基于清晰度的彩色图像量子增强算法

针对信息熵不能客观地反映图像清晰程度的不足,提出一种基于图像清晰度的量子增强算法。该方法首先将一幅由RGB空间表示的彩色图像转换为由HSV空间表示,其次根据相关灰度阈值函数对其亮度分量进行归一化处理,并采用量子衍生增强算法对其进行增强,在此基础上采用清晰度评价函数自适应确定本算法的灰度阈值参数,最后将增强后的HSV空间表示的图像还原为一幅新的RGB空间表示的彩色图像。实验结果表明,基于清晰度评价的彩色图像增强算法较信息熵函数准则有更好的图像增强效果。     

基于像素类型的彩色图像局部自适应滤波

针对彩色图像的细节丰富和边界明显特点,提出了基于像素类型的局部自适应滤波方法。该方法首先检测彩色图像的边界点,再按照设定参数选择自动选择局部灰度平稳区,然后根据选定领域范围内像素的统计特性来判断中心像素的类型。结合邻域大小和像素类型,设计了不同的滤波模板。该方法不需人为选定待滤波区域,对噪声适应性强,且运算时间短,效果明显。     

一种采用SCM模型的彩色图像增强方法

经研究脉冲发放皮层模型(SCM)动态阈值衰减特性和神经元点火周期,发现该模型的赋时矩阵对图像灰度处理过程恰好符合韦伯费赫涅尔定律.对于较亮部分,灰度差值处理比较粗糙,而对于较暗区域,灰度差值处理更加精细.基于此,提出了一种利用SCM的彩色图像增强算法.选择符合人眼视觉特性的HSI色彩空间,保持色调不变,对饱和度分量进行幂次拉伸,对亮度分量利用SCM进行增强处理.仿真实验结果证明,该算法可行,图像增强效果明显.     

彩色图像脉冲噪声的自适应矢量滤波

提出了基于噪声像素检测的自适应矢量滤波器的新方法,该法对图像中噪声像素进行检测时,仅对噪声像素进行矢量滤波,而对非噪声像素则保持其原值不变,并可根据图像噪声情况自适应地选择滤波窗口。新滤波器能有效地滤除彩色随机脉冲噪声,并保持图像边缘与细节,其性能优于经典的矢量中值滤波器、方向一距离滤波器、方向一幅度矢量滤波器等非线性滤波器。     

基于微粒群算法的彩色图像增强研究

在增强彩色图像问题中,把图像增强看作最优化问题,提出了一种基于微粒群算法的彩色图像自适应增强方法．将在RGB空间表示的降质图像转换到与人类视觉系统特性相适应的HIS颜色空间进行增强,提出了应用于亮度1分量的新的目标函数．使用此方法可以自动地找出降质图像归一化的非完全口函数的最优参数值,对原始图像降质类型进行正确的推理．仿真结果表明所提出的方法在自动拟合灰度的广义变换上有很好的性能,图像增强效果显著．     

基于非下采样contourlet变换的彩色图像增强算法

本文提出一种结合DCT变换和非下采样contourlet变换的彩色图像增强算法。算法根据非下采样contourlet变换后不同子带的特点对低频子带和高频子带采用不同的增强方法进行处理;为了修复增强过程中产生的颜色偏移,对增强后的图像进行了颜色修复;最后通过简单锐化即可达到很好的效果。由实验结果可知,算法提高了图像整体对比度的同时保留了完整的边缘细节信息和色彩保真度,从视觉效果和性能指标上来看都优于curvelet变换的方法和DCT变换的方法。     

基于神经网络的图像亮度和对比度自适应增强

提出一种高频增强与神经网络相结合的图像亮度和对比度自适应增强方法。利用均值滤波获取原始图像的低频分量,由原始图像与低频分量的差值获取图像的高频分量。同时引入神经网络方法,建立图像的灰度均值、标准偏差与亮度和对比度两个增强系数的非线性映射关系,根据图像本身的均值与标准偏差自动获取增强系数,从而实现图像的亮度和对比度的自适应增强。该方法计算量小,实时性强,对亮度和对比度都较低的图像增强效果较好,可用于图像动态检测系统。为了验证算法的可行性,将所提出的方法应用到货车故障动态图像检测系统(TFDS)所采集的动态图像处理中,获得了好的效果。     

基于同态滤波的彩色图像光照补偿方法

为了消除光照对彩色图像的影响,提出了一种基于同态滤波的光照补偿方法。在频域内采用同态滤波对图像进行处理,然后将巴特沃斯高通滤波传递函数引入同态滤波器中,设计出一种新的动态巴特沃斯同态滤波器,增强图像在YIQ色彩空间中的亮度分量,并保持图像色度分量不变。在增加图像高频分量的同时,削减低频分量,弥补由光照不足引起的图像质量下降,最终实现对图像的光照补偿。实验结果表明,该方法在弱化光照影响,提高图像质量方面具有良好的性能,是一种比传统高斯高通滤波和直方图均衡更有效的彩色图像光照补偿方法。     

基于折半递减采样率分离正弦波的自适应迭代算法

提出一种基于折半递减采样率分主了正弦波的自适应迭代算法,用于分离多频组合信号,通过对分离后的单频信号进行参数估计便可迭到估计原始多频组合信号的目的。     

基于自适应滤波的语音增强算法

介绍了自适应滤波进行语音增强的一种方法。对带噪语音进行自适应滤波处理，滤波后的语音信噪比和听觉质量得到了很大的改善。     

基于数学形态学的自适应彩色图像滤波

为了解决彩色图像滤波问题,针对彩色图像的颜色矢量表示形式和彩色图像中的脉冲噪声的数值特征,提出一种滤除彩色图像的脉冲噪声的自适应算法.首先应用数学形态工具对脉冲噪声进行检测,再根据检测结果,用改进的矢量中值滤波方法自适应地调整滤波窗口,以符合人眼视觉特性的颜色相似性度量方法选择颜色距离最接近的样本像素,对脉冲噪声给予有选择的滤除.通过实验及与其它算法比较,结果表明该算法对于彩色图像中的脉冲噪声有较好的滤除效果.     

基于光照模型的矩阵迭代序列可视化算法

给出一种基于光照模型的、针对三阶矩阵迭代的可视化算法,并利用该算法绘制了三阶矩阵单步、多步迭代序列的图形．     

基于神经网络的鲁棒自适应滑模迭代学习控制

对一类不确定非线性系统，包括不确定性机器人，提出一种自适应鲁棒迭代学习控制方案，学习控制用于学习周期性的系统不确定性，自适应滑模控制用于抑制非周期性系统不确定性，并且利用RBF神经网络自适应学习系统不确定性的未知上界，对不确定性系统动态和有界输入拢动具有鲁棒性，通过Lyapunov直接方法，确保了对每次迭代闭环系统是一致有界的，并且沿着迭代次数的增加，跟踪误差渐近收敛于零，仿真结果表明了该方案的有效性。     

基于自适应代理模型的序列迭代优化

针对现有较为成熟的代理模型通用性差的问题,提出自适应代理模型方法,该方法能够根据优化问题自适应地选择出性能最优的代理模型.对某一优化问题分别构建不同类型的代理模型,然后对其进行性能测试,挑选性能较好的模型并进一步组合,从而提高模型性能.在此基础上进行序列迭代优化,很好地解决了传统的序列迭代优化方法无法在优化过程中实时更...     

基于掩蔽效应的改进型自适应语音增强算法

在分析经典自适应滤波算法的基础之上提出了一种有效的消除噪声且减小语音失真的语音增强方法.为了进一步提高语音增强效果,根据人耳掩蔽效应把语音信号中关键频率段的阈值作为自适应滤波算法的动态系数,根据此系数估算误差函数.在Matlab上对此算法输入不同信噪比的信号,仿真结果表明:输出的信噪比明显高于传统滤波算法,且残留噪声较小.     

基于迭代中值滤波的自适应两级排序滤波算法

针对图像去噪时往往会改变未受噪声污染像素的灰度值的问题，提出了一种去除图像中椒盐噪声的新型滤波算法．该算法采用两级滤波，并在两级滤波之间通过自适应算法确定未受噪声污染但在第一级滤波中被滤除的像素，以保持这些像素的原灰度值不变，保护了图像的真实性；同时在第一级滤波时采用迭代中值滤波，使滤波效果更佳．实验结果表明，所提出的滤波算法的效果优于现有的滤波算法，尤其是噪声密度超过0．3时，该算法的优势更加明显．     

基于自适应矢量参数的彩色图像梯度计算方法

由于灰度图像梯度计算方法难以直接推广到彩色图像梯度计算中,提出了一种基于自适应矢量参数的彩色图像梯度计算方法。该方法在HSV彩色空间内利用空间矢量求导方法计算彩色图像梯度,并结合彩色图像直方图均方误差得到HSV三分量的矢量参数,从而实现基于自适应矢量参数的彩色图像梯度计算方法。该方法解决了传统彩色图像梯度计算方法难以获取图像的细节梯度信息的问题,以及现有的彩色图像梯度计算方法不够稳定,普适性差的问题。实验结果表明,针对多种不同类型的彩色图像,该方法均能得到较好的梯度图像,较传统的方法获得更多的图像细节。     

基于同态滤波的彩色图像增强

给出一种基于同态滤波的彩色图像增强算法。引入新的传递函数,改进同态滤波算法,用以增强低照度彩色图像的RGB各分量;将RGB图像转换到HSV彩色空间,保持色度和饱和度不变,利用对比度受限自适应直方图均衡法对亮度分量进行变换和分段线性拉伸;将HSV图像还原为RGB图像,得到增强图像。仿真结果显示,所给算法在提升图像亮度的同时,能够增强图像细节。     

基于WLS的Retinex单幅夜间彩色图像增强方法

为了提高夜间可视效果,针对单幅夜间彩色图像,作者提出一种基于加权最小二乘(WLS)的Retinex增强算法.首先构造优化的颜色恢复函数,然后在HSV(hue,saturation,value)颜色空间下,根据夜间图像的亮度与梯度特性构建WLS框架对图像照度分量进行估计,获得仅包含物体本身特性的反射分量图像,通过颜色恢复函数与Gamma校正等操作进行颜色恢复与补偿,实现夜间彩色图像增强.实验结果表明:该算法增强效果显著,与其他算法相比,具有消除"光晕伪影"现象、抑制噪声、颜色保真和较好保留边缘细节信息等能力.     

基于迭代中值滤波的自适应两级排序滤波算法

针对图像去噪时往往会改变未受噪声污染像素的灰度值的问题,提出了一种去除图像中椒盐噪声的新型滤波算法.该算法采用两级滤波,并在两级滤波之间通过自适应算法确定未受噪声污染但在第一级滤波中被滤除的像素,以保持这些像素的原灰度值不变,保护了图像的真实性;同时在第一级滤波时采用迭代中值滤波,使滤波效果更佳.实验结果表明,所提出的滤波算法的效果优于现有的滤波算法,尤其是噪声密度超过0.3时,该算法的优势更加明显.