基于人眼视觉的红外图像广义直方图增强算法

文章针对传统直方图均衡增强算法存在红外图像细节信息丢失问题,且算法没有考虑人眼视觉特性,提出基于人眼视觉的红外图像广义直方图增强算法;根据像素邻域信息建立广义直方图,进行直方图均衡化处理;在均衡化过程中,利用人眼灰度分辨能力,对拉伸过大的灰度级进行限制,再对被过度压缩的灰度级进行适当拉伸以扩大其动态范围;实验结果表明,该方法有效增强图像局部细节,解决了红外图像视觉模糊的问题,使增强后图像视觉效果更自然。     

基于灰度等间距密度均衡的红外图像增强算法

针对红外图像具有高背景,低反差的特点,提出了一种基于灰度级等间距密度均衡的红外图象自适应增强方法。该方法以图像灰度相关理论为基础,采用窗口递推的方式,自适应地选择直方图窗口,获得高低阈值,再通过灰度线性变换及灰度级等间距密度均衡,增大图像灰度动态范围,获得细节丰富灰度连续的图像。理论分析和实验结果均表明,该算法克服了平台直方图均衡引起的灰度断层现象,有效地增强了红外图像的对比度,提高了图像质量。     

直方图处理在图像空间域增强处理中的应用

图像的灰度级变换增强是图像增强处理技术中一种直接的基于空间域的处理方法。主要研究了将灰度图像的灰度级数用直方图来表示,在MATLAB平台中,通过编程研究了直方图均衡化和直方图规定化算法,使直方图分布均匀,达到图像的增强。     

改进的图像增强直方图统计方法

为了在不增加图像增强算法复杂度, 便于硬件实现的同时得到更加清晰自然的图像, 提出了一种新的直方图统计方法。给出了改进的直方图统计和分布调整算法, 将亮度控制与直方图分区域均衡相结合, 对直方图整体分布进行修正, 以改进亮度饱和问题; 采用固定的直方图分割点分区域均衡直方图, 通过均衡后的直方图映射出增强后的图像。实验结果表明, 该方法在计算量增加较少的情况下图像具有较好的增强效果, 既避免了图像亮度出现过饱和的现象, 又突出了图像细节, 视觉效果明显优于传统方法。     

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。     

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。     

基于硬件实现具有动态范围判断功能的线性拉伸算法

针对红外焦平面阵列(IRFPA)输出图像固有的对比度差、视觉效果不佳的问题进行增强算法研究,考虑到直方图均衡算法易造成细节损失和画质下降,其改进算法也依赖于经验阈值,根据红外图像像素灰度值分布集中的特点,提出了一种可以针对每一帧图像动态判断拉伸范围的线性拉伸算法,并设计完成相应功能模块的硬件实时实现结构和方式.实验显示算法充分发挥了硬件运算速度优势,处理后的红外图像视觉效果明显改善.     

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。     

基于二维灰度熵及混沌粒子群的图像阈值选取

为了同时考虑直方图的概率信息和类内灰度级的均匀性,提出了基于灰度级-梯度二维直方图的Shannon灰度熵及Tsallis灰度熵阈值选取方法.给出了Shannon灰度熵和Tsallis灰度熵的定义及其一维阈值选取方法,导出了二维Shannon灰度熵及Tsallis灰度熵阈值选取公式及其快速递推算法,并利用混沌粒子群算法寻求两种阈值选取方法的最佳阈值.实验结果表明,与基于改进的二维最大熵及粒子群递推的阈值选取方法相比,所提出方法的分割图像能更准确地反映原始图像的边缘、纹理及细节信息.     

一种改进的基于梯度的自适应边缘检测算法

对常见的边缘检测算法进行改进,从梯度的定义出发,提出了一种应用于灰度图像的自适应阈值边缘检测算法.根据边缘处像素灰度值的差异,将模版中的9个像素分两组进行分析,计算出像素的梯度幅度和梯度方向.按梯度值的不同将图像分割成若干个区域,计算每个区域的灰度平均值,确定阈值,实现边缘检测.实验表明,该方法检测出的边缘更细、更准确,可以除去虚假的边缘,是一种有效的对灰度图像进行边缘检测的方法.     

基于最大方差比的图像二值化算法

提出了一种基于最大方差比的图像二值化算法,该方法将图像分成两个类,当类问方差与类内方差的分离度最大时即为最佳阂值.实验表明,该方法能够准确而快速地对图像进行二值化,特别是当对象物和背景的灰度值的差具有一定大小的时候,效果更明显.     

基于清晰度评价的自适应阈值图像分割法

阈值法是一种被广泛使用的图像分割方法.本文从图像中信息的变化情况出发,提出一种基于图像清晰度评价的新颖的自适应阈值分割方法.该方法采用清晰度评价函数作为阈值化后图像内灰度相似性变化的度量方法,通过反复迭代并结合皮尔逊相关性直至找到最佳的分割阈值.通过多组图像数据尤其低对比度图像,包括钢板表面轻微缺陷等图像进行了测试对比.结果表明:相比传统阈值分割方法及其改进算法,在低对比度图像的处理上,本文方法能够自适应地准确找到合理阈值,具有优异的图像分割性能.     

一种自适应红外图像增强算法

针对红外图像普遍存在的目标与背景对比度差的特点,提出一种自适应红外图像增强算法.该算法首先采用峰值与局部最大值估算法相结合的方法自适应地计算出两个阈值,由此将图像分为背景段、目标段和过渡段三部分;然后对不同的灰度段采用不同的变换系数分段进行灰度拉伸和压缩变换,实现图像的自适应增强;最后对得到的图像进行灰度间距的均衡化处理,把灰度等级在整个显示范围内等间距排列.实验结果表明,该算法能够实现自适应阈值选择,获得灰度更加连续的红外图像,有效地增加了图像的细节和清晰度.     

基于Gabor滤波与区域生长的细胞分割

贴壁细胞图像中细胞大小形状各不相同,细胞内部分区域与细胞边缘具有相近的灰度,部分细胞边缘较细或者断裂,为后续正确的分割计数带来了困难。传统的基于区域的图像分割很容易造成过分割和欠分割,前者得不到完整的细胞边缘,后者使细胞内部出现大量杂质点。为解决以上问题,首先利用Gabor滤波器的方向性滤波特性对细胞边缘进行增强,然后选择细胞边缘对应的高灰度点作为种子点进行8连通约束的区域生长,最后对区域生长后的图像进行形态学闭运算消除小的空洞和毛刺,得到完整的细胞边缘图像。与阈值法和边缘检测法的比较结果表明,该算法分割效果较好且对噪声不敏感。     

基于特征差异性的荧光磁粉探伤图像分割算法

为实现目标信息与伪信息的有效分割,提出一种融合了梯度法与阈值法的荧光磁粉探伤图像分割算法.以荧光磁粉图像中目标信息与伪信息的梯度特征差异为主要判据,设计了图像分割算法.滤除与目标信息的灰度特征最接近的伪信息,结合阈值法提取目标信息.主要选取梯度特征为分割判据,有效弥补了纯阈值法通用性差的缺陷.在集成了OpenCV的VC环境下进行了算法调试实验,结果显示:目标信息与伪信息的梯度特征差异显著,去除高梯度值的伪信息后,目标信息与背景信息的灰度特征差异明显,结合阈值法可以实现准确提取.     

一种新的图象分割方法

大多数图象处理系统都需将目标从背景中分离出来。本文介绍一种新的自适应门限图象分割方法。门限曲面通过梯度值较大的象素点即可能的边缘点灰度值内插得到。     

基于梯度二阶导数的Canny阈值自适应选取算法

图像边缘含有丰富的图像信息,对于很多视觉系统至关重要,比如目标检测与图像分割等。传统的Canny算子仅能用于灰度图像,无法有效利用彩色图像中的颜色信息;此外,该方法需要人为设定高低阈值,不能自适应提取图像边缘,进而造成背景边缘放大等问题。提出了一种基于Canny的自适应彩色图像边缘检测算法;该算法首先通过图像一阶直方图的统计特性,自适应地选取高斯滤波器的参数σ,有效去除了噪声;同时改善了σ参数设置不合理对边缘检测的影响。其次采用了基于图像梯度二阶导数的阈值选取的方法,即根据图像特性自适应选取合适的阈值。实验结果表明:算法能很好地改善传统Canny算子的缺陷,对于彩色图像的边缘信息提取能达到很好的效果。     

B超图像的模糊增强处理

文章根据B型超声波本身所具有的图像灰度特性,首先引用模糊数学的集合理论预处理图像,用像素的相对灰度等级作为图像的模糊特征,在对B超图像的灰度范围作灰度线性变换和中值滤波的基础上,再采用模糊算法实现B超图像的模糊增强处理。实验结果表明,合理选择分界点Xc和调节模糊参数Fp可显著提高图像的增强效果。     

使用直方图熵阈值法,从背景中自动分离出医学心脏图象

在医学科学研究和临床诊断中,常常需要在图象背景中分离出心脏或其他内脏器官的图象,以便对心脏或内脏器官进行几何学参数的测量。本文使用信息论中熵概念,推导出与先验和后验信息有关的评价函数,由它来选择最佳阈值,使分离出完整的心脏图象。为了能得到精确、清晰的心脏边界,本文使用了双曲线函数增强处理,选择常数C为0.5或1。采用灰度值窗口法后,并把阈值处理后图象的直方图起点移至灰度级为零的位置,使增强心脏边界的效果更为明显。本文使用Roberts边缘检测法获得了精确又清晰的心脏边界。