基于多尺度灰度变换的图像增强研究

为了提高图像增强效果,有效地保持原始图像细节,提出了一种基于多尺度灰度变换的图像增强方法。利用梯度域递归双边滤波对原始图像进行多尺度分解。基于小波变换,将分解层的子带分别作灰度变换。根据变换后的各个子带重构得到分解层的增强结果,并在其基础上实现图像的整体增强.对比直方图均衡化、灰度变换,提出的方法增强效果更好,并且保图像细节。利用客观性能指标对增强结果进行评价。实验结果表明,提出的方法有效,并具有结构简单、计算复杂度低的特点。

基于空间约束高斯混合模型的EPLL自然图像复原

为了提高基于块先验的自然图像复原效果,有效去除图像中的噪声和模糊,提出了一种基于空间约束高斯混合模型的块似然对数期望(Expected patch log likelihood,EPLL)复原框架。基于图像块的空间分布信息,将图像块的空间约束高斯混合统计特性作为先验,在图像块复原的基础上实现整幅图像的全局优化复原。对比相关的图像复原方法,提出的方法去噪和去模糊效果更好,并且保留图像细节。利用客观性能指标对复原结果进行评价。实验结果表明,提出的方法有效易行,而且复原图像表现出良好的可视效果。

基于递归引导滤波的高动态范围图像调整

通过使用递归引导滤波算法对输入的高动态范围图像进行累进滤波,获取图像的多尺度分解结果,得到图像的轮廓层和多尺度细节层;保持图像的细节特征不变,对图像的轮廓层进行对比度调整。结果表明,用本文提出的方法对高动态范围图像进行调整,在调整图像对比度的同时,有效的保持了图像的细节特征。