基于指数同态滤波耦合细节锐化规则的 红外图像增强算法

为了解决当前红外图像增强方法存在的光晕及细节模糊等不足,提出了指数同态滤波耦合细节锐化规则的红外图像增强算法.基于同态滤波方法,通过频域中的像素点与中心像素点的距离,构造指数型同态函数,以同时完成图像的去噪和增强对比度处理.联合相位一致性方法和自适应高提升滤波方法,构造了细节锐化机制.在图像的细节锐化中,利用相位一致性方法,通过傅里叶变换,准确提取出图像的细节特征.并引入高提升滤波方法,利用图像的均值,构造自适应的锐化因子,以形成自适应高提升滤波方法,对提取的图像细节特征进行锐化,完成图像细节内容的增强.实验结果表明,较当前的红外图像增强算法而言,所提算法具有更好的增强效果,其增强图像呈现出更为理想的对比度和更为清晰的图像边缘.     

基于改进MSR的锂电池X射线图像增强算法

针对锂电池X射线图像存在清晰度低、对比度差、图像电极轮廓模糊不清晰等问题,提出一种基于改进多尺度Retinex的锂电池X射线图像增强算法。首先,在传统多尺度Retinex算法中,使用双边滤波估计照度分量,同时利用基于平均对数亮度值进行全局自适应的图像动态范围压缩。然后使用改进的MSR算法提取图像的反射分量,利用sobel算子获取反射分量的纵向梯度,再与反射分量进行梯度信息融合,增强图像细节信息,再对融合图像使用CLAHE算法进行对比度增强,最后再使用双边滤波去噪声,得到最终增强图像。在自主构建的数据集上进行了实验研究,实验结果表明提出的方法显著提高锂电池X射线图像的清晰度和对比度,图像阴极线边缘轮廓有明显增强,在突出锂电池X射线图像边缘细节信息和增强图像对比度上,都要明显优于传统多尺度Retinex算法。     

改进同态滤波与多尺度融合的腐蚀图像增强

为了能够更好地判断金属腐蚀图像的腐蚀程度，针对腐蚀图像存在的亮度不高、对比度低和细节模糊等问题，提出一种改进的同态滤波与多尺度融合的腐蚀图像增强方法。首先，采用引导滤波将原始腐蚀图像分为基础图像和细节图像后加权融合，获得细节对比度增强图像；其次将原始腐蚀图像转换为HSV颜色空间，对亮度分量采用改进后的单参数分块同态滤波得到亮度增强图像，能够在减少同态滤波参数的同时，改善同态滤波亮度过度增强的现象；最后利用拉普拉斯对比度、显著性和饱和度3个权重对处理后具有优势特征的两幅图像进行多尺度融合，得到最终的增强图像。实验结果表明，本文算法的信息熵、均值、平均梯度以及标准差的平均值相较于原图分别提升了7.4%、9.8%、43.34%和29.8%,其中信息熵、平均梯度以及标准差的平均值均优于其余3种算法；本文算法能有效改善腐蚀图像整体亮度，提升暗细节对比度，提高图像质量。     

一种基于自适应滤波的指纹图像增强算法

采集到的指纹图像中往往包含噪声,这些噪声对后续的特征提取和匹配会带来非常不利的影响.为了提高指纹特征提取和匹配的鲁棒性,需对指纹图像进行增强,提高脊线和谷线的对比度,同时滤除图像中的噪声.本文提出了一种基于自适应滤波的指纹图像增强算法,首先改进了Lin Hong提出的方向场计算方法,然后进行基于方向场的第一次粗滤波;在第一次滤波的基础上计算频率场,最后针对每个分块区域进行自适应增强滤波.实验证明,本文提出的增强算法能有效地对指纹图像进行增强.即使是低质量的指纹图像,也能取得较好的增强效果.     

基于Retinex亮度校正与感知对比度的图像增强算法

针对当前图像增强中易出现光晕伪影、细节裁剪效应和过度增强等问题,基于人类视觉系统(human visual system,HVS),优化对复杂与不同照明条件中场景感知力,提出了一种有效的非均匀与低光照图像的自然增强算法。首先,基于白块假设估计输入图像的亮度,并定义一种自适应的Retinex亮度校正算子,改善图像亮度。对于明亮区域的对比度,提出了一种调整映射函数,通过添加细节增益因子,结合调整映射函数与增益因子,保护与改善明亮区域的细节与对比度,有效抑制光晕、裁剪效应。对于暗淡区域,构建改进高斯差分(difference of Gaussian,Do G)的感知对比度映射(perceptual contrast map,PCM),通过动态范围调整的PCM来调节对比度,实现感知对比度增强与噪声抑制,防止过度增强。最后,采用一个显著图引导的加权组合算法,将暗区域对比度增强结果与明亮区域细节增强结果进行加权融合,并利用色彩校正技术来恢复图像的色彩信息,从而输出最终的增强结果。实验结果表明,与当前图像增强技术相比,所提方法的增强图像具有更好的视觉质量和感知对比度,以及更为清晰的细节与色彩信息。     

基于结构特征先验与多尺度反锐化掩模机制的红外图像增强算法

为了解决当前红外图像增强算法难以较好地兼顾边缘增强与噪声抑制,导致增强结果易丢失细节与视觉不自然的问题,提出了基于结构特征先验与多尺度反锐化掩模机制的红外图像增强算法。首先,利用8个边缘核与8个角点核,对Prewitt梯度算子进行拓展,从多个方向来提取红外图像的结构特征映射;随后,利用结构特征映射来计算红外目标的约束控制函数,并基于Gibbs先验模型,构建结构特征先验,获取红外图像对应的最优估计;基于红外图像的多尺度特征,引入贝叶斯函数,并联合最优估计,对红外图像完成有序平滑处理;最后,利用多尺度特征映射来改进传统的反锐化掩模算法,对平滑后的红外图像完成增强。实验结果显示,与当前红外图像增强方案相比,所提算法具有更高的增强质量与噪声抑制能力,可以更好地保持图像细节,其模糊线性指数与熵值分别为0. 21、7. 35。     

基于引导滤波图像分层的红外烟尘图像增强

为解决烟尘环境对红外图像增强处理的干扰，突出目标的轮廓细节，提出一种基于引导滤波图像分层的红外烟尘图像增强方法。首先利用引导滤波将图像拆分为基础层与细节层，对细节层使用分数阶微分掩模作增强处理；然后基于红外烟尘图像的特点设计了二次分层方法，利用各项异性扩散将基础层分为原始层与轮廓层；之后对原始层进行自适应直方图均衡化，对轮廓层进行增益放大并与细节层合并；最后利用平均亮度设置权值函数，将两层图像进行加权融合得到增强图像。实验结果表明，相较于其他增强算法，该方法能够更有效的提高烟尘干扰下红外图像的清晰度，突出其细节纹理特征，增强后3组图像的平均梯度和信息熵平均值为7.721 1及5.811 4,相较于原始图像提升1.011 9及3.177 8。     

侧窗自适应彩色增强算法在司机行为识别系统中的应用研究

外界光照的变化容易干扰机车司机室视频的图像质量，出现图像亮度异常现象，导致司机行为识别系统检测精度下降。针对此问题，提出了一种基于侧窗滤波的自适应非线性彩色增强算法，并设计了一种新型司机行为识别系统。首先利用主聚类推定算法，建立图像照度分类模型，将司机室视频图像分类为低光照、正常光照和曝光3种场景。然后采用本文所提算法对低光照图像进行增强，有效提高了图像亮度、对比度和加强了暗区细节信息。最后利用深度学习方法，建立了基于YOLOv3的司机行为检测模型。为证明可行性，选取某铁路局机务段的6A视频在NVIDIA视频分析服务器上进行试验，结果表明本文提出的低光照图像增强算法能够更好地改善图像质量，利用YOLOv3对增强后的低光照场景图像进行目标检测，项点的检测精度达到了97.20%,与优化前相比提高了6.33%,满足机务段视频智能分析的实际需求。     

基于小波增强与Canny算法融合的锂电池极片缺陷检测方法

针对目前锂电池极片表面存在亮度不均、低对比度微小缺陷难以检测的问题,提出了一种基于小波增强与Canny算法融合的锂电池极片缺陷检测方法。首先使用K-近邻均值滤波抑制图像背景噪声,然后基于小波变换分别采用线性调整和多尺度细节增强方法处理图像的低高频分量,进行图像增强,接着利用PSO-OTSU算法自适应获取增强后图像的最佳高低阈值,最后利用哈夫检测法连接边缘点。通过测试漏金属、亮点、划痕、孔洞等缺陷各700张图片,定量分析比较了3种算法的准确率,实验结果表明,相对于其他两种算法,本文算法可以较好地保留缺陷边缘细节,检测低对比度微小缺陷,提取精确完整的缺陷轮廓,检测准确率达97.85%,具有一定的实用价值。     

基于多尺度曝光融合的医学CT图像增强方法

针对医学CT图像对比度和可见度较低导致不利于人眼观察及后期图像处理的问题,本文提出一种基于多尺度曝光融合框架的医学CT图像对比度增强算法,对医学CT图像实现增强。首先对原始图像进行拉普拉斯金字塔分解、重构,降低图像噪声对其的干扰,同时对图像细节增强。然后通过曝光合算法计算重构之后的图像的权重估计矩阵、曝光率以及图像的亮度转换函数,以此来对图像进行增强,使用该算法可以在图像对比度增强的同时,也提高了图像的可见度。实验表明,相比其他传统图像增强算法,该方法对图像的增强效果明显更优,对于医学CT图像的增强有着显著的增强效果。     

基于SIFT特征点检测与维纳滤波的图像复原算法

为了解决当前图像局部模糊程度不一,导致图像复原效果欠佳,本文分别从图像特征点检测与滤波复原的角度出发,提出了基于SIFT特征点检测与维纳滤波的图像复原算法.根据尺度空间极值特性,进行关键点定位和方向分配,设计特征点描述子,得到模糊图像特征点分布,以建立圆盘复原模型中心坐标.基于点扩散圆盘函数特性,耦合傅里叶变换和最小二乘滤波,设计了无约束维纳滤波算子,达到图像复原处理的目的.根据特征角点定位,引导复原滤波圆盘函数计算起始位置,完成图像复原.实验测试结果显示,与当前复原算法相比,本算法拥有更高的复原视觉质量.     

融合边缘检测的遥感图像超分辨率重建算法

针对基于生成对抗网络的遥感图像超分辨率重建存在训练不稳定,参数冗余,图片纹理细节不够清晰等问题。提出一种融合边缘检测的遥感图像超分辨率重建算法。首先,在生成器网络中引入改进后的Canny边缘检测算子用于低分辨率图像特征提取,通过在Canny算子边缘提取流程中利用双边滤波和3×3邻域梯度以检测图像的边缘信息,使网络能够更好的表达高频特征;其次,为降低网络参数和提高网络训练的稳定性,去除判别器网络中冗余的BN层,同时将Wasserstein距离定义为对抗损失以解决生成对抗网络训练出现的梯度消失现象。在NWPU RESISC45数据集上,所提方法的峰值信噪比与结构相似性较WDSR和CARN算法分别提升了1.22 dB、0.114和0.32 dB、0.013,且重建后的图像相比较WDSR、CARN等其他SR算法在图像纹理细节和主观视觉效果方面也均有提升。     

基于Retinex理论的低照度下输电线路图像增强方法及应用

为提高低照度环境下输电线路图像视频在线监测设备分析的准确性,提出一种基于Retinex理论的低照度图像增强方法.首先采用改进型同态滤波算法增强低照度图像的RGB分量,然后将图像转换至HSV色彩空间中.对多尺度Retinex算法增强图像进行改进,采用双边滤波函数替代Gaussian函数作为Retinex算法的环绕函数,引...     

基于LoG算子的双滤波边缘检测算法

边缘检测是图像处理中的重要步骤,为了有效抑制噪点并保留边缘信息,分析了高斯滤波不具有自适应性的缺陷,根据噪声灰度值不连续的特性,在改进传统均值滤波的基础上,提出了一种加权系数自适应的均值滤波,并通过与LoG算子相结合,得出一种基于LoG算子的双滤波边缘检测算法。通过实验对比发现,该算法可有效的消除噪点的干扰,又能保证获取边缘的准确性,并且与LoG算子、Canny算子等算法相比较,在保持检测速度基本不变的情况下具有更好的检测精度。     

低照度下人脸检测 MSRCR 光频分段滤波增强算法

在不受约束的环境下,人脸检测由于光照、遮挡和表情的不同具有一定的挑战性,低照度环境下多任务级联卷积神经网络(MTCNN)人脸检测器准确率下降。为提高低照度环境下人脸检测的准确率,提出了一种基于MSRCR光频分段滤波增强算法(3CGF-MSRCR)。利用MTCNN进行人脸检测,采用一种RGB三通道分解引导滤波(GF)方法对多尺度视网膜增强算法(MSRCR)进行改进。首先对人脸图像进行MSRCR增强并分解RGB三通道,得到三通道的图像权重,利用GF方法对各个通道分别进行滤波,更新三通道权重,最后重构人脸图像。在实际低照度场景人脸数据集Dark Face与公开的标准人脸数据集CelebA上进行了训练与测试,并在实际路灯场景下进行了测试,对比了算法的运行时间。测试结果显示：本文所提出的方法能有效抑制MSRCR的高频噪点,并保留亮度增强效果,提高了准确率,且算法运算速度较快。     

基于统计特征分类耦合自适应 Gamma校正的图像增强算法

为了避免图像在亮度增强时导致其颜色失真,且在局部易出现过增强等问题,设计了统计特征分类耦合自适应Gamma校正(adaptive Gamma correction,AGC)的图像增强算法,以更好提高图像细节与视觉效果。首先,将输入图像转换为HSV空间,使颜色与亮度分离,使其在增强亮度通道时不改变像素的原始颜色,有效降低颜色失真。然后,考虑不同图像的性质,利用统计信息将图像分类为高、低两种对比度,每种对比度又分为亮、暗两类。其次,基于传统的Gamma校正方法,通过对于不同类型的图像进行动态参数设置,形成一种AGC机制,从而为不同类型图像的构建了不同的增强函数,以完成不同类别图像的增强处理。实验数据表明,与当前流行的增强算法相比,所提算法具备更高的增强效果,呈现出更为自然的亮度与对比度,且保持了更多的颜色信息。     

非下采样Shearlet变换耦合边缘制约的遥感图像融合算法

为了解决当前遥感图像融合算法因忽略了区域中像素点的边缘特征而导致融合图像中存在块效应以及模糊效应的不足,在非下采样Shearlet变换的基础上,设计了基于边缘制约模型的遥感图像融合算法。首先,将多光谱(MS)图像经过IHS分解,提取相应的亮度分量。然后,通过非下采样Shearlet变换,将全色(PAN)图像与亮度分量进行分解,获取各自的高频系数与低频系数。再通过图像的空间频率特征,建立低频系数的融合函数,对低频系数进行融合。并利用图像的区域平均梯度特征与图像区域中像素点的边缘能量特征,构造了边缘制约模型,对高频系数进行融合。最后,将融合后低频系数、高频系数经非下采样Shearlet逆变换和IHS逆变换,获取融合图像。实验结果显示,与当前遥感图像融合方法相比,所提算法的融合图像具有更高的清晰度,更好地保持了图像的光谱特性,消除了块效应以及模糊效应。     

基于通道量化与红色先验融合的 水下光学图像清晰化

水下图像通常存在对比度低以及颜色失衡等现象,导致图像纹理信息不清晰,针对此类问题,提出基于通道量化与红色先验融合的水下光学图像清晰化方法。首先,设计两种输入图像版本,图像一通过颜色通道直方图量化重新分配像素值,调整对比度;图像二为实现色彩均衡,将红色通道先验代入成像模型,用于估计背景光、直接分量透射率和后向散射透射率。然后,针对各输入图像设计3种权重图,包括亮度图、饱和度图和显著图。最后,利用多尺度融合策略,将局部对比度提升和颜色校正图像与其归一化权重图进行融合。在多个数据库上通过主观和客观指标进行实验评价,结果表明,本文算法在呈现高对比度的同时,能够恢复出更多的色彩和细节信息,有效提升水下图像质量,与各经典及新颖算法相比具有优势。