基于RBF 神经网络的低对比度图像自适应增强算法

针对低对比度图像增强问题,提出了一种将直方图修正与RBF 神经网络相结合的 图像对比度增强算法。首先由原始图像获得与其邻域存在对比度的像素的条件概率直方图,通 过调整两个增强参数可以改变条件概率直方图和均匀分布直方图的权重,生成新的直方图对图 像进行增强。采用RBF 神经网络建立图像特征与两个增强参数之间的非线性映射关系。根据图 像本身的特征快速获得增强参数,从而实现图像的自适应增强。该方法计算量小,实时性强, 应用范围广,有较强的自适应性。     

最大差值图决策的低照度图像自适应增强算法

应用于光照分布不均的低照度图像,传统的图像增强算法会出现色彩失真、亮区过度增强等问题,因此提出一种最大差值图决策的低照度图像自适应增强算法。首先,提出最大差值图的概念,通过最大差值图粗略估计出初始光照分量;然后,提出交替引导滤波的算法,利用交替引导滤波对初始光照分量进行校正,实现光照分量的准确估计;最后,设计了图像亮度自适应的伽马变换,能够根据获取的光照分量自适应调整伽马变换参数,从而在增强图像的同时消除光照不均带来的影响。实验结果表明,增强后的图像有效消除了光照分布不均带来的影响,图像亮度、对比度、细节表现能力和色彩保真度都得到了明显提升,平均梯度提升了1倍以上,信息熵提升了14%以上。由于提出的算法对光照分量估计准确,自适应伽马变换针对低照度图像进行了优化,因此,对于夜间等弱光源条件下的彩色图像具有十分有效的增强效果。     

用于低照度图像增强的自适应颜色保持算法

视频监控、场景恢复等领域中低照度图像噪点多,亮度低,可视效果差,而现有的图像处理技术容易出现颜色失真、光晕色块严重。为解决这一问题,根据韦伯-费希纳定律,把图像的像素点转换到对数空间,自适应获得符合视觉系统特点的预增强图像;再根据多尺度视网膜算法,分别计算与增强图像的R通道在三个尺度上的平均高斯滤波结果,获得入射光估计,把对数域的自适应增强图像像素值与入射光估计的差值作为多尺度视网膜算法的结果图像。进一步处理结果图像,将其RGB通道按照预增强图像中的颜色比例关系映射到0~255的范围;最后融合三个通道获得最终图像输出。通过图像质量的评价对比,该算法对不同低照度场景图像的增强结果,在对比度、色度保持等方面优于MSR、MSRCR和MSRCP算法。实验证明该算法在低照度图像的恢复和色度保留等方面有较好的效果,在增强视频监控的有效性等方面有较好的应用价值。     

低对比度图像的自适应阈值化算法

在处理光照不均匀的图像分割时用常用的阈值分割方法不能得到良好的分割效果。提出通过小波多分辨力滤波将滤波以后的低通图像作为图像的自适应阈值进行二值化 ,获得了比较理想的效果。该算法在枪支在线OCR识别系统中得到实际应用。     

人眼视觉感知驱动的梯度域低照度图像对比度增强

针对传统的对比度增强方法在对低照度图像进行处理时不能同时顾及压缩动态范围、调整亮度以及增强或保持细节等问题,提出一种基于人眼视觉感知特性的、从全局亮度映射到局部细节补偿的低照度图像对比度增强方法.首先通过非线性全局亮度映射模型压缩图像的动态范围,提高图像的整体亮度水平;然后结合人眼视觉系统的亮度掩蔽特性和超阈值对比度感知特性,非线性地调整图像的局部梯度场增强和恢复图像的局部细节;最后在目标梯度场上通过快速求解泊松方程获取增强后的图像.实验结果表明,该方法能够有效地增强低照度图像的全局和局部对比度,提升了低照度图像的视见度.     

低照度视频图像自适应补偿增强的设计与实现

针对低照度环境下视频图像对比度低、难以识别的问题,提出对比度自适应补偿增强算法。首先,提取低照度环境下视频图像特征参数的平均灰度,根据原始图像的灰度级差异建立人类视觉对比度分辨率补偿的数学模型,并对真彩色三原色分别采用比例积分补偿。然后,当补偿程度低于明视觉恰可分辨差异时,设置补偿阈值线性补偿明视觉至满带宽。最后,结合主观图像质量评价和图像特征参数建立补偿比例系数的自动寻优模型,并把该模型嵌入到Directshow视频处理系统,应用于视频图像自适应增强。实验测试结果表明,补偿增强系统的实时性好,可以有效挖掘暗视觉信息,能够广泛应用于不同场景。     

基于模拟退火算法的红外图像自适应对比度增强

基于模拟退火算法击和非完全Beta函数，提出了一种自适应红外图像对比度增强方法。首先基于输入红外图像的灰度直方圈给出一种有效的判据。对输入红外图像先利用所提出的判据判断图像的对比度类型．然后利用这个判据来确定灰度变换参数的搜索空间，进一步指导模拟退火算法的搜索方向和初值的选取，利用模拟退火算法在上述确定的灰度变换参数空间中搜索最佳的灰度变换参数，从而获得一条最佳的灰度变换曲线，实现对图像进行全局增强处理。实验结果表明，该算法在有效地提高红外图像整体对比度的同时，很好地保留了图像中的细节部分信息。算法在视觉质量上优于传统的直方图均衡法、反锐化掩膜法。     

内容相关的分块处理自适应图像对比度增强算法

内容相关的分块处理自适应图像对比度增强算法能够自适应地处理多种降质图像。本算法通过分块分析和处理的手段,更好地利用了图像局部信息和细节信息来对图像进行更加细致的处理;通过建立参数化的增强函数,自动调节增强函数参数,实现针对不同特性的图像生成与之相适合的增强函数曲线的功能;通过对图像子块的内容分析,提取出与增强函数相关的特征,并根据这些特征自动生成与之相适应的增强参数。使用上述方法,无需人工干预就能自适应地处理多种不同降质特性图像。实验结果表明,在无任何人工干预的情况下,本算法对过亮、过暗、逆光、雾霾污染甚至是混合多种性质的复杂图像的增强效果均较为理想,充分体现了算法的广泛适应性。     

基于颜色恒常性的低照度图像视见度增强

在彩色成像过程中,低照度是导致图像降质的一个重要因素. 本文提出了一种新的基于颜色恒常性的低照度图像视见度增强算法. 为了避免场景光源的影响,提出了像素有效集的概念. 基于灰色调算法的灰度像素假设,利用有效像素估计光 照的颜色;在后处理阶段,利用有效像素的灰度级范围确定直方图剪裁的上下限. 实验表明,算法有效地校正了图像 的颜色、对比度和亮度,从而增强了图像的视见度,且不会产生Retinex 算法所固有的灰化效应和Halo 效应.     

一种雾天图像低对比度增强的快速算法

为解决雾天图像低对比度问题，提出一种插值自适应直方图均衡化算法。该算法不仅避开了物理模型方法对景物信息的依赖，而且与其他图像处理算法相比能大幅度降低运算复杂度、消除块状效应、有效地突出图像细节信息，因此特别适合于深度信息多变且对比度较低的雾天图像。算法的有效性为实验结果所证实。     

改进的自动颜色均衡化图像对比度增强

提出了一种改进的自动颜色均衡化方法,用于灰度和彩色图像对比度的增强。通过考虑图像中颜色或灰度的空间分布,首先对图像进行了局部自适应滤波,其中使用了改进的相对亮度表观函数。而后对图像进行动态范围调整以得到最终结果。在对彩色图像处理时,通过将图像从RGB空间转至HSV空间,仅对亮度通道进行滤波以保持颜色不失真。实验结果表明,方法可有效增强图像的对比度,且不会引入明显噪声。     

空间转换与自适应灰度校正的低照度图像增强

在低照度场景下采集的图像存在整体亮度偏低、对比度较差、细节信息丢失等问题,影响其在图像增强应用领域中的性能。为提高低照度成像质量,并使图像结构完整且纹理细节自然清晰,提出一种空间转换与自适应灰度校正的低照度图像增强算法。采用带有灰度校正的自适应压缩多尺度Retinex算法对原始图像进行处理,得到均衡化图像,避免在传统Retinex算法对图像进行全局处理时产生图像过亮或过暗的现象,通过空间转换方法处理获得的均衡化图像,分别得到频率域平滑图像和空间域锐化图像,以提高图像的整体亮度和对比度,从而保留图像中物体边缘的细节信息。在此基础上,采用多聚焦融合算法将原始图像、频率域平滑图像和空间域锐化图像进行融合,得到最终图像。实验结果表明,相比SSR、CLAHE、MBYC等算法,该算法的均值、方差、信息熵和平均梯度分别平均提升1.63%、0.89%、0.17%和1.91%,能有效提升低照度图像的亮度、清晰度和对比度,增强图像边缘信息和纹理细节信息。     

自适应越渡点的SAR图像模糊对比度增强算法

SAR图像存在动态范围小、对比度差和细节信息不清晰等质量问题,制约了SAR图像的信息获取能力。针对这一问题,提出自适应越渡点的SAR图像模糊对比度增强算法。该算法分析了经典模糊增强方法的局限性,利用SAR图像灰度直方图的分布特性来计算自适应越渡点和模糊对比度增强操作数,实现了SAR图像的自适应对比度增强处理。采用多组实测数据验证该算法,用客观指标评估了增强性能。     

保持图像亮度的自适应局部对比度增强

目前保持亮度的局部直方图均衡算法用于对比度增强时,大多以亮度均值和中值为图像的亮度分割点,这些方法能较好地保持图像的亮度,但同时也会产生局部过增强。为此提出了一种亮度误差最小的自适应局部对比度增强算法,根据亮度均值绝对误差自适应的选择最佳亮度分割点,然后用保持亮度的双直方图均衡算法对被分割的子图像进行均衡,最后用滤波器消除块效应。实验结果表明,该算法不仅保持了输入图像的亮度,同时也实现了局部对比度增强。     

X光安检图像低对比度区域目标的分割与增强算法

为了增强显示安检图像中一些如植物风险源等因处于低对比度区域而难以识别的目标,提高安检人员的识别准确率,提出了粗分割细搜索的模糊增强算法。粗分割细搜索阶段,通过使用OTSU与结合了均值偏移的区域生长算法对低对比度区域目标进行提取。模糊增强阶段,根据感兴趣区域中像素隶属于目标区域的程度进行增强。实验表明,该算法能将低对比度区域目标提取出来并实现目标的增强,同时不改变图像的其他区域。     

一种低对比度图像的增强处理

在字符识别系统中，低对比度图像中的图像增强处理是关键的一个步骤。现有的大部分图像增强算法对于低对比度图像的处理都存在一定的困难。本文提出的基于改进的Prewitt算子结合高斯滤波器及灰度变换的方法对图像进行增强，实验结果显示，运用本文方法对拍摄的低对比度图像的增强处理是有效的。     

基于小波对比度的自适应图像水印算法

提出一种基于小波对比度的小波域自适应水印算法,充分利用小波对比度更适合人类视觉特性的特点自适应地确定小波域上各分块的嵌入的强度和位置。理论分析和实验结果表明,该算法很好地解决了水印鲁棒性和不可见性之间的矛盾,对一般的图像处理和攻击有很好的鲁棒性。     

适应彩色空间的图像对比度增强算法

介绍了模拟人眼视觉系统的Retinex图像对比度增强方法.引入了非线性变换函数修正彩色图像的照射分量和反射分量.全局对比度增强函数拉伸图像照射分量.改善了全局视觉效果.非线性局部增强函数对较大和较小的反射分量值改变较小,对中间值的改变较大,从而改善了图像局部对比度.在RGB彩色空间和许多分离色度亮度的彩色空间的处理速度都很快,彩色空间适应性较好,处理图像也没有出现彩色失真现象.