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.     

基于局部对比度的局部直方图均衡算法

为了更好地增强图像,提出一种新的图像增强方法。首先,将图像分为若干子块,计算每个子块的对比度,根据子块的对比度确定局部点的密度,进而确定子块的个数,然后采用保持亮度的双直方图均衡算法对这些子图进行增强,最后融合各个子图得到最终增强的结果。实验测试结果表明,本算法能够保持均值亮度,提高处理速度,在减少过增强的基础上,增强局部细节,增强后的图像具有良好的视觉效果。     

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.     

一种光照条件自判断的夜间灰度图像增强算法

借鉴双直方图均衡(BBHE)和图像分割的思想,对夜间灰度图像进行光照条件自判断的增强研究,对光照条件较好、光照条件较差和光照条件较差但存在少数极亮区域的图像分别采用不同的方法进行增强处理.实验结果表明:所提算法可以突出夜间灰度图像暗处的细节,增大图像的对比度,并有效解决增强后图像整体亮度过高的问题,具有较强的普适性.     

H SI色彩空间的彩色图像小波域直方图均衡算法

彩色图像增强是一种应用广泛的图像处理技术。针对传统方法通常会导致增强后的图像出现色调变化与噪声放大的问题,提出一种改进的彩色图像直方图均衡算法。首先,将彩色图像转换到HSI颜色空间,对其中的亮度分量进行3层小波分解;然后,对低频分量进行直方图均衡处理,通过小波重构与色彩空间转换得到输出图像。实验结果表明,该算法增强的彩色图像不仅保持了原图像色调,还明显提高了抑制噪声的性能。将该算法用于彩色图像对比度增强能够取得较为理想的视觉效果。     

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。     

一种改进的直方图均衡化图像去雾算法

针对直方图均衡图像去雾方法存在噪声被放大和图像失真较严重的问题,提出了一种基于直方图均衡化的自适应图像去雾算法.该算法首先将图像变换到HIS颜色空间,将图像分为k×k个子图像,然后对每个子图像在确保色调H分量不变的基础上,对饱和度S分量和亮度分量I分别做自适应直方图均衡处理.处理后的图像不但从视觉上看出对比度有了很大的改善,边缘细节保持较好,而且几种图像质量评估方法的计算结果也表明,改进后的算法比用直方图均衡化去雾后的图像质量从对比度、均方误差、信息熵、峰值信噪比以及协方差都有明显的提高.实验用了250组图像,得出的结果是PSNR提高18%以上,均方误差降低15%以上.     

基于层次聚类与峰值检测的FCM图像分割算法

针对传统FCM算法在图像分割中存在的过度依赖初始聚类中心、计算复杂度高等问题,结合层次聚类与直方图峰值检测,提出了一种新的FCM图像分割算法.首先根据图像灰度直方图统计信息对图像进行层次聚类,然后将得到的聚类中心作为FCM算法的初始聚类中心对图像进行分割.该算法无需预先设置聚类数目,能自动搜索全局最佳聚类中心.实验结果表明,相比传统FCM算法和峰值检测的FCM算法,该算法不仅可以有效地提高图像的分割效率,而且分割结果更加精确.     

基于图像直方图与模糊核聚类的分割方法

利用图像直方图与模糊核聚类知识,提出一种新的分割方法,即先获取直方图数据信息结合期望值理论获得初始聚类中心,然后对图像进行模糊核聚类分割.本算法可以解决模糊核聚类算法对初始的聚类中心等信息较敏感的问题.实验结果表明,与标准的模糊C-均值(FCM)聚类分割方法相比,具有更优越的分割性能,分割结果与实际图像更为接近.