基于粗糙集理论和视觉特性的图像预处理方法的研究

文章论速了基于粗糙集理论的图像处理方法。粗糙集理论能够对具有模糊、不精确和不完全的图像进行处理,但处理中忽视了图像本身的复杂性和它们之间很强的相关性。文章提出粗糙集与人眼视觉特性相结合的图像预处理方法。该方法基于人眼的基本视觉特性和噪声特性,利用粗糙集中不可分辨关系,按照图像的梯度的大小和噪声来分割不同的区域分别进行不同的对比度的变换,通过仿真实验表明,能够获得较好的增强效果,并对噪声有抑制。     

空域中基于低对比度图像增强方法

针对低对比度偏暗并带有噪声的图像,结合人眼的视觉感知特性,提出了一种图像增强的新方法。首先在空域进行中值滤波去噪处理,然后对图像进行分块,对背景的亮度进行粗略估计,并用插值算法平滑数据,最后校正图像的不均匀性并将像素值调整到整个灰度级实现图像的增强。实验结果表明,该方法在去除噪声同时并使图像的整体对比度得到明显的改善,又能突出图像中目标的细节部分信息,有效增强了图像的视觉效果。     

基于反锐化掩模技术的红外图像增强算法设计

为了克服传统的反锐化掩模技术的缺点,减小伪像对于处理效果的影响,基于传统反锐化掩模思想,提出了一种改进的红外图像细节增强方案,该方案利用双边滤波和自适应边缘补偿技术将图像分为基频背景分量和高频细节分量,有效地改善了灰度翻转和过冲现象的产生.对背景层分量采用自适应平台直方图均衡的方法,加强了图像整体的对比度与层次感,对于细节层分量,根据人眼的视觉特性,在抑制噪声的同时着重增强了细节纹理.最后,利用客观评价参数对处理结果进行了仿真分析,通过与其他算法的对比,表明该改进算法的细节增强能力和噪声抑制能力均得到了有效提升.     

一种多尺度X射线胸片图像增强算法

针对医学X射线胸片增强的同时会在大尺度边缘产生伪影从而影响医学诊断的问题,提出了一种基于边缘的非线性X射线胸片增强算法(MSCE).该算法先将图像进行多尺度分解,然后结合人眼视觉对对比度敏感的感知特性,计算图像基于边缘的局部对比度,通过结合其局部对比度信息控制各尺度信号增强系数,最后重建得到增强后的图像.MSCE算法能在保证小信号增强能力的同时,较大限度地抑止大尺度信号边缘伪影.实验结果表明,与Vuylsteke以及Stahl的非线性增强算法相比,在保证同样细节增强能力的同时,其大尺度边缘区的平均局部方差分别下降了约36.78%和29.64%,实验验证了MSCE算法具有优越的整体视觉质量.     

基于人眼视觉特性的Curvelet域低照度图像增强

针对低照度下图像降质严重的问题,提出了一种基于人眼视觉特性和Curvelet变换的低照度图像增强算法。首先将低照度图像转换至"色调-饱和度-亮度"(HSI)颜色空间,在Curvelet域中分解亮度参量得到不同尺度、不同方向的子带分量,以此构建人眼视觉模型;然后利用模型的亮度遮蔽特性和亮度-对比度遮蔽特性对高频分量进行非线性增强,同时对低频分量进行非线性拉伸;最后通过Curvelet逆变换重构亮度参量,结合原始图像的色度和饱和度分量将图像转换至原色彩空间,得到增强后的低照度图像。实验结果表明,该算法可以有效提升低照度图像的对比度和亮度,保持图像的细节信息,抑制图像噪声。     

亮度保持和细节增强的红外图像增强方法

针对红外图像对比度低和细节信息少的特性,提出一种能保持亮度和增强细节的方法。改进的自适应双边滤波将图像分成基本层和细节层,在基本层利用基于高斯混合模型的直方图规定化实现亮度保持,在细节层利用人眼视觉特性自适应选取增强函数来增强较弱细节并保护原图像中的清晰边缘不失真,再恢复到原来灰度空间。研究结果表明:该算法可保持整体明暗视觉效果,同时,原图像中较暗和较亮处的细节都可得到有效增强。     

基于粗糙集的图像平滑研究

由于图像信息本身的复杂性和它们之间有较强的相关性,在处理过程中可能出现不完整性和不确定性问题.粗糙集理论是一种新的处理模糊和不确定性问题的数学工具.本文提出一种粗糙集理论和传统的选择式掩模平滑法相结合的新的图像平滑算法,该算法首先通过像素点的粗糙集近似相似度来判断像素所属的掩模,然后对图像进行平滑处理.该算法利用Matlab编写实现,仿真试验结果表明该算法比传统算法有很大改进,在去除噪声的同时,保持了图像的细节,提高了图像的对比度,质量高于传统的预处理方法处理的图像.     

红外图像增强方法的研究

为解决对比度差、边缘细节模糊等问题,提出了用分段增强法提高红外图像对比度.分段小波增强算法能有效地同时增强红外图像对比度及边缘细节,并抑制噪声.建立了表征图像边缘的特征向量.根据红外图像边缘的特征,准确提取红外图像的边缘.通过神经网络边缘检测法对样本集训练,使网络具有依据边缘特征向量求解场景中物理边缘的能力.实验结果表明神经网络边缘检测算法的精度优于其他算法,抗噪声能力强、边缘定位能力强、检测精度高.     

改进的基于单一尺度的医学图像边缘检测

针对经典取边缘算法的缺点和高斯多尺度边缘检测中尺度选择的复杂性等问题,提出了改进的单一尺度边缘检测方法,并将该方法应用到医学图像的边缘检测中。该方法首先用平滑理论,对图像进行平滑,将图像中一些无用的细节信息平滑掉,抑制噪声和高频干扰成分;因为边缘细节也被平滑掉,所以再利用模糊增强算子加大边缘两侧灰度的差异,然后利用基于高斯核的单一尺度过零点边缘检测方法提取图像的边缘;最后,将该算法与经典的sobel,canny算子进行比较。实验结果表明,这种方法较好解决了图像边缘的提取精度和图像噪声的抑制能力之间的矛盾。     

基于方向信息测度的约束最小二乘图像恢复方法

根据约束最小二乘图像恢复方法,设计了一种新的图像恢复方法,把图像方向信息测度的概念引入到图像恢复算法中．它的优点在于,克服了约束最小二乘恢复方法中平滑噪声的同时,边缘信息也被平滑了的缺点,能够在边缘信息保持与噪声平滑之间取得更好的折中．满足了人眼对边缘比较敏感的视觉特性要求．实验证明,这是一种较好的图像恢复方法．