保持图像亮度的局部直方图均衡算法

现有的局部直方图均衡算法用于图像的对比度增强时,输出图像的亮度与输入图像无关.由于图像增强的很多实际应用需要保持原始图像的亮度,为此提出一种新的局部直方图均衡算法.以子块部分重叠的局部直方图均衡算法 (POSHE)为基础,改进其对子块图像的均衡方式:根据亮度均值对子块图像进行递归分解,得到一系列不同灰度范围的子图像,然后对每一个子图像在其相应的灰度范围内进行直方图均衡,最后合并这些子图像的均衡结果.实验结果表明,这种局部直方图均衡新算法既能充分增强图像局部细节,又能保持输入图像的亮度,且亮度的保持程度可由用户进行控制.本文算法使所增强的图像具有更加自然的视觉效果,能更好地满足消费类电子工业对图像对比度增强的应用要求.     

基于改进直方图均衡的红外图像对比度增强算法

针对红外图像灰度分布集中、对比度低的特征,提出了一种基于改进直方图均衡的对比度增强算法。首先采用线性对比度增强将原始16位红外图像映射到8位图像A;然后采用改进的平台直方图均衡将原始16位红外图像映射到8位图像B;再根据输入图像的灰度级范围动态确定映射图像A和B的权值;最后以确定的权值将映射图像A和B合并,得到最终对比度增强的图像。该方法克服了传统平台直方图均衡算法噪声过大及亮度突变的缺点,动态结合了传统的灰度变换增强算法,能根据全图目标与背景灰度的分布情况自适应调整对比度。实验表明,该算法在增强目标对比度的同时有效保留了图像的整体信息,改善了视觉效果。     

基于人眼亮度阈值特性的图像增强算法

结合人眼视觉特性,提出一种面向人眼视觉的图像增强算法。在保持原图像所有像素灰度大小关系不发生倒序的前提下,以人眼可分辨的像素对数作为目标函数。为使目标函数实现最大化,首先根据人眼亮度阈值特性测试指定显示器的人眼最多可分辨的灰度级数;然后结合图像本身的灰度级数与人眼最多可分辨的灰度级数使用一种动态规划灰度级合并算法,使得灰度合并后图像中包含的灰度级数不多于人眼最多可分辨灰度级数;最后对合并后的灰度按人眼视觉亮度阈值特性做一一映射。本文算法充分考虑了图像观测过程中人眼感知与显示器显示亮度,具有明确的目标函数,图像增强效果优于目前常用算法。     

基于改进Retinex算法增强夜视融合图像的颜色传递

颜色传递是获得夜视图像自然彩色的一种方法。 本文利用颜色传递技术得到红外与微光融合 图像的自然彩色,在采用匹配邻域亮度均值和标准差颜色传递算法的基础上,提出了通过增 强夜视融合图 像的亮度-对比度来提高匹配精度,减小传统算法中由于亮度接近导致在颜色传递过程中的 误传现象。首先 利用像素平均法将红外和微光图像进行灰度融合;然后采用提出的改进多尺度Retinex增强 算法将融合图像 进行增强;最后在YCbCr颜色空间匹配灰度融合图像与参考彩色 图像亮度的均值和标准差,应用颜色传递 技术得到彩色夜视图像。实验结果表明,本文采用改进的多尺度Retinex算法使融合图像的 亮度-对比度得 到显著的提升,经过颜色传递后得到的彩色图像纹理细节清晰,目标背景对比度高,具有和 参考图像相近的真彩色。     

图像增强方法常用方法以及原理

图像增强是一种通过特定的算法和手段在原始图像上按照需求变换或者增加一些信息的方法。对于感兴趣特征进行选择性的突出,对于影响图像效果的特征进行抑制或者掩盖,让图像和人的视觉相应特征更加匹配。图像图像有不同的技术路线,根据图像在处理过程中所处的空间不同,主要有基于频域的图像增强算法和基于空域的图像增强算法两大类。图像增强算法是图像处理技术中极为重要的组成部分,对于提高图像质量具有显著的作用。目前对图像增强技术的研究在不断推进,新方法不断涌现。例如相关研究者根据模糊映射理论在图像增强方法中进行创新,提出了新的方法包括模糊松弛、模糊类等解决图像增强方法中存在的如何选择映射函数的问题,并且交互式的图像增强技术的发展和应用,实现了主观控制图像增强效果,同时直方图均衡图像增强算法也有新进展,效果较为突出的就有结合多层直方图的亮度保持均衡算法和动态分层的算法。     

基于限邻域EMD的图像增强

提出了基于限邻域经验模式分解(Neighborhood Limited Empirical Mode Decomposition,NLEMD)的图像增强新算法.二维NLEMD是在Huang等人EMD自适应特性基础上通过设定最大邻域(时宽)和采用邻域内局部自适应均值算法代替包络均值算法进行分解,克服以往EMD分解算法出现的灰度斑现象.本文通过NLEMD对图像细节信息的强挖掘能力来获取图像中的高频边缘信息,最后根据剩余量的整体亮度均值和整体亮度对比度自动调整剩余量来调整图像的整体亮度.实验结果证明,与以往传统增强算法相比,本文算法具有更强的细节获取能力和整体亮度可控性,增强效果优于以往传统算法.     

红外图像增强技术在TMS320DM642上的应用

针对红外图像普遍存在目标与背景对比度差、边缘模糊、信噪比低和灰度层次差等缺陷,提出了一种改进的直方图均衡红外图像增强算法。首先通过自适应地选择合适的灰度阈值,在图像直方图中将像素所占比例小于阈值的冗余灰度级完全压缩,并对大于阈值的有效灰度级进行基于一种非常合理的对数函数的拉伸变换;然后对拉伸后的灰度级进行常规的直方图均衡处理;最后在整个灰度范围内对经过均衡处理的图像灰度级进行等间距排列。为了满足算法的实时性,设计了一种以TMS320DM642高性能DSP芯片为核心处理器的红外图像增强系统平台。实验结果表明,采用该算法增强后的图像质量明显优于采用直方图均衡算法增强后的图像质量,图像的目标与背景的对比度和图像的清晰度都得到了提高,边缘细节也得到了保留;同时,采用该算法处理一帧320×256×8bits的红外图像仅仅用时16．73ms,完全满足实时图像处理的要求。     

基于暗原色先验的夜视图像增强算法

在夜晚条件下拍摄到的图像对比度低,信息缺失,对诸多领域获取图像细节信息造成不便。提出了一种改进的基于暗原色先验的夜视图像增强算法来增强这类图像。采用形态学开运算替换软抠图估计透射率,缩减了算法的时间复杂度。经过暗原色先验增强的图像会放大噪声,为了克服这个缺点,对处理后的图像局部去噪获得保真度更高的图像。实验结果表明,算法可有效增强夜视图像,提高图像对比度、突出细节信息并且减少噪点。     

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。     

基于小波分频与直方图均衡的图像增强算法

传统直方图均衡化算法在增强图像的同时也丢失了图像细节、增强了图像的噪声信号,导致信息熵下降。结合小波变换多尺度、多分辨率的特点和直方图均衡的优势,提出一种基于小波分频和直方图均衡的高亮度图像增强算法。首先利用小波变换将图像分解为低频分量和高频分量,然后仅对低频分量做直方图均衡处理,再由均衡后的低频分量与各高频分量进行小波重构。实验结果表明,该算法对于亮度较高的灰度图像有较好的增强效果。