一种改进的处理雾天降质图像的增强算法

子块部分重叠的局部直方图均衡算法(POSHE)用于雾天图像增强时,因为输出的图像亮度不可调整,致使有的图像处理后整体偏暗,部分细节不够清晰,为此,该文以POSHE为基础,利用抛物线直方图均衡化方法,实现雾天图像增强.实验表明该方法在对雾天降质图像处理时,可以达到局部细节清晰化和全局对比度增强的效果,并且亮度可方便调整.     

有雾天气图像的清晰化方法

为了改善雾天图像的退化现象,本文提出了一种有雾天气图像的清晰化方法。该方法根据正态分布将图像分为非天空区域与天空区域,然后以全局直方图均衡算法(HE)和子块部分重叠的局部直方图均衡算法(POSHE)为基础对雾天图像进行均衡化处理,均衡后的图像能够保持图像细节,同时也能够避免图像的过增强。实验结果表明:该算法能够有效改善图像的退化现象,提高图像的对比度和分辨率,增强后的图像更加自然。     

一种改进的雾天降质图像的清晰化算法

为了提高有雾天气下户外监控系统的能见度,提出一种改进的雾天降质图像清晰化算法.该算法从图像增强的角度入手,利用移动模板对各局部区域进行部分块重叠直方图均衡化以实现清晰化处理,克服了原算法运行时间过长的缺陷.实验表明,改进算法能够有效提高雾天降质图像的对比度,获得满意的视觉效果.     

基于CLAHE的DSP实时去雾系统

为了解决户外监控系统在雾天视频清晰度较低的问题,设计了一种以DSP TMS320DM642为硬件核心,以限定对比度自适应直方图均衡化（CLAHE）为去雾算法的视频实时去雾系统.算法首先将原始图像分割成若干个大小相同的子区域,然后选取特定值截取每个子区域的直方图,并将截取下的像素均匀分配到每个灰度级,最终得到限定对比度直方图.实验结果表明,该系统能够有效提高雾天视频清晰度.     

基于双线性插值动态直方图均衡化的雾天图像增强算法

为解决雾天图像降质问题,提出一种基于双线性插值动态直方图均衡化(BIDHE)的雾天图像增强算法.将原始图像分割为若干大小相同的子图像,利用局部最小值分割子图像直方图,计算子直方图输出灰度映射范围,然后对子直方图进行直方图均衡化,对图像进行双线性插值.选取真实雾天降质图像为处理对象,利用边缘检测及均方误差(MSE)、信噪比(SNR)和峰值信噪比(PSNR)3项评价指标对不同算法进行比较.结果表明,该算法有效增强了雾天降质图像对比度,并且清晰地恢复了图像细节.     

基于酉变换的改进GSO波束形成器

针对传统Gram-Schmidt正交化(GSO)波束形成器对干扰的抑制性能比较差的缺点,提出一种基于酉变换的改进GSO算法.该算法对训练数据进行酉变换,估计变换后数据的协方差矩阵并取其实部,待该实矩阵减去噪声分量后采用GSO算法重构变换后的干扰子空间,将经过同样变换后的静态波束加权矢量向该干扰子空间做正交投影得到自适应加权矢量.计算机仿真结果证明,在干噪比(INR)较高时该算法与基于特征值分解的子空间投影算法的性能相近.     

自适应阈值局部特征融合的人脸识别

针对局部二值模式(local binary pattern,LBP)提取图像纹理特征时阈值不能自适应以及缺少方向信息的问题,文章提出了一种自适应阈值局部特征融合的人脸识别算法。首先对原始人脸图像进行分块处理,提取每个子块自适应阈值均匀模式的局部二值模式(uniform local binary pattern,ULBP)特征和局部梯度编码(local gradient coding,LGC)特征;然后,将2种局部特征串联在一起融合为1种特征,得到每个子块的直方图特征,把每个子块图像的信息熵作为直方图加权系数,将所有子块图像的直方图乘以各自的加权系数,连接得到整幅人脸图像的直方图特征;最后用支持向量机(support vector machine,SVM)分类器进行识别分类。在ORL、Yale、FERET(be、bj、bf子库)人脸数据库上进行试验,该人脸识别算法分别得到了99.0%、98.7%、87.5%、93.0%、88.5%的识别率,正确识别率较高,算法对其他纹理分类、目标识别也具有一定的参考价值。     

基于自适应直方图规定化函数引导的动态分层图像增强算法

现有直方图规定化技术存在两方面不足：无法自适应构造一个能突出原图特征的直方图规定化函数,常需要人为指定,使增强效果难以控制;增强对象缺乏目的性,难以满足感兴趣灰度区域的特殊要求。针对该问题,本文提出基于自适应直方图规定化函数引导的动态分层图像增强算法。首先通过分析图像直方图灰度分布来分割灰度分布子图,并根据用户感兴趣灰度确定各子层灰度映射范围;然后利用各子层直方图自适应地构造能突出子层图像直方图特征的目的直方图规定化函数,并构建映射函数,将子层灰度映射到指定范围;最后综合各增强结果得到最后增强图像。实验结果表明,本算法能自适应构造突出原直方图特征的规定化目的直方图,又对用户感兴趣灰度有目的地进行控制增强,使所增强图像具有更加合理的视觉效果。     

采用自适应加权扩展LBP的单样本人脸识别

提出了一种采用自适应加权扩展LBP(AWELBP,adaptively weighted extended local binarypattern)的单样本人脸描述方法,首先对单样本的人脸图像进行多尺度分块,对子块的图像进行扩展均匀LBP算子运算,同时同步生成图像局部熵图谱(LEM,local entropy map),计算每一子块对整体人脸图像纹理描述的贡献度图谱,根据贡献度图谱对每个子块的LBP直方图进行自适应加权,最后将各子块的LBP直方图进行连接形成人脸特征。本算法在ORL、Yale、Yale B人脸库上对部分遮挡、表情变化、光照变化等环境进行测试,并与传统算法以及与多种LBP改进算法进行比较,结果表明该算法对部分遮挡、表情变化和光照等环境下单样本人脸描述具有较好的效果。     

一种改进的直方图均衡化图像去雾算法

针对直方图均衡图像去雾方法存在噪声被放大和图像失真较严重的问题,提出了一种基于直方图均衡化的自适应图像去雾算法.该算法首先将图像变换到HIS颜色空间,将图像分为k×k个子图像,然后对每个子图像在确保色调H分量不变的基础上,对饱和度S分量和亮度分量I分别做自适应直方图均衡处理.处理后的图像不但从视觉上看出对比度有了很大的改善,边缘细节保持较好,而且几种图像质量评估方法的计算结果也表明,改进后的算法比用直方图均衡化去雾后的图像质量从对比度、均方误差、信息熵、峰值信噪比以及协方差都有明显的提高.实验用了250组图像,得出的结果是PSNR提高18%以上,均方误差降低15%以上.