基于局部直方图重分布的医学图像增强方法

提出一种基于局部直方图重分布的医学图像增强法(LHR),该方法实现简单、执行速度快,而且能够有效地增强医学图像对比度。通过与常规增强方法相比较,该方法处理图像更加清晰并且能够有效地抑制噪声。     

基于CLAHE和多尺度细节融合的静脉图像增强算法

利用静脉识别原理采集的静脉图像通常模糊不清、难以分辨。传统的CLAHE算法虽然能够提高静脉图像的对比度,但是会丢失图像的一些细节信息。文章提出了一种基于CLAHE和多尺度细节融合的静脉图像增强算法。首先对静脉图像进行ROI提取,采用CLAHE算法增强静脉与手背间的对比度;然后利用多尺度细节融合算法得到静脉图像的细节图,再通过均值滤波滤除细节层中的高频噪声;最后把上面两种方法得到的图像加权叠加得到细节增强后的静脉图像。实验结果表明,该方法在提高静脉图像对比度的同时保留了原图像的细节信息。     

基于改进γ-CLAHE算法的水下机器人图像识别

水体及悬浮粒子对光的吸收、折射及反射导致水下图像对比度低及细节模糊,单一图像增强算法难以适用于水下复杂环境识别.为了解决该问题,提出基于小波变换和改进的γ-CLAHE相融合的图像增强算法.通过快速中值滤波去除图像中噪声,向CLAHE算法中加入自适应伽马变换,解决CLAHE算法处理水下图像色彩失真,丢失孤立点、细线,画面突变等问题.利用改进的γ-CLAHE算法处理小波变换分解后的低频部分,增强图像并加快运行速度.通过小波逆变换将γ-CLAHE算法处理后的低频部分和双边滤波处理后的高频部分相融合,得到最终的增强图像.将实验图像同传统CLAHE、Retinex、Singh融合算法的处理图像进行对比,验证本研究算法在水下图像处理方面的有效性和优越性.     

基于U-net的海马体分割算法应用

为促进阿尔兹海默症的诊断及治疗,实现对海马体的精确分割,针对海马体MRI图像,提出一种基于U-net模型改进的分割算法。使用CLAHE等对原始图像进行预处理,经处理后的图像有效提高了分割效果;将残差模块加入实现分割算法的卷积网络,增强网络性能,避免网络性能退化。对原始数据集进行扩充,将扩充后的样本数据用以训练网络,解决数据量的问题。实验结果表明,该算法在脑部MRI图像中对海马体实现了良好的分割效果,能较好辅助医生诊断。     

融合CLAHE算法与YOLOv4-tiny模型的变压器放电碳痕检测

借助机器视觉和深度学习进行变压器内部放电碳痕的检测识别,采用CLAHE算法进行图像特征增强和YOLOv4-tiny模型进行目标检测,验证其平均精度值满足实际检测需求。     

基于域滤波的自适应Retinex图像增强

为了提高低照度图像的亮度和对比度,提出了一种新的基于Retinex理论的彩色图像增强方法。首先,基于Retinex理论,提出对HSV空间V分量进行域滤波估计图像光照分量,然后将V分量与光照分量相除得到反射分量的方法。之后,采用自适应Gamma校正对光照分量进行亮度提升,然后采用CLAHE对其进行对比度增强。最后,将亮度校正光照分量与反射分量相乘得到增强后的V分量,并将增强后的图像转化为RGB空间图像,达到彩色图像增强的目的。本算法可以获得更自然的增强效果,能抑制亮度较大像素点的增强,很好地突出图像中的细节信息,克服了图像增强中增强图像对比度低、颜色失真、过增强及光照突变处出现光晕现象等缺点。本算法对多种图像有效,例如高动态(HDR)图像、非均匀光照图像及低曝光图像。通过验证,本算法得到的结果相比于传统方法视觉效果更佳。     

Illumination normalized based technique for retinal blood vessel segmentation

The Retinal image carries important information about the health of the sensory part of the visual system. In this paper, a new approach is suggested by utilizing the homomorphic filter integrated with Contrast limited adaptive histogram equalization (CLAHE) method for the illumination normalization and contrast enhancement of the retinal images. Then segmentation is done through several steps by using the existing methods such as morphological filtering, a second derivative operator that is followed by a final morphological filtering stage and hysteresis thresholding. The suggested method is verified on DRIVE and CHASE‐DB1 databases and has average accuracy of 72.03% and 64.54%, accordingly. The obtained results demonstrate that the proposed approaches achieve higher accuracy than the traditional method. The suggested approach not only contributes to the successful result, but also minimizes the computing time.     

基于双目视觉的智能车辆障碍物探测技术研究

鉴于障碍物探测是越野智能车辆自主导航的关键环节,为此针对越野环境光照多变、地形复杂的特点,提出了一种适用于越野环境的双目视觉障碍物检测技术,即首先对系统进行标定和坐标变换,以抵消地形的影响;然后采用高斯滤波和有限对比适应性直方均衡化(CLAHE)对图像进行预处理,以削弱噪声、光照和对比度的影响;接着在特征匹配部分,用提取的图像的亚像素级Harris角点特征参与匹配;同时基于RANSAC方法估计基础矩阵,再通过对极几何约束匹配来提高系统的实时性,并采用连续性约束消除误匹配,最终获取环境的3维信息;在障碍物提取部分,则通过线性插值来构建车前环境的高程图像;最后通过边缘提取和形态学处理来最终检测障碍物。此外还通过不同环境中的检测实验,验证了该算法的可行性及有效性。     

基于多尺度自适应的近红外手肘静脉提取算法

由于成像质量不高,光照强度不均匀,皮下脂肪较厚等因素,近红外手肘静脉图像对比度较低,不易提取到清晰的静脉结构。针对该问题,本文提出了一种基于Hessian算子的多尺度自适应静脉滤波提取方法。该方法通过改进的多尺度自适应滤波器从对比度限制自适应直方图均衡化(Contrast-Limited Adaptive Histogram Equalization,CLAHE)增强后的图像中提取静脉。新的滤波器结构能够根据输入图像自适应地确定滤波器参数,在提取静脉的同时抑制噪声。实验结果表明该方法可以有效地获得清晰完整的静脉结构,具有更强的去噪和增强效果以及更高的准确率。