基于机器学习的压缩域图像均衡增强方法

传统方法在进行压缩域图像均衡增强时,图像细节容易丢失,使边缘较为模糊,增强后图像清晰度不佳。为解决上述问题,提出机器学习的压缩域图像均衡增强方法。通过扫描程序采集图像信息,提取数据库中的数据;确定分类边界后,实现压缩域图像均衡强;根据正向检测和逆向检测对压缩域图像进行检测。利用法相矢量获取图像的特征点,提取图像色彩、对比、噪点等多种参数值。建立压缩域图像压缩矩阵,通过线性方程匹配特征信息,计算信噪比,实现压缩域图像均衡增强。实验结果表明,设计方法能够更好地处理细节问题,有效增强图像的清晰度。