结合HE和改进MSRCR的交通雾霾图像增强

【目的】受大气粒子散射的影响, 雾霾天气下的交通监控图像严重降质, 影响交通安全。【方法】针对雾霾图像存在对比度低、灰度分布狭窄和细节损失严重的问题,提 出一种结合直方图均衡化(HE)和改进色彩恢复多尺度Retinex(MSRCR)的单幅交通图像去雾霾算法。该算法首先将图像分别进行HE和MSRCR增强, 其中MSRCR 增强时, 使用具有平滑保边缘功能的引导滤波替换高斯函数来估计光照分量, 然后对增强后的两幅图像进行加权融合。【结果】通过定性分析发现, 该算法有效改善了图像的主观视觉效果; 通过定量分析发现, 该算法相对于HE、MSRCR、B-SSR和G-SSR算法, 显著提高了图像的平均梯度和对比度, 且灰度熵和彩色熵也有一定程度提高。【结论】实验结果表明, 该算法能有效增强交通雾霾图像。
     

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。     

基于Python的夜间图像增强方法研究

数字图像广泛应用于生活娱乐、医学、交通等领域,由于光照不均匀和光照强度不够等自然环境、拍摄技术和设备的限制,有些获取的夜间图像对比度低、色彩偏暗、细节缺失严重,且含有大量噪声,影响图像的辨识度和质量,极大的影响了视觉体验.针对该问题,本文分析了基于Retinex和去雾理论的夜间图像增强算法,提高夜间图像的亮度和对比度,提升图像的可视化效果;运用Python语言实现了MSRCR、MSRCP以及基于去雾理论的增强算法.研究结果表明,对夜间图像进行增强处理后,能极大地提高图像的可视化效果.     

雾霾天交通视频监控系统图像实时清晰化处理

针对交通视频监控系统在雾霾天气下图像像质退化的问题,从天气对系统成像影响入手分析造成系统图像降质和模糊的机理。基于全局暗原色先验和图像对比度增强方法,提出了一种有效、快速的雾霾天气下降质图像清晰化处理方法。结合实际应用,以现场可编程门阵列FPGA为核心处理单元,设计了一种高速图像采集、增强、去雾霾和传输系统平台,并基于该平台实际验证了文中提出的算法。最后,经过实际测试表明,该系统平台能实时、有效地提高交通视频监控系统图像的对比度和色彩清晰度,从而提高了其工作的可靠性、稳定性以及应对恶劣天气的能力。     

基于灰度DAG熵最大化量化分辨率医学图像增强

为提高医学图像增强的清晰度和对比度,并提高计算效率,提出一种基于灰度有向无环图(DAG)熵最大化量化分辨率医学图像色调增强算法.首先,采用简单的分段自回归(PAR)模型进行图像目标恢复,并考虑到模数转换的误差利用全最小二乘算法进行PAR模型参数估计,获得高分辨率图像恢复直方图模型;其次,针对可能存在的对比度过低问题,将上述获得的最小二乘算法约束优化问题,建模为DAG中的最大权重路径问题,构建了色调保持最大熵图像增强过程约束优化模型,并通过DAG图Monge定理特性实现计算复杂度的降低;通过上述两个步骤,实现了医学图像增强过程中图像细节和对比度的同步增强,仿真实验显示所提算法可提供更为有效的医学图像增强效果.     

基于全局亮度自适应均衡化的海上图像带色彩恢复的多尺度Retinex算法

针对海上图像利用多尺度图像增强算法（MSRCR）不能有效地去除雾以及存在颜色纠偏过度问题,提出了一种基于全局亮度自适应均衡化的海上图像改进MSRCR算法。该算法首先计算海上雾天图像的取反图;其次对原图像和取反后图像进行MSRCR运算;然后利用全局亮度自适应直方图均衡化处理,并将处理后的亮度与经MSRCR处理后的反射分量进行低频信号线性叠加;最后计算叠加后图像的均值和标准差,并采用自适应拉伸图像灰度值,实现图像色彩对比度的提升。实验证明该算法处理后的图像,前景突出,细节清晰,色彩丰富,对于海上图像除雾,具有一定的意义。     

一种可见光图像增强算法的FPGA实现

该文介绍一种可见光图像增强算法的FPGA实现方法,该方法针对雾霾天气或低对比度天气等条件下图像灰度分布范围窄的问题,利用图像处理系统中FPGA组件实现图像增强。视频图像数据流通过专用的接口芯片转换后传输给FPGA,FPGA内部程序通过时钟控制、图像缓存完成灰度信息统计和图像灰度拉伸,同时,多模块并行处理数据完成图像数据采集和图像数据处理,实时实现图像的增强,达到雾霾天气条件下提升可见摄像机作用距离和目标识别能力的目的。     

基于暗原色先验与Retinex理论的去雾算法

为提高雾霾图像的清晰化程度,采用暗原色先验方法与多尺度Retinex(MSR)算法相结合的方式,提出基于暗原色先验与Retinex理论的去雾算法.首先,采用暗原色先验方法对协雾霾图像进行物理意义上的去雾,雾霾图像细节得到增强;其次,将处理后的雾霾图像作为MSR算法的原始输入图像,雾霾图像对比度与平均亮度增大.仿真实验表明,该算法处理的雾霾图像对比度得到增大,图像平均亮度适中,总体效果较好,可在一定程度上提高雾霾图像的清晰度.     

多尺度Retinex算法与其它图像增强方法比较

图像获取过程中往往由于光照不足导致图像出现暗影和低对比度,这严重影响了后期图像各种形式的处理,如人脸检测、边缘提取、图像融合等。文章提出利用MSRCR算法与其它常用动态范围调整的图像增强算法相比,如SSR,MSR,MSRCR和直方图均衡化增强;进一步利用MSRCR增益/偏移校正、基于双边滤波器的单尺度Retinex图像增强和同态滤波器对两组图像对比实验,结果显示这些方法在图像增强中都表现出良好的性能,且MSRCR算法可以弥补传统小波变换在图像增强中的对比度不高和丢失部分信息的不足,提高了图像的亮度,对比度和清晰度;且其峰值信噪比和信息熵普遍高于其它增强方法,并对其运行的时效性进行对比。     

基于CLAHE和图像分解的去雾方法

针对雾天条件下拍摄到的图像对比度低、细节模糊以及颜色暗淡的现象,提出一种基于CLAHE和图像分解的去雾方法。首先,采用限制对比度直方图均衡化(limited contrast histogram equalization,CLAHE)对有雾图像进行增强,有效地提升图像的对比度;然后,在照明—反射模型的基础上,根据照射分量与反射分量的不同特征对增强后的图像进行梯度滤波,将图像进行分解,获得最终包含图像所有细节的反射图像;最后,对反射图像进行Gamma变换,提升图像的亮度,获得最终的去雾图像。利用信息熵、空间频率、平均梯度和运算时间等客观评价标准,与带色彩恢复多尺度Retinex算法(MSRCR算法)和基于暗通道先验去雾算法(He算法)进行对比。实验结果的主观评价和客观评价表明,在雾天图像细节增强和色彩保持方面,本文方法比MSRCR算法和He算法具有更好的效果。     

基于Resnet的林地无人机图像去雾改进算法

【目的】针对雾霾天气下林地无人机航拍图像存在对比度低、饱和度低和色调偏移等现象,基于Resnet网络,提出一种适应林地航拍场景的无人机图像去雾方法(DHnet)。【方法】林地场景下无人机图像具有纹理特征、高低频信息丰富的特点,在主干网络各个层级附加信息传递模块,将特征图转化为权值图进行筛选过滤并发送到其他层级,接收端设置阈值避免冗余信息的不良影响,再经密集链接增强全局去雾效果,提高图像高低频区域的去雾质量,最后在林地无人机有雾图像测试集上进行去雾实验。【结果】DHnet在林地图像测试集上的平均结构相似性为0.83,平均峰值信噪比为22.3 dB,分别较Resnet方法提高了4.8%和39.3%。【结论】本研究提出的算法能有效降低图像色调偏移,去除残留雾气信息,有效提高无人机航拍林地雾气图像的色彩保真度和细节信息保持度。     

自适应多层次的图像双线性广义模糊增强算法

在模糊集合论和广义模糊集合论的基础上,构造出用于模糊增强图像区域对比度的新型线性广义模糊算子.提出了一种自适应多层次的图像双线性广义模糊增强新算法,该算法利用线性广义隶属度变换及其逆变换,实现了灰度图像空间的广义模糊化与广义模糊空间的灰度化,使用线性广义模糊算子对线性广义模糊隶属空间进行了区域对比度模糊增强,最终利用"MIN" 算子提取出了增强图像的边缘轮廓.基于模糊熵的多层次阈值灰度选取过程,体现了算法的自适应性与实用性.实验表明,该算法能够快速无失真地同时增强图像中不同层次的边缘信息,所提取出的增强图像边缘准确、层次分明.     

一种新型X射线安检图像增强算法

针对X射线安检图像噪声大、对比度低和边缘不清晰等特点,提出一种基于对比度受限自适应直方图均衡化(CLAHE)变换和图像灰度最大值融合的双重能量X射线图像增强算法。首先,应用CLAHE变换分别对高能和低能X射线图像分别进行处理得到初步增强结果;然后采用空域灰度值最大融合算法融合经过CLAHE变换后的高能和低能X射线图像从而得到最终增强X射线图像。实验结果表明该算法能更有效地提高双重能量X射线图像的对比度,显著改善图像质量。     

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。     

一种基于直方图变换的光学遥感影像自动增强方法

对比度、清晰度等视觉效果是影响图像质量的重要因素。针对光学遥感图像对比度和清晰度改善问题,提出了一种新的视觉效果自动增强模型。首先对输入图像的直方图采用非线性变换,在保持灰度级有效分布的前提下充分压缩灰度分布范围,从而获得优化的变换系数,然后再利用线性拉伸算法将图像灰度扩展至整个灰度域。实验和对比结果表明,所提出的增强模型在很小的信息熵损失条件下能较大幅度地提高图像的对比度和清晰度,获得比目前主要算法更好的增强结果且效果稳定,可适用于全色图像和彩色图像视觉效果的全自动化增强处理。     

一种新的模糊对比度增强算法

提出了一种新的基于模糊集合理论的图像模糊对比度增强算法．首先将图像从灰度域变换到模糊域;在预先设定图像空间像素模糊隶属度基础上引入了模糊对比度概念,而后在模糊域对模糊对比度进行非线性变换,得到增强后的模糊隶属度,最后将图像从模糊域变换到灰度域．由算法分析可知,利用模糊隶属度可以对图像的细节进行增强,图像的层次更加分明．通过对几例图像增强对比实验结果的分析,表明该算法是有效的．     

有雾天气图像的清晰化方法

为了改善雾天图像的退化现象,本文提出了一种有雾天气图像的清晰化方法。该方法根据正态分布将图像分为非天空区域与天空区域,然后以全局直方图均衡算法(HE)和子块部分重叠的局部直方图均衡算法(POSHE)为基础对雾天图像进行均衡化处理,均衡后的图像能够保持图像细节,同时也能够避免图像的过增强。实验结果表明:该算法能够有效改善图像的退化现象,提高图像的对比度和分辨率,增强后的图像更加自然。     

基于直方图均衡与小波变换的超声图像增强

针对超声图像对比度低、成像质量差的问题,提出了一种基于小波变换的直方图均衡算法,用于超声图像对比度增强,并使信息熵有很大提高。直方图均衡可以使图像灰度分布接近均匀,提高图像对比度,但图像的信息量会有一定程度的损失。本算法首先对图像作直方图均衡,然后通过对小波变换的一级或二级近似系数的非线性增强处理,使图像灰度分布更加均匀,损失的信息熵也得到很大提高。通过多幅的超声图像的实验结果证明,该算法效果明显,处理后的图像细节清晰可辨,边界信息也得到了保留。该算法对于超声图像临床视觉检查,以及图像目标识别、组织分割等都有很大好处。     

基于多尺度边缘的血管内超声图像增强算法

血管内超声图像同时具有低对比度和低信噪比的特征,传统的图像增强算法会明显放大噪声.为此,提出一种基于边缘表示的算法来增强血管内超声图像的对比度,采用平滑函数的导数作为小波函数对图像进行二进小波分解,使用小波系数在各尺度间的局部极大值来刻画图像的多尺度边缘,通过拉伸小波系数极大值再重构图像来增强灰度图像的对比度.实验结果表明,本文提出的增强算法在有效增强图像对比度的同时避免了放大噪声,并且可以通过调节不同尺度的拉伸因子来获得不同的增强效果,同时提高了运算速度.