基于自适应邻域灰度直方图均衡的超声内窥镜图像增强

对超声内窥镜增强的方法进行了研究，利用邻域膨胀技术实现了自适应邻域直方图均衡，一定程度内避免了局部直方图均衡时对滑动窗口内所有象素点都进行统计的盲目性。尤其对局部窗口内的噪声点和局部窗口切割造成的不完整细节的象素点避免了统计，减少了增强后图像中的噪声，并将处理结果与全局直方图均衡、局域直方图均衡的结果进行比较分析。自适应邻域直方图均衡对细节的增强较好且对细节的保护也较好。     

一种改进的红外图像增强算法

根据红外图像的特性,在对常用的线性灰度变换法、直方图均衡化法和边缘检测法等图像增强算法进行详细分析的基础上,提出了一种采用平台直方图均衡化和增强高通滤波加权平均的红外图像增强算法,并给出了该算法的FPGA电路实现和时序仿真效果。提出的图像增强算法能适应红外探测器的各个工作阶段,易于FPGA实现且具有较好的图像增强效果。     

一种改进的直方图均衡算法

针对传统全局直方图均衡算法的不足,介绍一种简单、有效的图像增强算法。该方法通过对灰度变换进行修正,使映射后相邻两灰度间距加大,从而避免了不同灰度的像素均衡后被合并、图像过亮等现象。实验证明,改进方法可以减少图像信息的丢失,明显改善直方图处理偏暗图像的视觉效果。     

基于直方图均衡的图像增强

讨论了直方图均衡构图像增强原理及对原理进行了证明，介绍了处理数字图像增强的具体过程和算法。以一个对比度较小构图像为实例得到其直方图，按照该算法对图像灰度曲直方图进行均衡使其近似均匀分布，处理后图像的对比度得到明显改善。     

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.     

基于灰度变换的图像增强方法研究

鉴于灰度变换在图像处理过程中的广泛应用,本文主要从灰度级校正、灰度线性变换、灰度均衡化三个方面探讨一下图像增强的方法.井借助matlab 7.0作为实验平台,通过实验结果直观展示灰度变换在图像增强中的强大功能.     

3种不同灰度图像增强算法比对

在简要阐述直方图均衡化、平滑、锐化3种图像增强算法的基础上,分别用这3种算法处理灰度图像,比对它们对图像的处理效果,分析3种方法在图像增强处理能力的优劣之处。结果发现,直方图均衡化可以均衡图像的灰度等级,提高图像的对比度,但是图像的细节损失;图像平滑可以减少或消除图像的噪声,使图像突兀的地方变得不明显,但是会使图像模糊;图像锐化使图像的边缘、轮廓变得清晰,但是图像的信噪比有所下降。     

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     

变换的直方图均衡算法在图像增强中的应用

常规直方图均衡化增强后的图像在高灰度区有过亮的感觉．为此，本文对常规的直方图均衡化算法进行了改进，采用变换的直方图均衡化算法抑制这一缺陷．实验结果表明，变换的直方图均衡化算法较常规算法具有更好的效果．     

基于直方图统计学的图像增强算法研究

针对图像的灰度特征可以通过统计矩进行定量描述的特点,提出了一种基于直方图统计学图像增强算法。该算法根据图像的全局灰度均值、方差及不同像素点子块灰度均值、方差,对符合增强条件的各像素进行增强,而对亮区不需增强的像素进行保留。因此,图像暗区的细节得以增强。实验结果表明,该算法增强了图像中所希望得到的细节。     

基于直方图均衡化的彩色图像增强研究

为了快速便捷地处理彩色图像,更好地增强图像,从直方图及其均衡化、彩色图像的基本理论出发,提出了直方图均衡化的理论用于彩色图像增强的算法.通过MATLAB仿真实验,验证了算法的可行性.     

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。     

基于多尺度Retinex理论的彩色图像增强算法

提出一种基于Retinex理论的图像增强算法,Retinex理论的实质就是从图像I中获得物体的反射性质R,即抛开入射光的性质获得物体的本来面貌,对多尺度的Retinex理论算法进行改进,即将直方图均衡化算法用于多尺度的Retinex算法中.通过该方法得到的图像具有色彩逼真、动态范围大等特点.实验表明该算法确实对彩色图像起到增强的效果.     

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。     

非对称广义高斯亮度迁移与局部信息融合的土壤图像增强

【目的】为减小土壤图像成像环境条件差异对机器视觉识别土种精度的影响,提出对野外自然环境下采集的土壤图像可控光照增强。【方法】首先,用非对称广义高斯曲线拟合土壤图像V分量直方图,并在拟合曲线中引入目标迁移量,完成图像亮度迁移,实现土壤图像全局亮度可控增强;然后,利用全局和局部信息估计图像在局部区域上的光照权重,引入目标亮度,根据权重确定局部增量,并将局部增量叠加到原始V分量,实现基于局部增量的土壤图像亮度增强;再利用sigmoid曲线,将非对称广义高斯曲线亮度迁移获得全局亮度增强结果与基于局部增量的亮度增强结果融合,获得土壤图像的亮度可控增强。最后,根据色比不变性原理,分别对原始土壤图像R、G、B分量进行颜色校正。【结果】仿真实验表明:土壤图像从低亮度向高亮度迁移时,增强图像与目标图像在V分量上各对应像素的亮度差异均值为10.5267,与目标图像亮度均值差异为0.2451;从高亮度向低亮度迁移时,各对应像素的亮度差异均值为10.7430,与目标图像亮度均值差异为0.2721;本文所提算法在亮度控制上较其他算法具有更高的精度;主观质量评价表明,以原图亮度为基准,[-30,30]为土壤图像有...