基于多感知特征计算的沙尘图像增强算法

沙尘天气的日益增多严重影响了获取图像的质量,相对于晴朗天气下获取的图像,沙尘图像存在清晰度和亮度偏低、色调偏黄等低质图像特点,已有的图像增强算法并不能完全解决这些问题.针对上述问题,提出了一种基于多感知特征计算的沙尘图像增强算法.首先,利用伽马校正解决由于固体颗粒导致图像亮度偏低的问题;其次,通过动态阈值法校正沙尘图像色调偏黄的问题;最后,利用所提改进去雾算法提高图像的对比度.实验对比结果表明,所提算法利用多个特征增强不同程度的沙尘图像,保留较多的图像细节,校正图像的色偏问题,大幅度提高了图像的对比度,对沙尘图像增强效果明显.     

基于限峰分离模糊直方图均衡化的图像增强算法简

为了解决当前图像增强算法在增强图像对比度的同时不能很好保留图像亮度的不足,提出了基于限峰分离模糊直方图均衡化的图像增强算法.首先,定义模糊统计方法,完成模糊直方图计算,获得图像的模糊直方图;其次,设计模糊直方图的导数模型,计算直方图的分割阈值;然后,利用阈值将直方图分割为多个子直方图;再通过强度因子控制子直方图均衡化的上、下约束值;最后,在限定范围内对每个子直方图进行均衡化,使其在增强对比度的同时也能够保持图像的亮度.仿真实验表明:与当前图像增强算法相比,所提算法能兼顾平均亮度保持和对比度增强度,更好地保留图像的丰富结构信息和特征.     

基于限峰分离模糊直方图均衡化的图像增强算法

为了解决当前图像增强算法在增强图像对比度的同时不能很好保留图像亮度的不足,提出了基于限峰分离模糊直方图均衡化的图像增强算法.首先,定义模糊统计方法,完成模糊直方图计算,获得图像的模糊直方图;其次,设计模糊直方图的导数模型,计算直方图的分割阈值;然后,利用阈值将直方图分割为多个子直方图;再通过强度因子控制子直方图均衡化的上、下约束值;最后,在限定范围内对每个子直方图进行均衡化,使其在增强对比度的同时也能够保持图像的亮度.仿真实验表明:与当前图像增强算法相比,所提算法能兼顾平均亮度保持和对比度增强度,更好地保留图像的丰富结构信息和特征.     

应用Hopfield神经网络优化最大熵的图像恢复算法

基于图像最大熵分析,提出了一种基于Hopfield神经网络优化的图像恢复算法.将图像恢复问题转化为Hopfield神经网络优化问题,取恢复图像熵函数最大以及原始图像与恢复图像之间的误差平方和最小作为图像恢复的目标,构造能量函数连续型Hopfield神经网络模型,由Hopfield神经网络能量函数极小化可得到问题的优化解,其算法通过仿真实验,验证了算法的优越性.     

基于色调映射和暗通道融合的弱光图像增强

针对阴天或夜晚等弱光条件下拍摄的图像具有亮度低、对比度低和细节模糊等问题,提出了一种基于色调映射和暗通道融合的弱光图像增强方法.首先,根据弱光及其反转图像的特点,提出面向弱光图像的透射率估计方法,进而获得场景深度信息,并将其融入色调映射函数设计;同时利用暗通道图像区分光源区域,以修正色调映射函数参数,使其能够根据场景深度自适应调整图像亮度;另一方面,增强后的暗通道图可有效突出图像的细节信息,将经过色调映射后的V通道图像和暗通道图进行加权融合,得到最后的增强结果.实验结果表明,本文方法不仅显著改善图像亮度、增强对比度、恢复出更多的图像细节,还能有效去除块效应和晕轮伪影,视觉效果理想.     

基于广义交叉检验的自适应约束最小二乘图像恢复

现有的图像恢复方法中有一部分需要正则化系数,而正则化系数估计的准确与否是决定恢复图像质量好坏的关键,为了能够自适应地恢复图像,研究了约束最小二乘算法的图像恢复问题,提出了应用广义交叉检验方法估计约束最小二乘算法中的正则化系数．实验结果证明,用该算法估计的正则化系数恢复图像质量更佳,速度比普通的迭代方法快,而且该最小乘图像恢复方法实现了图像自适应图像恢复．     

最小二乘模型下图像恢复的原—对偶算法的研究

由于正则化方法进行图像恢复过程中,往往需要调正则化参数,不同的图像要想得到较好的恢复效果,正则化参数可能并不相同.这里建立最小二乘模型进行模糊图像恢复,不需要调节正则化参数,简化了恢复过程.文中采用一阶原-对偶方法解带约束的最小二乘问题的图像恢复,并在原-对偶的解法上加以改进,采用整体代换的方法计算.实验证明,采用最小二乘模型的原-对偶的改进算法大大节省了迭代运算的时间,且在恢复无噪声的图像时不管是视觉感受上还是从PSNR峰值来看,恢复效果比原-对偶算法好.     

有雾图像和沙尘图像增强算法

针对有雾图像和沙尘图像存在色差、 清晰度较差的问题, 提出一种有雾图像和沙尘图像增强算法. 首先, 在Lab颜色空间用灰度世界算法解决沙尘图像的色差问题, 将调整色差后的沙尘图像与有雾图像转换到HSV颜色空间, 分别提高图像的饱和度和对比度; 其次, 用Laplace算子检测图像的模糊程度, 对于模糊度较高的图像, 用基于加权最小二乘滤波算法去除图像的模糊特征, 进一步提高图像可见度; 最后, 与现有的去雾算法和沙尘增强算法进行对比实验. 实验结果表明, 该算法可以更好地恢复图像的色彩, 并有效提高图像清晰度.     

基于多尺度二维直方图均衡化的医学图像增强方法

二维直方图均衡化(2DHE)算法可以使图像对比度在一定程度上得到提升,但是容易丢失图像局部细节,尤其是在高比特的医学图像中更易丢失.针对此问题,提出一种全新的医学图像增强算法模型(Lap-2DHE).该算法采用Laplacian金字塔对图像进行细节增强,然后用二维直方图均衡化算法对图像进一步增强.仿真实验结果表明:新方法不仅解决了原有2DHE方法中存在的细节丢失问题,还为包括高比特成像方式在内的医学图像提供了一种普遍可行和有效的处理方法.     

使用局部大气光的单幅图像去雾算法

针对传统算法去雾后图像偏暗的问题,根据去雾后图像对比度和亮度均应该增加的标准提出了一种高亮度和对比度的去雾算法。首先依据大气光与复原图像亮度成反比事实,设置像素红绿蓝(RGB)三个颜色分量均值为局部级粗糙大气光,使用具有较好抑制光晕效应的半全局加权最小二乘算法优化获取局部级大气光;然后根据去雾图像方差与大气透射率成反比事实,使用基于像素最小颜色分量的大气散射函数计算粗糙透射率,然后使用局部均值滤波器优化透射率;最后结合雾天成像模型恢复无雾图像。实验结果表明所提算法去雾图像的梯度、亮度和速度等客观指标均优于传统算法,其中亮度最少增强1.5倍。所提算法能提高去雾图像亮度、丰富图像细节和提高去雾速度,具有较好的工程应用价值。     

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.     

基于量子粒子群算法选择特征的遥感图像分类

针对目前遥感图像分类算法存在精度低、 速度慢等问题, 提出一种基于量子粒子群算法的遥感图像分类算法, 以提高遥感图像的分类效果. 首先分析目前遥感图像分类算法存在的不足及其原因; 然后提取多种类型的遥感图像原始特征, 采用量子粒子群算法对特征进行筛选, 以提取对遥感图像分类结果较重要的特征; 最后采用最小二乘支持向量机(LSSVM)建立遥感图像分类器, 实现遥感图像分类和识别, 并进行遥感图像分类的仿真对比实验. 实验结果表明, 该算法克服了当前遥感图像分类算 法存在的局限性, 大幅度提高了遥感图像的分类精度, 有效减少了图像分类误差, 提高了图像分类效率.     

基于变分混合模型同步实现图像去噪和反差增强

针对反差较低的且包含噪声的医学图像,依据图像直方图特点设计分段拉伸函数,并与基于梯度和拉普拉斯算子的图像去噪变分模型结合,建立新的变分模型,同步实现图像去噪和反差增强。该模型可有效消除图像光滑区域出现的阶梯效应,从而避免在图像增强过程中出现的假边界问题。同时,还为所提出的模型设计了Split—Bregman算法,以提高计算效率。最后通过实验对所提出的模型和算法的有效性进行了验证。     

医疗超声成像自适应波束形成算法

针对传统医疗超声最小方差自适应波束形成算法的稳健性差、图像对比度提高有限、算法复杂度高等缺点,在基于QR分解的最小方差(QRMV)波束形成的基础上,引入了符号相干系数,提出了一种基于QR分解的最小方差与符号相干系数融合的自适应波束形成算法.仿真结果表明:该算法分辨率、对比度都优于传统的延时叠加、最小方差及基于QR分解的最小方差算法,表现出和最小方差与符号相干系数融合(SFMV)算法非常接近的性能,但运算复杂度却远低于它.     

稀疏多元逻辑回归问题优化算法研究

稀疏多元逻辑回归(sparse multinomial logistic regression, SMLR)因为具有在分类的同时嵌入特征选择的作用而被广泛应用于生物信息学、高光谱图像分类、图像中的多类物体识别等领域。SMLR问题最早采用迭代重加权最小二乘法(iterative reweighted least squares, IRLS)的方式进行求解。但IRLS算法在处理高维数据集或者类别数较多的数据集时具有较高的计算复杂度。为了提高SMLR的可用性,提出采用一些高级优化算法如快速迭代收缩阈值法(fast iterative shrinkage threshold method, FISTA)、快速自适应收缩阈值法(fast adaptive shrinkage threshold method, FASTA)、交替方向乘子法(alternating direction multiplier method, ADMM)等来对SMLR问题进行求解。此外,为提高SMLR的适用性,还考虑了SMLR问题的分布式优化求解。对提出的几种SMLR优化求解算法的性能在不同数据集下进行了综合比较。实验结果表明,提出的算法在求解速度和准确率指标上都优于目前最先进的基于IRLS的SMLR优化算法。     

无线传感器网络中传感器节点定位的递归加权最小二乘优化方法

采用最小二乘优化算法,研究了基于接收信号强度测量的信号源定位问题.首先,建立了路径损耗的线性化模型;然后,介绍了加权最小二乘法,并提出了无线传感器网络中传感器节点定位的递归加权最小二乘优化方法.最后将本文提出的迭代加权最小二乘法与基于接收信号强度（RSS）的2种算法进行比较,仿真结果表明提出的算法在定位精度方面有更好的表现.      

基于一维Otsu的多阈值医学图像分割算法

针对传统医学图像分割算法时间复杂度高、 分割精度低等问题, 提出一种基于一维Otsu的自动多阈值分割算法. 考虑到医学图像信息的复杂性, 引入基于梯度、 灰度、 距离的综合信息直方图替代传统的灰度直方图, 并分别赋予这3个信息相应的权值. 采用kd-树作为框架快速自动确定阈值个数, 进而实现Otsu对医学图像的自动多阈值分割. 与最大熵、 基于粒子群优化的Otsu算法等进行对比实验的结果表明, 该算法的分割性能优于其他算法.     

自适应分数阶微分的图像增强及应用

为了改善图像质量,本文提出了自适应分数阶微分的图像增强算法。该算法首先在Grünwald-Letnikov分数阶微分定义的基础上,充分利用相邻像素点的信息,设计了具有旋转不变性的分数阶微分掩模;其次,利用图像梯度,局部的信息熵和对比度构造分数阶微分阶次的函数,利用和声搜索算法选取最优参数,建立了图像增强和分数阶微分阶次的非线性量化关系;最后采用信息熵、平均梯度对增强后的图像定量分析,为验证该算法的有效性,把用该算法增强后的岩屑图像应用在岩屑识别中。实验结果表明,能够实现图像的自适应纹理细节信息增强,增强效果明显;同时岩屑识别率有一定的提升作用。     

一种具有亮度补偿和背景融合的图像增强算法研究

分析了图像增强的类型和评价标准,提出了一种基于亮度补偿和背景融合的图像增强算法,此算法与原始的夜间图像增强算法相比,提高了图像像素的亮度,从而达到图像清晰的目的。此算法也能提高熵和对比度,更好的保证了亮度和信息量的获取。通过评价标准的综合评价及实验结果的验证,文中的算法获得了良好的效果。