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...     

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%.     

基于视觉显著性分析的毫米波辐射图像增强

为了提高分辨率较低的毫米波隐匿武器辐射图像的可读性,研究了基于视觉显著性分析的毫米波辐射图像的增强方法。根据视觉显著性分析方法的原理,选取适合于毫米波辐射图像增强的IG模型。对图像进行频域滤波,通过设计截止频率保留目标边界并去除噪声与目标内部的纹理,在Lab颜色特征空间内计算滤波后图像的显著图作为图像增强的结果。与原图相比,增强后的图像在抑制背景的同时可以突出目标区域,并可采用自适应阈值分割的方法提取目标区域及其轮廓。采用该方法对实测毫米波隐匿武器辐射图像进行图像增强实验,证实了其增强效果在主观视觉及客观评价指标上均优于其他常用方法。     

一种基于背景抑制的星空图像增强方法

针对高空观测图像目标尺寸小、信噪比低以及背景和杂波干扰严重的问题,提出了一种基于背景和杂波抑制的星空图像增强方法。建立了星空背景图像增强算法模型,利用不同形状结构元素的形态学滤波方法对原始星空图像进行背景和杂波抑制,将多个支路形态学滤波的结果加权平均,采用双平台直方图均衡化方法进一步对观测目标进行图像增强。在此基础上对星空背景图像增强效果进行计算机仿真验证,并对增强后图像的信噪比和背景抑制因子进行计算。结果表明,采用该方法能够控制星空背景和杂波,改善图像的对比度,使目标细节更为丰富,便于后续目标检测与跟踪。     

一种基于模糊增强的图像边缘提取改进算法

分析了Pal的模糊边缘提取算法的缺陷,即图像增强区域单一、图像增强后造成低灰度信息的损失、没有做抑噪处理,并针对Pal的模糊增强算法的缺陷提出一种改进的基于模糊增强的边缘提取算法,通过定义新的隶属函数和一种新的模糊增强算法,结合图像平滑滤波处理进行图像边缘提取,有效地增强了边缘信息且抑制了噪声的干扰,并给出了该方法在图像边缘提取中的应用实例。     

笔画背景抑制的自然场景文本检测

针对复杂背景中过多的边缘信息与噪声干扰引起笔画宽度检测不准确的问题,提出了一种结合纹理背景抑制的笔画宽度变换文本检测方法.采用Butterworth高通并结合文本纹理特征,实现了在抑制背景的同时有效保留文本区域的信息.通过结合利用加权引导滤波的图像增强技术降低噪声对边缘检测的干扰,使得文本图像的笔画宽度与边缘梯度信息的提取更为准确,从而有效提升了笔画宽度变换文本检测的性能.基于ICDAR数据库的实验结果也验证了该方法的有效性.     

基于自适应阈值的红外图象增强

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。     

联合熵流与边缘算子的红外运动目标检测

针对复杂背景下红外目标检测问题,提出一种联合熵流与边缘算子的红外运动目标检测算法.该算法分4个步骤检测目标:首先将熵流作为一种图像运动描绘子,通过熵流确定含目标运动的区域;其次运用Canny算子检测含背景和目标的边缘;然后联合两者捕获背景成分急剧降低、近似精确的目标边缘图像;最后计算边缘图像聚类中心,依据亮度、熵流约束进行区域生长,识别红外目标.对于海空背景下的红外目标图像,实验结果表明该方法能准确地检测、定位目标.     

背景移动补偿技术的研究

研究利用背景移动补偿方法消除运动图像相邻帧相减造成的背景杂波,从而把复杂背景下运动目标的识别问题转化为简单背景下的目标识别问题。利用背景中特征较为明显的区域进行模板匹配,得到背景的运动数据,依据此数据将相邻帧图像错位相减。将差分图像中的背景杂波去掉,只剩下运动物体的边缘和高梯度区域,有利于目标的识别。背景移动补偿实验结果表明该方法是行之有效的。     

局部特征与全局信息联合的自适应图像增强算法

针对传统基于修正直方图的图像增强算法不能兼顾局部特征和全局信息的问题,提出一种局部特征与全局信息联合的自适应图像增强算法. 该算法将增强分为局部增强和全局增强两部分,局部增强利用像素的邻域信息和局部与全局对比度的比例信息作为幂次变换的伽马值,对图像进行伽马校正,提高图像的亮度和局部对比度;全局增强利用区域相似直方图统计抑制噪声,避免过度增强. 实验结果表明,本文算法在客观性能上优于其它传统图像增强算法,并且可以有效提高复杂光照下人脸图像的检测率.