基于主动分析的基因芯片图像网格定位

基因芯片图像处理对解读成千上万个基因点的杂交信息,建立可信疾病预测具有重要的意义,其分析的可靠性和准确性将直接影响到芯片的推广与使用.而基因芯片制备过程复杂,图像种类多样,单一的网格定位方法无法满足各种类型基因芯片图像处理的需求.在分析现有网格定位方法的基础上,基于"仿人"思想,将认知科学的主动分析引入到图像处理中,提出通过自主感知来明确基因芯片图像处理过程中不确定性因素的存在及其程度,并采取相应方法来降低或消除不确定因素的影响.最后通过6个数据集上的384幅网格图像实验,证明所提出的自动对比度增强和自适应网格定位调整方法无需参数输入和人工干预,能较大程度提高网格定位准确率.     

基于视觉感知与梯度域的遥感图像对比度增强变分模型

基于视觉感知增强变分模型与梯度域增强变分模型,提出了一种新的遥感图像对比度增强变分模型.首先,定义梯度增强项为一个高斯增强函数,该函数利用高斯滤波器对图像进行预处理,以克服梯度对噪声敏感的不足,并根据图像中各点梯度信息自适应地选择保持或者放大原图像的梯度信息.然后,将梯度增强项引入到视觉感知增强模型中,以提高图像对比度并保持更多细节信息.最后,利用梯度下降流法最小化模型的能量泛函并采用数值化方法获取最优解.从全局和局部对比度增强两个方面验证了所提模型的有效性.实验结果表明,相对于现有其他增强变分模型,局部对比度增强模型能够取得更好的主观视觉效果和客观性能评价指标.     

一种非均匀照明彩色图像自适应校正方法

为解决非均匀照明条件下彩色图像亮度不均、细节丢失、对比度低等问题,提出一种非均匀照明彩色图像自适应校正方法研究非均匀照明图像的自适应增强.首先,提出一种双伽马校正直方图均衡(bilateral Gamma adjustment histogram equalization,BIGAHE)算法处理HSV颜色空间的V通道,来调整图像全局对比度和亮度,同时使用构建的自适应拉伸函数对S通道进行非线性拉伸以提高图像整体饱和度,然后利用对比度受限的自适应直方图均衡算法(contrast limited adaptive histo-gram equalization,CLAHE)对L?a?b?颜色空间中L?通道进行局部对比度增强,得到最终增强图像.实验结果表明,与现有流行的图像增强方法相比,该算法的平均梯度(mean gradient,MG)、熵(entropy)指标为所有对比算法中最优,对比度改善指数(contrast improvement index,CII)在所有方法中排名第二.可见该算法能够有效提高非均匀照明图像亮度和对比度,提供更多的细节增强,同时避免过度增强,保持图像的自然性,获得更好的增强效果.     

基于CLAHE的X射线行李图像增强

提出了一种基于对比度受限自适应直方图均衡化(CLAHE)的X射线行李图像增强算法.首先使用一种背景区域快速填充方法降低背景噪声的干扰,然后采用CLAHE技术增强图像的对比度,最后采用一套组合锐化方案增强图像的细节.实验结果表明,使用所提方法能够快速有效地增强X射线行李图像的对比度,突出行李物品的细节.     

散乱数据云的自适应网格划分

提出了一种基于图像边缘检测的自适应网格划分算法，用此方法可以根据测量曲面的几何特征控制型值点的疏密分布，并在保证模型精度的同时，减少了模型数据量，该算法分图形-图像灰度映射，细化点检测，网格自适应细化三个部分，图形-图像灰度映射将三维数据云映射为灰度图像，通过图像处理检测细化点，定位细化点的位置，由此实现网格自适应细化，在柴油机引擎的测量数据云上的应用表明，该方法可以显著地降低模型数据量，提高建模效率。     

采用像素配对的自适应对比增强灰度化法

对比了像素间高斯随机配对、伪随机数距离配对及不同固定距离配对对灰度化效果的影响,对Grundland脱色法进行改进,同时自适应地得到更适合给定彩色图像的对比度增强系数增强灰度图像.实验表明:不同的像素配对方法适合不同主题特色的彩色图像,在改进的脱色法中采用自适应对比度增强系数,可使更多的图像种类获得更加突出的灰度化效果.     

基于曲波变换的视网膜血管图像增强算法

视网膜血管图像存在像素对比度低等特点,干扰正常的视网膜图像分割.针对视网膜血管的图像特性,提出了一种改进的基于曲波变换的视网膜血管图像增强算法.首先选取视网膜图像的绿色通道分量进行预处理,然后通过对变换系数的自适应增强完成图像的增强处理,并结合改进的形态学变换,实现图像细节的增强和背景噪声的抑制,使得图像对比度得到增强,细节信息更加明显.通过与其他增强算法的比较表明,该算法在增强对比度、降低噪声干扰等方面优于其他算法.     

基于直方图均衡的导弹目标图像增强方法对比研究

针对雾霾、夜色等不利天气条件下,电视制导导弹获取的目标图像存在噪声大、对比度低、颜色失真、重要特征不明显等问题,采用直方图均衡化方法对导弹目标图像进行增强处理,分别使用常规直方图均衡化算法、局部直方图均衡化算法和对比度受限自适应直方图均衡化算法完成了导弹目标的图像增强。仿真结果显示,对比度受限自适应直方图均衡化算法在处理灰度图像方面效果良好,不仅能够增强图像对比度,同时保护图像中的一些细节,还能快速地完成对图像的处理,适用于导弹目标图像增强工作。     

基于小波变换的低光照对比度或强噪声背景下图像增强与目标提取方法

提出了一种基于小波变换的低光照对比度或强噪声背景下图像增强与目标提取方法.低光照对比度情况下成像获得的图像进行处理分析、目标定位识别与跟踪都有一定困难,必须对其进行增强处理.根据图像的纹理统计特性,设计了专用于保护纹理特征的巴特沃思滤波器,对低光照对比度图像或强噪声背景下图像进行增强,可有效地克服低光照对比度图像或强噪声背景条件下进行处理分析、目标定位识别与跟踪造成的影响.实验结果表明:应用小波变换的多尺度分析方法和专门设计的巴特沃思滤波器,可较好地消除低光照对比度或强噪声背景下图像的干扰.     

一种改进的局部对比度图像增强算法

基于加权自适应直方图均衡法,本文提出了一种局部对比度增强算法.它既考虑了图像细节的增强,也考虑了噪声的抑制.针对图像中不同区域存在对比度差异的情况,通过参数设置使高对比度的区域细节增强较少,而低对比度的区域则加大增强细节的力度,从而改善图像视觉效果.由于在图像的增强处理过程中,忽略了对应于原图像中梯度小于某一域值ε的像素的计算,从而减少了图像增强需要的计算量.实验表明算法是有效的.