保持亮度的多峰值直方图均衡算法

现有的直方图均衡算法在增强图像对比度的同时,输出图像的亮度与输入图像无关,并且在均衡区域产生亮度饱和现象,提出了一种新的直方图均衡算法.以亮度保持的双直方图均衡算法(BBHE)为基础,改进其对子图像的分类方式:根据直方图对图像进行多峰值分解,得到一系列不同范围的子图像,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,直方图均衡新算法不仅在保持了输出图像亮度的同时,而且非常有效的解决了在原图像均衡区域产生的亮度饱和问题对图像的影响.     

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。     

子图像加权的彩色图像对比度增强算法

为了更好地实现彩色图像的对比度增强,提出一种有效的基于亮度保持的子图像加权对比度增强算法.首先利用基于亮度保持的双直方图均衡(BBHE)算法定义了2个子图像;然后根据输入图像以及2个子图像的亮度均值,给出一种基于亮度保持的权重系数的计算方法;最后对2个子图像进行加权求和,得到输出图像.对具有不同对比度的彩色图像的实验结果表明,与其他算法相比,文中算法能够有效地实现对比度增强,并且不会出现局部过度增强以及细节丢失等噪声问题,使得输出图像显得更为自然.     

保持图像亮度的直方图均衡新算法

传统的直方图均衡算法能够增强图像的对比度,但是均衡后图像的亮度与输入图像无关,不能保证均衡前后亮度不变.传统直方图均衡对灰度级占较少的进行合并,而这些较少灰度级通常为图像细节部分,因此图像经传统直方图均衡后会导致图像细节部分丢失.本文在RMSHE算法的基础上,提出了一种既能保持图像亮度又能保持图像细节的算法.经仿真验证,图像质量有一定程度的改善.     

基于统计的三均衡的图像增强研究

本文介绍了基于统计分离三直方图均衡技术,用以增强图像的对比度并保持亮度。该均衡化方法根据图像亮度的平均值和标准偏差将原始直方图分成三个区域,对分割点进行从定位来调整每个子直方图跨度,并且在每个范围内分别执行直方图均衡。实验表明,该方法比大多数双HE技术提供更好的亮度保持,并且减少大量子直方图产生的伪影。     

基于熵最大化和亮度保持的局部直方图均衡

直方图均衡是一种常用的进行对比度增强的方法,但是,传统的直方图均衡(HE)的输出和输入图像的均值亮度没有联系,而亮度保持在很多消费类电子产品中是需要的.本文提出了基于熵最大化和亮度保持的部分重叠的局部直方图均衡方法(局部BPHEME).实验结果表明,本方法不仅保持了图像亮度,而且,改善了图像的熵,增强了图像的细节.     

保持背景亮度的直方图均衡

直方图均衡已经广泛应用于图像增强,但是直方图均衡也存在一些明显的缺点:首先,直方图均衡后会使得图像的均值接近于灰度级的中点;其次,直方图均衡后会使得一部分灰度级被拉伸,另一部分灰度级被简并,表现为图像的过增强出现不自然的表象。在这篇文章中,使用方法是非线性直方图均衡,即提出了保持背景亮度的直方图均衡(BBPHE),不仅提高图像对比,还保留背景亮度。     

基于小波分频和二次均衡的图像增强算法

传统的图像增强算法在增强图像的同时也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二次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,然后仅对低频分量作直方图均衡处理,再由均衡后的低频分量与各高频分量进行小波重构,最后对重构的图像再次进行直方图均衡处理.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.     

基于梯度角度的直方图局部特征描述子的图像匹配算法

针对传统的局部特征描述子在图像匹配效果和效率上很难兼顾的问题,提出了一种基于梯度角度的直方图(HGA)的图像匹配算法。该算法先通过加速片段测试特征(FAST)获取的图像关键点,然后采用块梯度计算和飞镖靶型结构对局部区域的结构特征进行描述。HGA有效地实现了在旋转、模糊、亮度等多种变换下的良好匹配性能,并在一定程度上具备抗仿射变换的能力。在各种复杂场景下,与高速鲁棒描述子(SURF)、尺度不变特征转换(SIFT)和FAST定向的抗旋转二进制鲁棒独立基元特征(BRIEF)描述子(ORB)进行的实验对比表明基于梯度角度的直方图局部特征描述子达到了匹配效果和效率的均衡,算法时间约为SIFT的1/3,点对匹配准确率均在94.5%以上。     

保持图像亮度的改进双直方图均衡算法

基于能保持亮度的双直方图均衡算法,提出了一种改进方法。根据输出图像的熵和输入输出图像的亮度均值差,选择合适的阈值将图像分割成两个子图,分别进行均衡和灰度均匀化处理,使得输出图像的亮度均值和原图接近的同时输出图像的熵尽可能大,并避免了过增强现象的出现。实验结果证明该处理方法能取得较好的增强效果。     

Gaussian mixture modeling of histograms for contrast enhancement

The current major theme in contrast enhancement is to partition the input histogram into multiple sub-histograms before final equalization of each sub-histogram is performed. This paper presents a novel contrast enhancement method based on Gaussian mixture modeling of image histograms, which provides a sound theoretical underpinning of the partitioning process. Our method comprises five major steps. First, the number of Gaussian functions to be used in the model is determined using a cost function of input histogram partitioning. Then the parameters of a Gaussian mixture model are estimated to find the best fit to the input histogram under a threshold. A binary search strategy is then applied to find the intersection points between the Gaussian functions. The intersection points thus found are used to partition the input histogram into a new set of sub-histograms, on which the classical histogram equalization (HE) is performed. Finally, a brightness preservation operation is performed to adjust the histogram produced in the previous step into a final one. Based on three representative test images, the experimental results demonstrate the contrast enhancement advantage of the proposed method when compared to twelve state-of-the-art methods in the literature.     

Image contrast enhancement for preserving mean brightness without losing image features

Histogram equalization is a well-known and effective technique for improving the contrast of images. However, the traditional histogram equalization (HE) method usually results in extreme contrast enhancement, which causes an unnatural look and visual artifacts of the processed image. In this paper, we propose a novel histogram equalization method that is composed of an automatic histogram separation module and an intensity transformation module. First, the proposed histogram separation module is a combination of the proposed prompt multiple thresholding procedure and an optimum peak signal-to-noise ratio (PSNR) calculation to separate the histogram in small-scale detail. As the final step of the proposed process, the use of the intensity transformation module can enhance the image with complete brightness preservation for each generated sub-histogram. Experimental results show that the proposed method not only retains the shape features of the original histogram but also enhances the contrast effectively.     

Image contrast enhancement using fuzzy clustering with adaptive cluster parameter and sub-histogram equalization

Histogram equalization is an effective technique to boost image quality and contrast enhancement. However, in some cases the increase in image contrast by traditional histogram equalization exceeds the desired amount Which damages the image properties and wanes its natural look. Histogram division and performing a separate equalization for each sub-histogram is one of the presented solutions. The dividing method and determining the number of sub-histograms are the main problems directly affecting the output image quality. In this study, a method is introduced for automatic determination of the number of sub-histograms and density based histogram division leading to appropriate output with no need for parameter setting. Each main peak is in a separate section. Image contrast is increased with no loss of image specifications through determining the number of sub-histograms based on the number of main peaks. The introduced histogram equalization approach consists of three stages. The first stage, using histogram analysis, produces an automated estimate of number of clusters for image brightness levels. The second, clusters the image brightness levels, and using the provided transfer function, the final stage includes contrast enhancement for each individual cluster separately. The results of the proposed approach demonstrate not only clearer details along with a boost in contrast, but also noticeably more natural appearance in the images.     

自适应动态峰值剪切直方图均衡化

传统的直方图均衡化算法在增强图像的同时可能会引入一些视觉退化效应,如一些图像的部分区域出现过度增强。为了克服这个缺点,已有一些灰度均值保持算法,但是这些算法并不能很好地保持图像处理前后灰度均值的稳定性。提出了一种自适应动态峰值剪切直方图均衡化算法：使用滤波器对原图像的直方图进行滤波操作,并且根据图像的信息来确定分割区间及区间数目;对分割的区间进行重新映射;对区间的直方图进行剪切操作,然后分别地进行均衡化处理,并对处理后的图像进行灰度归一化操作。实验结果表明,该算法可以很好地在保持原图像均值的前提下实现图像增强。     

基于直方图分割的彩色图像增强算法

针对直方图均衡化直接对彩色图像处理会导致图像色彩失真的情况,在对传统的直方图均衡化方法进行改进的基础上,提出了一种新的带色彩恢复的均衡化算法。该算法对于彩色图像R,G,B各个分量子图的灰度直方图,首先根据其灰度中值和分割直方图等面积原则进行两次分割,同时对分割后的各子灰度直方图分别进行均衡化处理;然后通过计算R,G,B各分量子图的灰度级总数占原彩色图像灰度级总数的比例,将均衡化处理后的R,G,B各分量子图进行合并。实验表明,该算法对彩色图像处理具有较好的增强处理效果。     

用于数字图像直方图处理的一种二值映射规则

直方图表示数字图像中每一灰度级与其出现频数间的统计关系，它可给出图像的概貌性描述，而基于直方图修改技术的灰度变换是图像增强的实用而有效的处理方法之一。直方图处理包含均衡化和规定化两种技术。均衡化的目的是使图像像素均匀地分布在所有灰度级上；规定化的目的是将原图像的直方图转变为规定的直方图，以便突出一定灰度范围内的图像。为了进一步提高直方图处理算法的有效性，首先分析了现有的几种数字图像直方图均衡化和规定化算法存在的缺点，然后提出了一种新的二值映射规则(BML)，该规则基于最优控制原理，以直方图误差最小为准则进行灰度映射，实验证明．该规则算法简单，无论是用于直方图均衡化处理．还是用于直方图规定化处理，均较其他映射规则都更为有效。     

一种新的非均匀照度图像增强方法

构造一类基于双层位平面的亮度变换函数,结合快速局部值直方图均衡化算法,很好地解决了非均匀照度下图像对比度的增强问题。该算法首先提取图像的亮度位平面和对比度位平面,用这两个位平面对原始图像进行亮度变换,然后,利用快速局部值方图均衡化算法对变换后的图像进行增强。