基于直方图均衡化的毛织物服装印花缺陷检测

为了保证毛织物印花服装的生产质量,提出基于直方图均衡化的毛织物服装印花缺陷检测方法。设置毛织物服装印花不同缺陷特征作为检测标准,利用光学成像原理采集毛织物服装印花图像,通过颜色转换、图像滤波等步骤,实现初始印花图像的预处理;利用直方图均衡化技术提取服装印花图像特征,通过特征匹配确定缺陷状态与类型,实现毛织物服装印花缺陷的检测。测试结果表明,优化设计方法得出缺陷面积检测误差的平均值为0.09 mm^(2),缺陷类型检测错误率较低。

基于峰值直方图均衡化的车位图像增强

车位增强算法作为自动泊车的重要组成部分,其增强结果直接影响车位线提取效果。基于此,引入了暗通道作为低频分量进行自适应对比度增强,基于多组低对比度车位图像数据,讨论了多种低对比度增强算法的适用性,针对增强算法部分区域产生的车位增强不足与过曝现象导致降低车位线提取的完整性与精度下降的问题,提出峰值直方图均衡化的快速增强算法,结合了PSNR、结构相似性、平均亮度和信息熵等作为客观评价指标,利用了霍夫直线检测统计算法增强结果的车位提取精度,并进行了验证。研究结果表明:本算法能够减少环境信息干扰,保留更多纹理细节,提升全局图像亮度与对比度,其在低照度环境下仍然具有出色的鲁棒性。本算法车位线提取精度超过90%,算法运行时间仅为37.18 ms,能够为低对比度场景下的自动泊车系统提供方法指导。

基于自适应直方图均衡化的医学图像可逆对比度增强算法

目前,一些可逆数据隐藏算法通常是对图像进行类似直方图均衡化的信息嵌入操作来实现对比度增强。这类方法虽然简单有效,但是缺乏明确的目标函数来指引参数选择,难以优化对比度增强效果,因而容易产生增强不足或过度增强等问题。为了优化可逆信息嵌入后的对比度增强效果,提出了一种基于自适应直方图均衡化并结合对比度增强的医学图像可逆数据隐藏算法。该方法基于预测误差扩展技术来实现可逆数据嵌入,并通过所定义的自适应直方图均衡化目标函数来优化预测残差直方图的修改,确定最优的数据嵌入点,在确保对比度增强的前提下实现低失真的可逆嵌入。实验结果表明,相比同类算法,所提方法在实现可逆嵌入的同时,能够进一步增强图像对比度,辅助提升医学图像中的目标识别效率。

多尺度自校正双直方图均衡化红外图像增强

针对红外图像增强过程中容易饱和、细节丢失等问题,提出一种参数自设定的双直方图均衡化方法。根据灰度级累积概率密度黄金比例值将原始图像划分为两个独立的子图像。结合原始图像曝光度和子图像灰度级区间信息,对每个子图像的直方图进行多尺度自适应加权校正。基于校正后的直方图,对每个子图像分别作均衡化映射变换,最后合并子图像获得增强图像。在红外图像公开数据集INFRARED100上进行的测试显示,与亮度保持双直方图均衡化(Brightness Preserving Bi-Histogram Equalization,BBHE)、带平台限制的双直方图均衡化(Bi-histogram Equalization with a Plateau Limit,BHEPL)、基于曝光度的双直方图均衡化(Exposure based Sub-image Histogram Equalization,ESIHE)方法相比,所提方法增强的图像具有合适的平均对比度和更大的平均信息熵,在峰值信噪比(Peak Signal-to-Noise Ratio,PSNR)、结构相似度(Structural Similarity,SSIM)、绝对平均亮度偏差(Absolute Mean Brightness Error,AMBE)指标上平均提升至少17.2%、4.0%、56.2%。实验结果表明,所提方法对不同亮度特征的红外图像都有良好的适应性,可有效增强红外图像对象和背景之间的对比度,在噪声抑制、亮度和细节保持等方面优于同类方法。

基于直方图均衡化的数字射线图像增强方法分析

数字射线图像处理是射线检测中至关重要的环节,图像处理的好坏将直接影响评片人员对于缺陷的判断与评定。分析了目前常用的直方图均衡化(HE)、自适应直方图均衡化(AHE)和限制对比度自适应直方图均衡化(CLAHE)3种基于直方图均衡化的图像增强方法的优缺点,针对性地提出基于CLAHE的优化算法:先使用CLAHE对原图进行增强,再通过高斯滤波处理得到低频数据,利用低频数据与增强图像进行运算,对得到的整体结果进行反锐化掩膜增强,最终实现图像增强。

基于局部熵-局部对比度和双区域直方图均衡化的红外图像增强

为了改善红外图像的视觉效果,突出细节信息,同时抑制噪声。提出了结合改进的LC显著性检测和双区域直方图均衡化的红外图像增强方法。首先使用结合局部熵加权的LC显著性检测算法得到显著图。然后使用K-means算法对显著图进行自适应分割得到前景区域和背景区域。最后对前景区域进行结合局部方差的改进直方图均衡化,对背景区域使用限制对比度直方图均衡化增强。实验结果表明,与当前主流算法相比,本文算法主观效果更佳,且峰值信噪比、结构相似性、信息熵等客观评价参数均有所提升。

基于多尺度局部直方图均衡化的矿井图像增强方法

针对当前常用的直方图均衡化、基于Retinex理论、基于同态滤波、基于小波分析等矿井图像增强方法存在欠增强、过增强等问题,提出了一种基于多尺度局部直方图均衡化的矿井图像增强方法。根据HSI颜色空间图像的颜色分量(色调分量、饱和度分量)与亮度分量相互独立特性,将矿井低照度RGB图像转换到HSI颜色空间;采用双边滤波将亮度分量分解为光照图像和反射图像;对光照图像进行小、中、大3个尺度分块,对图像块分别进行局部直方图均衡化处理,以提升图像亮度和对比度;对反射图像进行8方向梯度增强,以丰富图像的纹理边缘;将经多尺度局部直方图均衡化的光照图像和方向梯度增强的反射图像进行Retinex反变换,得到增强的亮度分量,将其与色调分量和饱和度分量转换至RGB颜色空间,得到增强的矿井图像。采用煤矿井下实际监控图像对基于多尺度局部直方图均衡化的矿井图像增强方法进行实验验证,对其增强效果进行主客观评价。结果表明:该方法与现有图像增强方法相比,在图像亮度和对比度方面均有更大的提升,细节信息更丰富,信息熵提升7.23%以上,平均梯度均值提升31.6%以上,具有更好的图像增强效果。

自适应加权直方图均衡化的红外图像增强

鉴于现有的红外图像增强方法存在欠增强、过增强和放大噪声等缺陷,提出了自适应加权直方图均衡化的红外图像增强方法。该方法提出了直方图的自适应加权系数,其反比于每个灰度级对应直方图频次的平方根,适当地提升频次较小的直方图,而适当压制频次较大的直方图。用自适应加权系数对各个灰度级的直方图频次进行加权后,进行直方图均衡化处理,最后经灰度级映射得到增强图像。实验结果显示,相对于现有的方法,本方法的增强图像对比度更高,边缘细节信息更丰富,信息熵、平均梯度和标准差分别比现有方法高出0.23、2.2和3.7以上。因此,本文方法的红外图像增强效果优于最新提出的现有方法。

基于改进双直方图均衡化的舰载图像去雾方法

舰载图像具有大面积同色高亮区域,现有直方图均衡化在舰载图像去雾时存在亮区过度增强现象。针对这一问题,论文提出一种基于改进双直方图均衡化的舰载图像去雾算法,首先对归一化直方图中小于1的部分gamma校正,并设置过度增强阈值T对较大的直方图数据限制,然后以中位数像素作为分割点,计算左、右子直方图的灰度分布概率直方图并获得映射表;最后将两映射表合并,获得去雾后图像。实验结果表明,以论文自制舰载图像数据集为测试集,相比于基于灰度图像均值分割的直方图均衡化和等面积的双直方图均衡化,论文算法平均亮度误差分别缩短了46.27和7.10,结构相似性分别提高了0.25和0.16,可以有效改善现有直方图均衡化在对舰载图像去雾时的亮区过度增强问题。

基于直方图均衡化图像增强的两种改进方法

直方图均衡化(Histogram Equalization,HE)是图像增强领域中基础性很强的方法,对其研究和改进工作至关重要.首先,本文分析了经典HE算法的缺点,也概括了五类基于直方图均衡化的图像增强技术,然后针对HE经典算法的缺点提出了两种改进方法,分别引入了直方图动态削峰技术和边缘信息融合技术,最后选取曝光不足和过曝光的两类图像验证算法的性能,采取了有效的图像客观质量评价指标对实验结果做出评价.结合主客观图像质量评价可以看出,本文提出的算法具有增强效果好、输入参数少等特点.

改进的直方图均衡化算法在图像增强中的应用

在数字图像处理过程中,针对直方图均衡化算法增强图像,提出了一种改进的直方图均衡化算法,应用于图像增强。该算法结合全局直方图均衡化、局部直方图均衡化特性,利用增量式直方图均衡化,从处理方法上对直方图均衡化算法进行了改进。实验结果表明,文中提出的方法能更有效的增强图像,去除图像噪声,为后续有效的识别特征提供了基础,同时提高图像目标识别的效果。

基于遥感图像的自动驾驶道路检测:一种直方图均衡化策略

自动驾驶技术的发展对道路检测技术提出了越来越高的要求,遥感图像在道路检测领域具有广泛的应用前景。针对自动驾驶中基于遥感图像的道路检测问题,提出了一种直方图均衡化策略,使用了DeepGlobal道路数据集,并分析了直方图均衡化在U-Net+Deeplab_v3、U-Net+FCN和U-Net+PSPNet模型上的性能。实验结果表明,在不使用直方图均衡化的情况下,U-Net+Deeplab_v3模型的表现最佳;而在使用直方图均衡化的情况下,HE+U-Net+PSPnet模型的表现最佳。综合分析,直方图均衡化能够改善图像的对比度,提高分割性能,具有较好的实际应用价值。

基于直方图均衡化和Retinex的图像去雾研究

针对由水蒸气、尘埃和烟雾等因素引起的灰霾对图像造成的对比度降低、细节模糊、色彩扭曲等问题,提出了一种基于直方图均衡化与Retinex的图像去雾研究方法。分别采用了全局、局部直方图均衡化和Retinex算法3种方法实现图像去雾。仿真结果说明,图像去雾技术能够通过建立模型和对图像进行分析和优化求解,消除雾霾对图像造成的影响,从而恢复出一个清晰的图像,去雾效果显著。

对比度受限下直方图均衡化处理的木板纹路图像增强算法

在木板纹路识别的工程应用中,光照不均匀等因素会产生对比度差的木板图像,将影响木纹的准确识别,针对此现象采用改进的对比度受限自适应直方图均衡化方法(contrast-limited adaptive histogram equalization,CLAHE)对木板纹路图像进行增强处理,首先借助加权平均灰度化对原始图像进行灰度处理,再利用CLAHE算法将灰度图像分割成若干个大小相等连续的子块,选取合适的阈值对每个子块的直方图进行截取,将超过阈值的像素均分到其他的灰度级中,使用双线性插值对图像进行插值运算,得到对比度受限下直方图均衡化图像,最后使用双边滤波器(bilateral filter)对均衡化图像进行降噪保边处理。共用600幅木板图像,其中450幅图像作为训练集图像,150幅作为验证集图像,通过平均绝对误差(mean absolute error,MAE),峰值信噪比(peak signal to noise rate,PSNR)以及最终实验结论对比CLAHE算法和其他一些常规算法,工程运行结果表明:CLAHE方法处理木板纹理图像具有较好的运行效果,为木板纹理的准确识别提供了理论依据。

一种结合直方图均衡化和MSRCR的图像增强新算法

为便于集成电路(IC)真实缺陷形貌图的缺陷特征提取,提出了一种结合直方图均衡化(HE)和多尺度Retinex彩色恢复(MSRCR)算法的彩色图像增强新算法.用直方图均衡化对彩色图像进行增强,可以显著提高对比度,但会降低原图的信息熵;用Retinex算法对彩色图像进行增强,可以显著提高暗区域的细节,但会产生泛白、颜色失真和对比度低的现象.新算法根据两种算法处理结果的特点,将图像先分别进行HE增强和MSRCR增强,然后按照一定的图像融合规则进行加权融合,经过大量的测试统计,得到了一个最佳权重.实验证明,改进的算法使图像的亮度、对比度、细节等都有很大的增强,不仅改善了图像的整体视觉效果,而且得到了最大的信息熵,能更好地刻画IC缺陷细节,有利于后续的目标检测和缺陷特征提取,并验证了算法的通用性.

基于Piecewise直方图均衡化的图像增强方法

提出了一种基于Piecewise直方图均衡化的图像增强方法,有机地结合了亮度拉伸和传统直方图均衡化的优点。通过定义直方图中相邻灰度级的距离,引入了一个基于直方图均值和标准偏差的Piecewise线性变换,探讨了图像过亮时Piecewise直方图均衡化参数的选取。实验表明,该方法的处理结果能有效避免现有的直方图均衡化方法中的"吞噬"问题和亮度饱和问题。在增强图像时不仅能保留细节,而且具有更加自然的视觉效果。

改进的直方图均衡化图象增强算法

给出了一个改进的直方图均衡化图象增强算法。应用该算法对医学细胞图象进行增强处理，取得了较好的处理效果。

基于直方图均衡化与形态学处理的边缘检测

针对传统的边缘检测算子存在噪声干扰、边缘丢失和伪边缘干扰的问题,提出将传统的边缘检测与形态学处理和直方图均衡化有机结合的边缘检测方法。算法通过抗噪性参数P,引入权值将组合算法中图像增强处理与形态学的组合算法相融合获得较好的边缘。通过不同形态学算法在四种组合下边缘检测的效果分析和抗噪性参数P比较,实验结果表明,图像在有无噪声情况下效果基本一致,边缘完整性得到了很大的提升。该组合算法在抗噪能力、边缘丢失与伪边缘干扰处理上拥有较好的平衡,提高了边缘检测效果,为工业加工图形识别提供了一定的思路。

亮度自适应的保熵直方图均衡化方法

直方图均衡化是一种简单有效的图像对比度增强技术,由于它无法保持图像的均值亮度和熵值,因此在实际工程中很少应用。提出了一种直方图规定化的新方法以避免直方图均衡化的缺点,该算法利用直方图均衡化的特点——使直方图分布尽可能均匀,通过变分法求出一个在熵值不变的约束下使得图像均值亮度最大化的直方图,最后将原始直方图转换成直方图规定化后的目标直方图。通过与已有方法HE/DSIHE/MMBEBHE/BPHEME比较,结果表明该方法不仅能够保持熵值,而且可以有效地增强图像对比度,可以用于消费型电子产品中。

基于目的性优化及改进直方图均衡化的夜间彩色图像增强

夜间图像由于照明不足,存在图像对比度、亮度偏低,细节不可见,导致图像质量下降.大多夜间彩色图像增强算法往往在高对比度边缘区域存在"光晕伪影"现象,针对这些问题提出了一种基于目的性优化及改进直方图均衡化的图像增强算法.该算法通过目的性优化增强原图像对比度,最大程度地保留细节;然后采用改进的保留细节的直方图均衡化增强图像;最后采用改进的Gamma校正对图像进行增强.算法结果通过主观视觉效果以及客观质量评价2方面验证,实验结果表明该算法能够有效地增强图像对比度、亮度,恢复图像细节,并消除了"光晕伪影".