微光图像实时对比度增强处理

对比度低是微光图像主要特征之一，对比度扩展是微光图像增强处理的重要技术手段。该文详细叙述了采用灰度变换方法提高对比度的基本原理，在分析不同照度下微光图像直方图分布的基础上，建立了专门的灰度变换函数，并完成了硬件电路的设计与调试，实现微光图像的实时处理。该方法可直接应用于微光电视系统，能够显著地提高微光图像质量。     

Delphi实现数字化图像的增强

从面向技术的观点出发,对已被实践证明行之有效的几种图像增强方法通过Delphi6.0语言来加以实现.实验表明,该程序可以快速、准确地对灰度图像进行灰度变换和中值滤波,达到了使图像对比度增强、抑制噪声,改善图像质量的预期目的.     

一种基因芯片图像的对比度增强方法

为降低对比度对网格定位和基因点分割的影响,提出了一种基因芯片图像的自适应对比度增强方法.基于四阶矩进行图像对比度计算,并统计图像背景灰度,从而实现仅针对基因点的自适应对比度增强.通过6个不同数据集的79幅图像实验表明:该对比度增强方法无需人工干预及参数输入,可自动增强图像对比度,鲁棒性强;对比度增强后的图像网格定位准确率普遍提高,最高可达25%.     

基于形态学运算的种子轮廓自动获取方法

为解决传统手工初始化种子轮廓影响肝脏分割算法稳定性的问题,提出了一种基于形态学运算的自动种子轮廓获取方法.根据序列CT图像中肝脏的灰度特性和结构特性,利用线性灰度变换、阈值滤波、中值滤波及对比度增强对肝脏CT图像进行预处理操作,进而通过形态学腐蚀运算快速准确获取肝脏自动分割需要的种子轮廓.实验结果表明,该自动种子轮廓获取方法可以快速、准确地定位出肝内种子轮廓,保证种子轮廓不会因操作人员不同而发生位置变化.     

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。     

可见光与红外灰度融合图像感知对比度客观评价

如何客观有效地评价融合图像质量,是融合技术发展与装备应用面临的一个关键问题.图像对比度是衡量双波段灰度融合质量的一项重要的评价指标.针对目前的图像对比度客观计算模型没有充分反映人眼视觉特性,从而影响模型计算结果与人眼视觉感受的一致性的问题.在各向同性局部对比度计算模型基础上,引入人眼视觉的亮度掩盖特性,提出图像感知对比度客观评价模型.使用模拟灰度图像以及人眼主观评价实验得到的15组不同真实场景融合图像的对比度评价数据来验证客观计算模型.结果表明,相比于4种经典的对比度客观评价模型,建立的图像感知对比度模型评价结果更符合人眼视觉感受,可以有效实现双波段灰度融合图像感知对比度的客观评价.      

用于对比度增强的医学图像可逆信息隐藏算法

用于医学图像对比度增强的可逆数据隐藏不仅能够利用可逆嵌入完成患者信息的存储,还可以实现对比度增强改善图像质量,在一定程度上帮助医生对患者疾病进行正确诊断.提出了一种新的用于医学图像对比度增强的可逆信息隐藏算法.该方法采用超像素分割医学图像,着重强调医学诊断的感兴趣区域的可逆嵌入与对比度增强.同时,将嵌入区域分为多个像素块,根据其统计特性有选择性地逐块修改.每个像素块采用经典的直方图修改方式,以直方图均衡化为优化目标,一次完成多个嵌入点的修改,从而减少在对比度增强过程中的嵌入失真.实验结果表明,与主流方法相比,该方法在兼顾可逆性能的同时,能进一步增强医学图像感兴趣区域的对比度,提高图像的视觉质量.     

一种基于色调/饱和度/亮度彩色空间的灰度变换算法

考虑到灰度变换技术直接应用于RGB彩色图像增强容易引起彩色失真的缺陷,提出了一种自适应灰度变换算法,将原始RGB图像和RGB三分量灰度变换后的图像转换到色调／饱和度／亮度彩色空间,重组两者的色调分量和亮度分量,再对原始图像的饱和度分量进行补偿处理,从而保持了原始图像的色彩．本算法充分继承了灰度变换算法的优点,扩展了原始图像的有效灰度范围,提高了整体对比度,增强了细节．此外,算法的计算量极小,不需要设定任何参数,可用于自适应实时彩色图像处理．     

一种改进的基于频域的红外图像细节增强方法

在传统红外图像增强算法的基础上,给出了一种红外图像细节增强方法,以加强红外图像的细节特征,提高图像的识别精度.首先,对原始红外图像进行傅立叶变换,然后通过频域高斯滤波及反傅立叶变换得到低频图像和高频图像;其次,对低频图像采用对比度受限的自适应直方图均衡处理得到低频增强图像,对高频图像进行非锐化掩蔽及灰度变换得到高频增强图像;最后,将低频增强图像与高频增强图像进行加权融合,实现对红外图像的细节增强.     

一种基于皮层变换的图像融合方法

提出一种基于皮层变换的图像融合方法. 该方法模拟生物视觉皮层中简单细胞的响应特性,将单幅图像映射成一系列分辨力及方向各异的子图像,子图像中每个像素代表了视觉皮层中某个神经元的响应. 通过简单的展开运算和加法操作就可实现逆变换. 仿真实验表明,较之于基于最大绝对系数和最大方向对比度的小波变换融合方法而言,该方法在交叉熵和对比度意义上性能更佳. 对于某些源图像而言,其主观效果亦更好.     

形象、教师形象与教师形象学

提出了教师形象及教师形象学的基本概念,论述了建立都教师学的基本框架以及教师形象学的学科性质。     

基于被动太赫兹波图像的图像分割技术

研究被动太赫兹波图像的图像分割算法. 针对被动太赫兹波图像水平和竖直方向平滑程度不同的特点,提出了一种改进的高斯-拉普拉斯算子,不同于传统高斯-拉普拉斯算子各向同性的特点,改进的算子在水平和垂直方向上对边缘具有不同的检测尺度. 实验表明,利用该算子可以将被动太赫兹波图像中的人和隐匿物品自动分割,能够准确、快速地对可疑的隐匿物品进行定位,使被动太赫兹波成像技术满足实际应用的需求.      

一种基于图像集的复杂场景分类方法

保持局部图嵌入的流形鉴别分析方法将图像集所属子空间看作流形上的点,并使流形变换前后局部结构关系不变.然而在构造局部区域相似图矩阵时,用于描述节点局部区域范围的近邻节点个数会极大地影响算法的准确率,并会出现变换后流形的可分辨性相比变换前提升很小甚至更低的情况.针对该问题,提出了一种低秩描述下的Grassmannian流形鉴别分析方法.通过对图像集的低秩描述,流形变换中局部嵌入时仅保持同类别节点的最近邻局部结构以及所有节点间的相异类别信息,从而避免了对近邻节点个数的选择,并增强了变换后流形的可分辨性.由15类复杂自然场景和Caltech101图像数据集的实验结果表明,该方法是可行的,并且极大地提高了图像集分类的准确率.     

基于图像信息熵的四叉树检索算法

在基于内容的图像检索系统中,图像的抽象描述和特征提取是要解文提出了一种基于图像信息熵的四叉树索引结构及检索算法,可以利用较低维数的特征实现高速有效的图像检索.该方法适用于查准率要求不高情况下的相关图像检索或大型图像库的预检索.     

基于图像形态学对光弹性图像的预处理

在讨论和分析图像形态学原理和几种基本运算的效果基础上,提出了将图像形态学技术应用到光弹应力分析中。利用VisualC 实现了必需的形态学算法,对采集到的光弹性图像进行去噪、骨架化等形态学预处理,较好地反映原光弹条纹图特征,得到了优质的条纹骨骼线,对干涉条纹的中心有较好的识别效果。确保光弹分析后续工作的进行。     

一种静止图像质量评价指标

介绍一种新的静止图像质量评价算法，其数学模型的建立依据为：图像总的失真主要由相关损失、对比度失真和亮度损失3方面造成。该方法性能高于常用的均方误差和峰值信噪比图像质量评价方法，且简单有效。用此法对静止图像压缩中解压图像的质量进行评价，其结果与人眼的感知评价保持较好的一致。     

一种基于图像块分割的多聚焦图像融合方法

针对多聚焦图像，提出了一种基于图像块分割的图像融合方法，采用块区域局部对比度将多聚焦图像分割成三部分：聚焦清晰区域、聚焦模糊区域以及两者之间的边界区域，对于清晰区域和模糊区域，直接选取清晰块区域作为融合后相应块区域；对于边界区域，建立了基于对比度的像素选取方法进行融合处理，实验对比结果表明，该方法明显优于拉普拉斯金字塔融合算法和离散小波变换融合算法。     

图像处理技术中的图象硬拷贝输出

本文探讨了计算机图象处理过程中图象的打印机硬拷贝输出方法,通过C语言编制的软件,实现了实时输入图象在点阵式打印机上以3比特灰度级、多种不同尺寸、正反两个方向输出,获得了较好的打印效果。     

面向基于内容图像检索的图像感知Hash

提出一种建立在HSV空间颜色分类和形态特征基础上的图像Hash方法,用于图像检索.将图像尺寸规格化,并根据HSV空间中各分量的取值范围,将像素归为11类,在各类颜色成分中提取亮度、大小、形态等特征,加权得到Hash值以构成图像库的索引表,从而实现基于内容的图像检索(content-based image retrieval,CBIR).与其他方法相比,用该方法提取的图像特征除颜色外还包含形态特征,能较好地体现图像内容.实验结果表明,该方法具有良好的性能.     

基于图像拼接的可信图像修补方法

为了尽可能地恢复被损坏图像的原始场景,获得最真实的复原效果,针对大区域破损图像的修复,提出了一个基于移位参考图像的可信图像修补与基于图像本身的自修复算法相结合的图像修复方法。首先,受启于图像拼接技术,若存在可以利用的参考图像,便利用SIFT(scale invariant feature transform)算法和RANSAC(random sample consensus)算法将参考图像与目标图像进行配准并投影拼接至目标图像,完成目标图像的可信修补。然后对仍未修复的破损区域进行图像自修复,其中自修复部分采用Criminisi算法。所得到的图像修复结果真实性与可信度较高,与实际景象偏差较小,说明该方法合理可行。