基于自适应阈值的红外图像增强

针对红外图像"高背景、低反差"的特点,在传统的分段线性变换的基础上,提出了一种自适应的算法。通过对原始图像的直方图统计得到该图像的背景阈值,再通过对原始图像上目标区域的灰度估算得到该图像的目标阈值,由此将图像分解成背景、目标和不感兴趣的区域三部分,然后通过分段线形变换将背景和不感兴趣的区域进行灰度压缩,同时将目标区域进行灰度拉伸,从而达到有效的抑制背景、增强目标的目的。通过实验结果比较,该算法无论在阈值的自适应方面或者是图像增强的效果,都优于传统的直方图均衡和双直方图均衡算法。     

基于灰度冗余的红外图像直方图处理技术

该文提出一种改进的消除灰度冗余的红外图像直方图均衡算法.通过统计红外图像灰度的分布规律,将像素灰度分布为零的灰度级进行完全压缩,设定适当的阈值,将小于阈值的无效灰度级映射到阈值灰度级,对有效图像灰度级进行无损均衡.该算法在压缩灰度冗余的同时,进行直方图均衡,克服了传统直方图方法在图像增强时造成的灰度断层和丢失,提高了图像质量.     

一种自动分段的灰度线性拉升算法

灰度分段线性拉升是图像增强技术中使用较多的一种算法,其关键是分段点的选择.常见的自动选择方法是以原始图像中的最小、最大灰度值为分段点,它对于灰度范围分布很广的图像增强效果有限,适用范围窄.本文通过对原始图像直方图的分析,借助于其累积直方图反映的灰度分布特点,提出了一种在图像累积直方图上设置上限阈值和下限阈值来自动确定分...     

采用二次灰度直方图的砂轮磨粒图像阈值分割

为了解决金刚石砂轮表面磨粒灰度直方图阈值分割方法对区域划分存在误分割的缺陷,提出一种基于二次灰度直方图连通区域标记磨粒图像分割方法.首先,将原始金刚石磨粒图像转换为灰度图像,并对其滤波处理消除噪声.其次,设定阈值完成第一次直方图阈值分割,消除较小结构暗细节.然后,标记各个连通区域,填上不同的颜色.最后,设定阈值完成第二次直方图阈值分割,获取感兴趣目标磨粒区域.结果表明:文中方法可将感兴趣目标磨粒与背景分离,得到较好的分割效果和较高的分割效率.     

基于灰度等间距密度均衡的红外图像增强算法

针对红外图像具有高背景,低反差的特点,提出了一种基于灰度级等间距密度均衡的红外图象自适应增强方法。该方法以图像灰度相关理论为基础,采用窗口递推的方式,自适应地选择直方图窗口,获得高低阈值,再通过灰度线性变换及灰度级等间距密度均衡,增大图像灰度动态范围,获得细节丰富灰度连续的图像。理论分析和实验结果均表明,该算法克服了平台直方图均衡引起的灰度断层现象,有效地增强了红外图像的对比度,提高了图像质量。     

一种自适应红外图像增强算法

针对红外图像普遍存在的目标与背景对比度差的特点,提出一种自适应红外图像增强算法.该算法首先采用峰值与局部最大值估算法相结合的方法自适应地计算出两个阈值,由此将图像分为背景段、目标段和过渡段三部分;然后对不同的灰度段采用不同的变换系数分段进行灰度拉伸和压缩变换,实现图像的自适应增强;最后对得到的图像进行灰度间距的均衡化处理,把灰度等级在整个显示范围内等间距排列.实验结果表明,该算法能够实现自适应阈值选择,获得灰度更加连续的红外图像,有效地增加了图像的细节和清晰度.     

图像阈值分割的逼近算法

对小目标图像来说,由于目标在图像中所占的面积比较小,目标的灰度信息对整幅图像的贡献很小,因此,利用整幅图像的灰度直方图得到的阈值难以将目标和背景分开。为了获得正确的分割阈值,必须提高目标灰度信息在待分割直方图中所占的比例。最简单的方法是将图像划分为均等的子块,先对各子图像用阈值法进行分割,再将分割后的小区域合并在一起,得到整幅图像的完整的分割结果。这种方法存在如下缺点:     

UUV海面红外侦察图像自适应归并直方图拉伸增强算法

针对水下无人航行器(underwater unmanned vehicle,UUV)海面红外侦查图像灰度级密集、图像模糊、受海浪干扰强烈的特点,提出了一种自适应归并直方图拉伸增强算法。首先,根据灰度直方图得到灰度级值直方图;然后根据最大类间方差法或大津法算法结合灰度级值直方图实现直方图归并阈值的自适应选取,进而得到图像的归并直方图;最后,实现归并直方图的拉伸增强。该算法有效增强了图像的轮廓边缘,突出了目标特征,使海面波浪具有更清晰的纹理,对灰度范围较窄的模糊图像具有较好的处理效果。     

基于粒子群优化的红外图像增强方法

为解决低照度条件下红外图像边缘模糊、对比度差等问题,提出了一种红外图像增强算法。用粒子群优化算法(particle swarm optimization,PSO)结合伽马校正方法,将灰度标准方差融入评价函数,熵、边缘内容、灰度标准方差被用作每个粒子的目标函数,来评估所获得的红外图像增强结果,通过寻找最优伽马值对图像进行全局增强,实现了对红外图像的细节增强。实验结果表明,与传统直方图均衡(histogram equalization,HE)算法、自适应直方图均衡(adaptive histogram equalization,AHE)算法、限制对比度的自适应直方图均衡算法(contrast limited adaptive histogram equalization,CLAHE)相比,该算法的峰值信噪比(peak signal-to-noise ratio,PSNR)、均方误差(mean-square error,MSE)、结构相似性(structural similarity index,SSIM)指标为所有对比算法中最优,PSNR、SSIM分别提升了约56. 97%和18. 01%,SSIM优化了约18. 01%。通过该改进算法来处理红外图像,可以显著提高图像对比度,使图像细节更丰富,视觉效果得到很大改善。     

一种适合于昏暗光线下的驾驶员脸部定位方法

采用CCD摄像机获得驾驶员脸部图像.由于黑天光线不足,肤色较暗,在将彩色图像转变为黑白图像的过程中,首先通过腐蚀和膨胀结合的方法去除图像部分的噪声.采用图像差异的阈值处理方法,初步选定灰度阈值,再利用二次非线性方程对灰度值进行归一化处理,强化了图像灰度集中各灰度值之间的差异,以此灰度阈值作为分割人脸和背景的界限值,得到图像的灰度直方图,再把灰度直方图向水平和垂直方向投影,获得驾驶员脸部区域,实现对驾驶员面部定位.该方法可以在昏暗光线下,定位人脸区域,有效去除干扰.根据上述算法,进行了不同环境和路况下的监控试验.结果表明:在昏暗光线下。驾驶员脸部定位的平均准确率达到83%,该方法具有实时、准确的...     

一种运动背景下目标快速定位方法

针对运动背景下目标检测算法计算量大,难以实现实时跟踪的问题,提出了一种目标快速定位方法.该方法采用图像配准补偿背景运动量,由多帧图像差分消除背景图像获得目标图像,通过自适应阈值对目标图像二值化,用形态学处理消除噪声斑点,最后通过连通区域像素个数统计判决,进一步去除伪目标,最终定位目标区域.试验结果表明该方法能在2-6 ms内准确定位平移运动背景下的目标.     

基于证据推理的高铁综合客运 枢纽客流图像背景建模

针对高铁综合客运枢纽客流图像特征,提出基于证据推理的客流图像背景建模方法. 利用均值背景模型和灰度分区处理提高背景模型的处理速度,通过引入证据推理构建合适的mass函数,提高背景灰度值的取值范围的置信度,从而提高背景图像的精确性. 结果表明,该方法原理正确,在高铁综合客运枢纽客流安全预警实际应用中,能够快速准确地生成客流背景图像,保证了客流信息提取的速度和精度.     

基于图像分割的SAR图像匹配方法

针对单一背景的海岛合成孔径雷达（SAR）图像，提出一种基于图像分割的图像匹配方法．该方法采用静态小波对原实时图分解滤波，抑制噪声；利用最大类间方差阈值法分割图像，分割出特定目标；选择结构元素进行形态腐蚀和膨胀，去掉细小背景杂波干扰；对二值化的图像进行面积统计，搜索出面积最大的目标．在原实时图中，以最大面积目标的外切矩形裁剪图像作为新的实时图．实践证明，利用裁剪的新实时图进行匹配，可以有效去除背景对匹配的不利影响，弥补了传统方法匹配精度低、实时性差的缺点．     

一种新的汽车牌照识别的图像增强算法

汽车牌照区域分割是牌照识别的关键步骤，增强图像中的牌照区域，抑制背景区域，可以有效降低牌照区域分割的难度。将图像分解为一组二值图像的组合，然后在二值图像上计算各连通分量及其特征参数，利用牌照区域和背景区域对应的连通分量的特征差别，可以有效抑制背景而保留牌照。处理后的二值图像可重构出牌照区域被增强的图像。还采用等高线标记代替连通分量标记，以减少计算量，使得算法具有实用性。试验表明，这种算法有效地突出了牌照区域而抑制了背景，提高了牌照定位分割的效果，可以很好地用于实际的汽车牌照识别系统中。     

基于优化 ROI 的医学图像分割与压缩方法研究

为了满足无线医疗应用对于图像传输的需求,提出一种有效的医学图像分割方法.该方法使用多点区域生长法分割图像各区域,从图像边界开始遍历搜索多个种子点,结合梯度变化值、全局阈值和局部阈值来提取感兴趣区域(region of interest,ROI)并滤除背景区域.区域预处理阶段,进一步对区域掩模平滑去噪,并给出手动分割的方法.根据预定义的优先级顺序,分别对ROI和非感兴趣区域(region of not interest,RONI)进行JPEG2000近无损压缩和有损压缩,并依次进行传输.重构后图像ROI区域峰值信噪比(peak signal to noise ratio,PSNR)能够达到45 dB,图像整体压缩率约在2.8-6.5.算法优化了区域轮廓的检测,增强了对图像噪声的抑制,较好地满足了医学图像的高压缩率和图像质量之间的矛盾,能够很好地应用于无线医疗领域.     

自适应随机游走图像分割算法

传统的随机游走算法图像信息描述单一,目标轮廓易受背景干扰;针对这一问题,提出一种自适应随机游走图像分割算法.算法首先建立了一种基于纹理相似性的权函数表达式,借助Gabor能量滤波器,首次将纹理特征引入到随机游走算法中,来突出图像的结构信息;其次,为了更加准确地计算节点间的连接权值,算法还提出一种自适应权值计算方法,根据图像边缘密度,自适应地计算纹理和灰度特征在权函数中所占的权重.最后应用狄利克雷边界条件,实现图像分割.实验结果表明,所提算法更好地刻画了图像的结构信息;与传统方法相比,具有更好的适用性和分割准确性.     

复杂背景下结合颜色和分形特征的多目标检测

针对复杂自然背景下的多目标检测,提出了结合颜色和分形特征的多目标检测算法.将RGB颜色空间转换到Lab颜色空间,采用改进K-means聚类算法,去除大片背景区域,计算区域分形维数和分形拟合误差.两种分形特征相结合能够准确排除小面积背景奇异区域的干扰,检测出待测图像中的多个目标.仿真结果表明:该算法能够正确检测出复杂自然背景下的多个目标,对彩色图像分割后的保留区域求分形特征,避免了搜索目标带来的计算量.相比于对全图提取分形特征的方法,本算法在时间上缩短约80%.     

染色血液白细胞目标图像快速提取方法的研究

提出了一种变图像分辨率的染色血液白细胞目标图像提取方法.首先对采集到的染色血液细胞图像进行分辨率抽样并将图像从RGB表示变换为HS I表示;然后使用白细胞色饱和度阈值滤波和形态学滤波得到白细胞数目和位置;最后在白细胞位置按原始图像分辨率进行局部图像提取并使用神经网络方法进行图像分割得到目标图像.该方法充分保留了血液细胞图像本身固有的大量有用信息,提高了目标图像分割的完整性并减少了计算量,适用于对时间要求较高的复杂背景下血液图像的自动分析.     

复杂背景下的红外小目标图像信息提取

针对红外小目标跟踪测试系统的目标检测、识别和跟踪,存在着目标面积小、形态特征弱化、背景图像复杂等因素而影响目标信息提取的问题,提出了利用图像处理技术方法,对跟踪系统获取的图像进行改善处理.根据跟踪测试原理和复杂背景目标图像特征,研究了基于低通滤 波法的目标图像的预处理算法,目标图像增强,目标图像与背景分离和Sobel边缘检测算法等图像处理技术,从而对红外小目标图像定位.实验结果表明:所采取的图像处理方法可以对复杂背景下的目标信息提取,结合跟踪系统的控制机制,现实远程目标的动态跟踪.     

自适应背景建模及运动目标的检测

提出一种能在动态摄像机场景下检测前景物的算法(AGMM).本方法采用角点特征对前后两帧图像进行匹配,估算两帧图像的移动向量,并以此校正高斯混合模型(GMM),并在此基础上进行背景的重建以及前景物的分割.以不同场景的视频序列对本算法和GMM算法进行比较.实验结果表明,提出的算法能够适应动态摄像机场景,以牺牲一点复杂度为代价,大大提高检测精度,并且在摄像机移动比较大的位移时仍然可以得到正确的结果.