基于色调映射和暗通道融合的弱光图像增强

针对阴天或夜晚等弱光条件下拍摄的图像具有亮度低、对比度低和细节模糊等问题,提出了一种基于色调映射和暗通道融合的弱光图像增强方法.首先,根据弱光及其反转图像的特点,提出面向弱光图像的透射率估计方法,进而获得场景深度信息,并将其融入色调映射函数设计;同时利用暗通道图像区分光源区域,以修正色调映射函数参数,使其能够根据场景深度自适应调整图像亮度;另一方面,增强后的暗通道图可有效突出图像的细节信息,将经过色调映射后的V通道图像和暗通道图进行加权融合,得到最后的增强结果.实验结果表明,本文方法不仅显著改善图像亮度、增强对比度、恢复出更多的图像细节,还能有效去除块效应和晕轮伪影,视觉效果理想.     

一种基于区域显著性识别的红外图像增强方法

针对红外图像纹理细节不足和对比度下降的问题,提出一种基于区域显著性识别的红外图像增强方法.首先,通过构建红外图像显著性特征图,识别出红外图像中的显著区域和非显著区域.然后,对红外图像进行反转操作并基于暗通道先验估计出反转红外图像的透射图,再基于图像识别的结果对透射图进行修正.最后,基于简化大气散射模型获得增强后的红外图像,并基于细节改变先验进行边缘特征增强.采用了多种类型的红外图像进行试验,并将所提方法与多种当前主流红外图像增强方法进行了主观和客观对比.结果表明,所提方法具有较好的鲁棒性,且平均新增可见边比能达到4.15、平均对比度增益能达到6.47、基于人眼视觉的图像清晰度能提升33%.     

基于改进凸包和颜色对比度的彩色图像分割方法

基于特征对比度的显著性检测方法在处理复杂背景图像时,容易将对比度较高的背景区域误判为目标,导致分割结果不准确.为解决上述问题,提出了一种基于改进凸包和全局颜色对比度的彩色图像分割方法.首先以超像素为基本计算单元,根据图像颜色及其空间分布,计算基于颜色对比度的基本显著图;然后利用颜色增强Harris角点得到目标的凸包,并利用FH方法生成的超像素对凸包进行修正,以此为基础计算基于改进凸包的中心显著图;最后将上述2个显著图进行加权融合得到最终显著图,并使用大津法得到图像中的目标.通过在MSRA1000和ECSSD数据集上进行实验,结果表明本文算法相较于其他算法在可视效果和准确率、召回率等评价指标方面有明显的优势.     

基于对比度受限直方图均衡法的牛羊眼部图像增强方法

针对牛羊眼部纹理信息提取前需要对牛羊眼部图像进行增强处理的问题,采用对比度受限直方图均衡化方法对牛羊眼部图像进行增强处理。该算法首先将原始图像分割成若干个大小相同的子区域,再计算截取值对每个子区域的直方图进行截取,并将截取下的像素均匀分配到每个灰度级,得到限定对比度直方图,根据限定对比度直方图对原图进行灰度双线性插值生成增强图像。实验结果表明,使用对比度受限直方图均衡化方法对牛羊眼部图像进行增强处理,增强后的图像具有更高的图像细节和层次感,同时减少了图像的失真,具有较高的理论和实用价值。     

基于图像边缘和对比度的显著目标检测

为了对自然场景中各类显著目标进行准确的检测,提出了一种结合图像边缘和多尺度对比度信息的检测方法。首先对图像进行快速双边滤波,在对图像平滑去除复杂纹理的同时保留物体结构边缘信息,然后用直线检测算子进行边缘检测得到边缘显著图。再利用对比度检测算子计算图像的区域对比度和全局对比度得到对比度显著图。融合边缘显著图和对比度显著图得到最后的显著目标图。实验表明该方法准确率高于大多数现有的显著目标检测方法。     

基于直方图均衡的导弹目标图像增强方法对比研究

针对雾霾、夜色等不利天气条件下,电视制导导弹获取的目标图像存在噪声大、对比度低、颜色失真、重要特征不明显等问题,采用直方图均衡化方法对导弹目标图像进行增强处理,分别使用常规直方图均衡化算法、局部直方图均衡化算法和对比度受限自适应直方图均衡化算法完成了导弹目标的图像增强。仿真结果显示,对比度受限自适应直方图均衡化算法在处理灰度图像方面效果良好,不仅能够增强图像对比度,同时保护图像中的一些细节,还能快速地完成对图像的处理,适用于导弹目标图像增强工作。     

空域中基于低对比度图像增强方法

针对低对比度偏暗并带有噪声的图像,结合人眼的视觉感知特性,提出了一种图像增强的新方法。首先在空域进行中值滤波去噪处理,然后对图像进行分块,对背景的亮度进行粗略估计,并用插值算法平滑数据,最后校正图像的不均匀性并将像素值调整到整个灰度级实现图像的增强。实验结果表明,该方法在去除噪声同时并使图像的整体对比度得到明显的改善,又能突出图像中目标的细节部分信息,有效增强了图像的视觉效果。     

低对比度图像边缘增强算法的研究与应用

单色低对比度图像具有邻近像素的空间相关性高、灰度变化不明显等特点,这使得图像中的目标、背景、细节、噪声等信息都包含在一个较窄的灰度范围内而难以区分,从而给目标的边缘检测和识别带来困难。针对低对比度图像边缘的增强问题进行了研究,在分析传统对比度增强算法的实质以及所存在问题的基础上,提出了一种新的算法——四段对比度拉伸法。一系列的对比实验证明,该算法有较广的适用性、较强的抗噪性、较灵活的应用范围。在低对比度冷钢板边界检测实验中,对于不同情况,该算法可以通过改变灰度变换函数中系数的取值来增强目标的边缘,有效地提高冷钢板边缘的识别与提取。     

基于虚拟多曝光融合的不均匀光照图像增强方法

针对不均匀光照图像存在过曝和欠曝区域导致对比度低、视觉效果差的问题,提出一种基于虚拟多曝光融合的图像增强方法.首先,将原图像从RGB(红-绿-蓝)颜色空间转换到HSV(色调-饱和度-亮度)颜色空间;然后,对转换后的V通道图像,利用相机响应模型,估计最佳曝光率并生成减弱曝光图像和增强曝光图像;接着,使用带细节提升的多曝光融合方法对该V通道图像和生成的虚拟曝光图像进行融合,重构出新的V通道图像;最后,将图像重新转换回RGB颜色空间得到一幅动态范围高、对比度强、视觉效果好的图像.在7个公开的图像数据集上进行实验,结果表明:该方法在平均信息熵、平均梯度和颜色一致性等图像质量评价指标上均优于所比较的方法,在更好地保持图像颜色和细节信息的同时,也使得结果图像具有较高的对比度和清晰度.     

基于色彩校正与暗通道先验算法的水下图像增强方法

针对水下图像色彩失真及对比度低的问题,提出一种基于色彩校正与暗通道先验的水下图像增强方法。在处理色偏问题时,以蓝通道为基准计算通道标准比,对水下图像的红、绿通道进行补偿,丰富图像色彩;针对水下图像对比度较低的问题,利用基于超像素的暗通道先验(DCP)方法对校正后的水下图像进行增强。用水下海珍品目标检测数据集图像进行了实验,并与6种先进的水下图像增强方法进行了性能比较。实验结果表明,本算法在色彩校正与对比度提升的综合效果上优于其他增强算法且拥有更好的视觉效果。     

基于光学相关探测的水上目标识别研究

提出了改进的Laplace边缘检测算子与对比度拉伸变换相结合的光学相关物面图像处理方法,对水上目标图像进行边缘检测和对比度拉伸,在精确提取目标边缘特征的同时有效地提高了图像对比度。将其应用到实时联合变换相关器中,实验结果表明,滤波后的图像经两次傅里叶变换后输出的相关点亮度明显增强,由此解决了一些复杂背景、低对比度水上目标的识别问题。     

一种非均匀照明彩色图像自适应校正方法

为解决非均匀照明条件下彩色图像亮度不均、细节丢失、对比度低等问题,提出一种非均匀照明彩色图像自适应校正方法研究非均匀照明图像的自适应增强.首先,提出一种双伽马校正直方图均衡(bilateral Gamma adjustment histogram equalization,BIGAHE)算法处理HSV颜色空间的V通道,来调整图像全局对比度和亮度,同时使用构建的自适应拉伸函数对S通道进行非线性拉伸以提高图像整体饱和度,然后利用对比度受限的自适应直方图均衡算法(contrast limited adaptive histo-gram equalization,CLAHE)对L?a?b?颜色空间中L?通道进行局部对比度增强,得到最终增强图像.实验结果表明,与现有流行的图像增强方法相比,该算法的平均梯度(mean gradient,MG)、熵(entropy)指标为所有对比算法中最优,对比度改善指数(contrast improvement index,CII)在所有方法中排名第二.可见该算法能够有效提高非均匀照明图像亮度和对比度,提供更多的细节增强,同时避免过度增强,保持图像的自然性,获得更好的增强效果.     

基于二维直方图变换的红外烟幕遮蔽下目标图像增强

根据红外烟幕遮蔽条件下目标热像的特征,就利用一维直方图均衡化增强方法的对比度和清晰度不高以及损失图像细节的缺点,提出了一种基于二维直方图变换的目标热像增强方法;该方法充分利用了热像的高相关性特点,得到了较好的对比度和清晰度,保留了图像细节。采用该方法可以有效地改善目标红外像,使烟幕遮蔽目标的帧数减少10帧以上,显著减少了烟幕背景对目标的遮蔽时间     

利用中通道补偿的单幅图像去雾

针对雾天图像对比度低和细节模糊等问题,将图像分解为纹理层和结构层,对含有大部分雾气的结构层进行去雾,对纹理层进行增强.为了避免大气光估计易受白色物体影响,提出一种RGB空间立体判决图,并设计基于自适应阈值约束的大气光估计方法,可有效区分天空和非天空区域;针对暗通道先验处理大面积天空、浓雾区域失效问题,提出一种基于中通道补偿的透射率估计方法,可有效克服去雾后图像颜色失真;同时,基于侧窗导向滤波对上述透射率进行修正,能够较好地保持细节.实验表明,本文方法能有效去除雾气,去雾后图像颜色自然,细节保持良好.     

X线医学图像的对比度增强方法与实现

在分析了直方图均衡化、规定化和局部对比度增强三种图像增强方法的基础上,将直方图规定化和局部对比度增强方法相结合,对X线医学图像进行增强处理．实验结果表明该方法的增强效果优于直方图均衡化、规定化处理方法的增强效果,既提高了图像的整体对比度,又突出了图像的局部细节．     

基于目标与背景信息分割的图象增强算法

为提高图片对比度,突出目标区域,解决图像较暗、对比度较差、目标区域模糊不清、难于对目标进行分析和识别,以致不能做出正确判断的问题.将图像中的目标与背景分离,并对这两部分的灰度值分别进行处理,以便突出目标,抑制背景,并以X光片为例进行仿真实验.经实验证明,该算法能实现图像增强,可以增强目标区域,抑制背景区域,从而增强图像...     

基于暗原色先验的低照度图像增强

低照度图像亮度低、对比度低、细节信息缺失,对后续处理造成不便。针对这种情况,提出一种基于改进的暗原色先验低照度图像增强算法。采用输入图像暗通道的最大值估计大气光值,并用输入图像暗通道替代用大气光值来归一化输入图像,以其暗通道估计透射率,提高了算法效率。对输入图像取反,得到一副类似雾化的图像,用暗原色先验去雾,将结果再次取反,得到增强图像。暗原色先验会放大图像噪声,引入导向滤波实现保边去噪。实验结果表明,算法能有效增强低照度图像,提高图像亮度、对比度和突出图像细节信息。     

一种结合视觉显著性的GrabCut图像分割方法

结合显著区域检测技术和GrabCut算法,提出了一种新的图像分割方法.首先,计算融合中心知识和目标紧致度的多尺度区域对比度,通过Harris特征信息和贝叶斯模型进一步提高显著性,得到更加精确的前景检测模型;然后,对显著图进行分割获得目标的粗略位置,将位置信息用于GrabCut算法初始化,并在GrabCut初始化建模中引入显著值权重;最后,结合形态学运算改进分割的目标.实验结果表明:该方法能够实现自动分割,并且取得了接近甚至优于一些GrabCut方法的结果.     

基于视觉中心及超像素空间加权的图像显著性检测

针对现有显著性检测方法得到的显著区域不完整以及存在背景干扰的问题,提出一种空间域的图像显著性检测方法.首先将输入图像进行超像素分割,然后利用超像素图像的颜色和亮度信息获得差值显著图以及视觉中心,依据超像素种子点与视觉中心的位置关系获得空间权重,最后将各超像素块的显著值与其视觉空间权重相结合计算,以此得到最终的视觉显著图.与现有算法相比,方法既能得到精确的显著区域,保留边缘细节信息,又能有效地去除背景干扰,提高了检测精确度.     

基于侧抑制系数的红外图像细节增强算法

针对红外图像对比度低、细节不清晰和视觉效果模糊的缺点,提出了基于侧抑制系数的红外图像细节增强算法。通过分析指数分布侧抑制系数计算方法的不足,提出利用二次函数分布计算侧抑制系数的方法,提高算法增强红外图像细节的能力,利用红外图像本身的灰度信息自适应地调整侧抑制系数的参数,进而自适应确定侧抑制网络,对图像目标和背景进行不同程度的抑制,结合临界可偏差(just noticeable difference,JND)曲线中得到的人眼视觉分辨率特性,对图像进行能量恢复调整,使图像均值保持在人眼适宜观察的状态。仿真结果显示,与自适应指数函数侧抑制算法相比,算法处理后的红外图像对比度、信息熵以及信噪比都得到提高,图像细节更加清晰,视觉效果得到明显改善。