实验表明,该方法能避免图像增强过程中的纹理细节丢失的问题,亮度和对比度也得到了很好的提升,增强后的图像视觉效果好,具有一定的应用价值。     

基于模拟多曝光融合的低照度图像增强方法

针对部分低照度图像整体亮度偏暗、对比度差和视觉信息偏弱等问题，提出一种基于模拟多曝光融合的低照度图像增强方法。首先，利用改进的变分Retinex模型和形态学的结合产生基准图来保证曝光图像集中的主体信息；其次，结合Sigmoid函数和伽马矫正构造新的光照补偿归一化函数，同时提出了一种基于高斯引导滤波的反锐化掩模算法，用于调整基准图的细节；最后，分别从亮度、色调和曝光率设计曝光图集的加权值，通过多尺度融合得到最终增强结果，有效地避免了增强结果中的光晕和颜色失真。在不同的公开数据集上的实验结果表明，与传统的低照度图像增强方法进行相比，所提方法降低了亮度失真率，提升了视觉信息保真度。该方法能够有效地保留视觉信息，有利于实现低照度图像增强的实时性应用。     

基于信息可用性评价的指纹图像质量增强算法

针对指纹图像可能出现模糊、指纹区域过小、奇异点位置过偏等问题,提出了一种基于信息可用性评价与频谱分析的指纹图像质量增强算法。对指纹图像进行信息可用性评价,对不合格的指纹图像提示进行重新采集;对合格图像进行傅里叶变换并求取其频率均值和方差,计算指纹频谱图上内环、外环、中环的频谱能量值与去除直流分量后的频谱总能量值之比,以此确定指纹的清晰程度。对需要进行质量增强的指纹,利用圆滤波器去除其高频与低频干扰,利用方向滤波器连接断纹并去除粘连。实验结果表明,该方法能准确判断指纹图像的可用性,有效地增强指纹图像质量,并因其只对低质量指纹进行增强,故能有效提高指纹自动识别速度及准确性和可靠性。     

融合注意力机制和上下文信息的微光图像增强

目的 微光图像存在低对比度、噪声伪影和颜色失真等退化问题,造成图像的视觉感受质量较差,同时也导致后续图像识别、分类和检测等任务的精度降低。针对以上问题,提出一种融合注意力机制和上下文信息的微光图像增强方法。方法 为提高运算精度,以U型结构网络为基础构建了一种端到端的微光图像增强网络框架,主要由注意力机制编/解码模块、跨尺度上下文模块和融合模块等组成。由混合注意力块(包括空间注意力和通道注意力)引导主干网络学习,其空间注意力模块用于计算空间位置的权重以学习不同区域的噪声特征,而通道注意力模块根据不同通道的颜色信息计算通道权重,以提升网络的颜色信息重建能力。此外,跨尺度上下文模块用于聚合各阶段网络中的深层和浅层特征,借助融合机制来提高网络的亮度和颜色增强效果。结果 本文方法与现有主流方法进行定量和定性对比实验,结果显示本文方法显著提升了微光图像亮度,并且较好保持了图像颜色一致性,原微光图像较暗区域的噪点显著去除,重建图像的纹理细节清晰。在峰值信噪比(peak signal-to-noise ratio,PSNR)、结构相似性(structural similarity,SSIM)和图像感知...     

一种基于 CycleGAN 改进的低剂量 CT 图像增强网络

低剂量 CT 是一种有效且相对安全的胸腹部疾病筛查手段,但图像中的伪影和噪声会严重影响医生的诊断。基于深度学习的图像增强方法中网络训练大多依赖于难以获取的配对数据,即同一患者相同部位像素级匹配的低剂量和常规剂量 CT 图像。针对非配对数据,提出了一种基于循环一致性生成对抗网络(CycleGAN)改进的低剂量 CT 图像增强网络,在生成器前添加浅层特征预提取模块,增强对 CT 图像特征的提取能力;并利用深度可分离卷积替换生成器中的部分普通卷积,减少网络参数和显存占用。该网络使用 3 275 张低剂量 CT 图像和 2 790 张非配对常规剂量 CT 图像进行训练,另外 1 716 张低剂量 CT 图像进行测试。结果表明,该网络生成的CT 图像的平均感知图像质量评价指标(PIQE)为 45.53,比 CycleGAN 的结果降低了 8.3%,更远低于三维块匹配滤波(BM3D) 31.9%、无监督图像转换网络(UNIT) 20.9%,且在结构细节保持、噪声和伪影抑制方面均获得了更好的主观视觉效果,是一种具有潜在临床应用前景的低剂量 CT 图像增强方法。     

采用双尺度图像分解的水下彩色图像增强

目的 为解决水下图像的色偏和低对比度等问题,提出一种基于双尺度图像分解的水下彩色图像增强算法。方法 通过基于均值和方差的对比度拉伸方法改善图像的色偏问题,并利用中值滤波降低红通道对比度拉伸后引入的噪声;采用双尺度图像分解绿通道图像补偿红通道图像细节;在处理后的红通道图像中引入原始图像红通道的真实细节与颜色。结果 选取不同水下图像作为实验数据集,将本文方法与暗通道先验的方法、基于融合的方法、自动红通道恢复方法以及一种基于卷积神经网络深度学习的方法相比较,首先从主观视觉效果进行定性分析,然后通过不同评测指标进行定量分析。主观定性分析结果表明,提出的方法相比较其他方法能够更好地解决图像色偏和红色阴影问题;定量分析中,自然图像质量评价（natural image quality evaluation,NIQE）指标和信息熵（information entropy,IE）值较基于融合的方法和深度学习的方法分别提高了1.8%和13.6%,且水下图像质量评价指标（underwater image quality measurement method,UIQM）较其他方法更优。结论 提出的双尺度图像分解方法利用水下图像成像特点解决图像色偏以及低对比度问题,具有良好的适应能力,同时算法复杂度低且鲁棒性较高,普遍适用于复杂的水下彩色图像增强。