基于曝光融合的无人机航拍图像增强算法

针对无人机航拍图像光照不均匀及自然雾导致影像质量退化问题,提出了一种无人机航拍图像增强算法。利用改进的低照度图像增强算法均衡亮度对比度;为了解决均衡后图像过增强问题,提出了联合去雾及曝光融合的色彩矫正增强方法;为了保留增强图像的边缘纹理信息,设计了一种效果更佳的细节增强算法,处理后统计直方图更为平滑,可在一定程度上抑制部分噪声,细节纹理信息更强。实验结果表明,所提的航拍图像增强算法,能够有效解决因光照不均或自然雾引起的影像退化现象,提高了无人机航拍图像的质量,主客观图像质量评价指标优于现有绝大多数主流算法,性能更佳。     

基于光照和对比度均衡的遥感图像增强

针对遥感图像,提出一种基于光照和对比度均衡的遥感图像增强改进方法。在频域中消除不均匀光照,通过两个均衡因子和线性变换调节像素邻域的均值和标准差,再利用辐射校正和一个颜色保持因子得到增强后的图像。实验结果表明,改进的方法不仅能够消除不均匀的光照和对比度,又能保持图像的彩色和细节信息。     

基于S曲线多尺度Retinex红外图像增强算法

针对受环境影响造成红外图像热成像对比度不足的问题,应用多尺度Retinex增强算法,对低能见度的红外图像进行图像增强,并在此基础上提出了一种改进的基于S曲线多尺度Retinex红外图像增强算法,该S曲线函数具有定义域与值域区间一致、拐点非对称的特点.实验结果表明:利用改进后的算法,对红外图像进行图像增强,在目标图像增强...     

基于伪曝光融合的快速图像均衡化算法

传统的直方图均衡化算法是一种全局算法,它在处理图像过程中会将相邻灰度级合并,容易产生过曝和欠曝问题;另一类局部算法能够改善该问题,但使用了滑动窗口技术,运行速度较慢.为此,提出一种利用多曝光融合算法的半全局均衡化算法.首先,分别对图像的亮部和暗部进行直方图均衡化处理;其次,利用滑动窗口和图像金字塔计算亮部和暗部的局部方...     

采用卷积自编码器网络的图像增强算法

将图像增强方法低光网络（LLNet）应用于实际场景下的彩色图像时会产生大量冗余参数,为此基于LLNet提出卷积自编码器网络（CAENet）的图像增强方法. 将LLNet方法中的低光处理模块与网络训练衔接在一起;采用卷积网络代替传统自编码器的编码和解码方式. 实验结果表明：CAENet能够有效节约时间成本,减少网络参数,使网络训练更加高效,得到更好的图像低维表示. 在Corel5k数据集上的实验效果表明,CAENet在减少网络参数的同时,能有效提高图像光感和色感;在高分辨率数据集上的实验结果表明,针对图像细节方面,CAENet能够保留细节不失真;针对含噪低光图像,CAENet能在增强图像的同时达到去噪的效果,证明CAENet具有较强的鲁棒性.     

基于上下边界估计的图像增强方法

提出了一种基于上下边界估计的快速图像增强方法,该方法使用上边界提升图像的细节信息,使用下边界消除图像的雾霾成分,调整上下边界的距离可灵活控制图像增强的程度,在上下边界计算过程中采用了加权中值滤波,能够在有效去噪的同时保持图像边界清晰。实验结果表明,该算法能有效改善图像质量,保持图像细节信息,压缩图像动态范围,色彩逼近于真实环境且避免了光晕的产生。     

基于目标的图像增强算法研究

基于图像信息的目标检测与识别一直是研究的重点和难点.针对复杂坏境的图像呈现出对比度低的特点,本文提出了一种结合小波变换和数学形态学的目标图像增强方法.实验结果表示,信噪比有了明显提高,目标得到了一定程度的增强.     

基于多尺度小波的图像增强算法

提出了一种基于多尺度小波的图像增强算法。首先对图像做小波分层,利用散布矩阵对分层后的图像提取更丰富的局部结构信息,最后对每一个子图像进行局部直方图均衡化,就可将这些子图像合成为一个完整的输出图像。实验结果表明该方法的增强效果明显优于传统的直方图均衡化方法,既提高了图像的整体对比度又突出了图像的局部细节,同时还抑制了噪声。     

CT图像增强算法

采用同态滤波,以及基于图像平均能量梯度对比度限制自适应直方图均衡化和中值滤波对CT图像进行增强处理.将该算法应用在几类典型的CT图像上,并进行了有效性分析.     

X射线曝光曲线的制作方法

介绍使用阶梯试块来制作X射线曝光曲线的原理及具体操作步骤,并重点介绍了使用微机作图来绘制曝光曲线的方法.     

利用上下边界估计的图像增强方法

提出了一种基于上下边界估计的快速图像增强方法.该方法使用上边界提升图像的细节信息,使用下边界消除图像的雾霾成分,调整上下边界的距离可灵活控制图像增强的程度,在上下边界计算过程中采用了加权中值滤波,能够在有效去噪的同时保持图像边界清晰.实验结果表明,该算法能有效改善图像质量,保持图像细节信息,压缩图像动态范围,色彩逼近于真实环境,且避免了光晕的产生.     

改进Retinex方法在低照度壁(岩)画中的图像增强

随着计算机算力的快速提升,低照度图像增强在文物数字化保护方面已得到广泛应用.Retinex是重要的低照度图像增强算法之一,其假设图像可以分解为反射图与光照图,然而大多数基于Retinex的方法在对图像进行分解时都会出现结果不确定的问题.针对此类问题,提出了一种基于Retinex算法的改进网络模型,该网络模型用较少的网络参数,并结合了注意力机制,相较于Retinex-Net,不仅处理速度提升大约1％,而且更为重要的是较大程度上改善了Retinex-Net的生成结果表现过于生硬的情况;同时将预训练模型发布在了https:∥github.com/neemperor/Retinex-Adv-model上.还构造了一个壁画图像数据集LLM,可用于壁画类图像增强任务网络模型的训练和测试,使输出的模型更适合完成低照度壁(岩)画图像增强任务.     

基于峰值信噪比改进的图像增强算法

在图像增强技术中,现有的图像增强算法在对图像进行增强时,总是伴随着原图像亮度的丢失和过度增强效果。提出一种改进的图像增强算法,该方法解决了传统图像增强过程中造成的过度增强、局部过度不自然、原始图像亮度降质的问题。实验结果证明,基于峰值信噪比的改进的图像增强方法优于现有的算法,并且该算法可以在对图像增强的基础上有效的维持原始图像的亮度。     

基于双边滤波的低亮度图像增强算法

为了改善低亮度图像的可视性效果,给出一种基于双边滤波的彩色图像增强算法。对图像亮度整体作对数变换后,利用当前点与其邻域像素之间的关系,调整低亮度图像的局部对比度,并通过线性颜色恢复算法恢复图像色彩信息。针对随机所选5幅彩色图像的测试结果显示,经所给算法增强后的图像,其信息熵、均值和平均梯度皆有相对显著增加。     

基于色彩校正和TransFormer细节锐化的水下图像增强

针对水下图像对比度低、细节表现差且存在色偏等问题,提出了一种多输入的基于TransFormer和卷积神经网络（CNN）的水下图像复原方法。利用TransFormer和相对总变差（RTV）构造深度特征提取模块,融合RTV提取的纹理图与TransFormer提取到的图像信息,有效增强了图像的细节特征。利用自动色彩均衡和Lab色彩空间构建色彩校正模块,提升图像对比度,同时校正颜色。利用多项损失函数约束网络收敛,得到增强后的清晰水下图像。最后,将本文方法与其他方法在测试集上进行定量和定性对比分析,实验结果表明,经过本文方法处理后的图像在清晰度、色彩表现和纹理信息方面均优于其他对比方法。     

基于NSCT变换的红外图像增强新算法

针对夜间红外图像噪声大、对比度低的问题,探讨一种基于正态分布特性和NSCT变换相结合的夜间红外图像增强算法。充分利用了高频子带的系数标准差、系数均值和每个子带系数最大值的构造自适应阈值,保护图像的边缘细节,抑制图像噪声;提出一种新的弱边缘系数增益函数,有效地提升了图像的弱边缘信息。低频系数采用了基于正态分布特性的对比度拉伸增强算法。     

基于灰度等间距密度均衡的红外图像增强算法

针对红外图像具有高背景,低反差的特点,提出了一种基于灰度级等间距密度均衡的红外图象自适应增强方法。该方法以图像灰度相关理论为基础,采用窗口递推的方式,自适应地选择直方图窗口,获得高低阈值,再通过灰度线性变换及灰度级等间距密度均衡,增大图像灰度动态范围,获得细节丰富灰度连续的图像。理论分析和实验结果均表明,该算法克服了平台直方图均衡引起的灰度断层现象,有效地增强了红外图像的对比度,提高了图像质量。