基于CLAHE-PCA的矿井低照度图像增强研究

地下矿山巷道环境往往面临光线不足,难以通过获取其暗通道图像判断岩体剥落等异常情况。针对矿井巷道暗通道图像对比度低的问题,提出了一种基于CLAHE-PCA的图像增强算法。首先使用CLAHE算法将获取的矿井巷道原始暗通道图像做对比度增强处理,然后使用自适应Gamma算法对亮度低的图像予以增加对比度矫正;将矫正后获得的灰度图转为RGB图像,通过PCA对其进行平滑处理,以便更多地还原暗通道图像的细节。以峰值信噪比、结构相似性、平均梯度和信息熵等作为评价指标,对试验结果进行验证。结果表明:该方法能够有效处理低对比度的矿井巷道图像,处理后的图像结构相似性达到93%,鲁棒性强,同时能够更多地还原图像的细节。

基于改进ViBe算法以及改进CLAHE算法的烟雾信息增强技术

对于在火灾刚开始发生时,烟雾信息较弱且不明显的问题,提出了一种使用视频图像序列进行烟雾信息增强的技术。使用改进的ViBe算法对整个视频进行检测,获得每帧图像的运动蒙板。采用去除离群值的帧间差分放大算法对烟雾信息进行放大。通过改进后的限制对比度的自适应直方图均衡化算法(CLAHE)来提高烟雾区域对比度,并使用合并蒙板保存烟雾信息,用翻转蒙板保留原始图像背景信息,最后进行烟雾区域与背景区域的融合,得到最终图像。实验结果表明,算法可以将烟雾泄漏区域的对比度进行较大程度的提高,并且由于融合了原始图像背景,因此,背景噪声也处于较低水平。

基于CLAHE和top-hat变换的手背静脉图像增强算法

为了克服光强,手背厚度对手背静脉图像的影响,提出一种新的手背静脉图像增强方法,对比度受限的局部直方图均衡(CLAHE)和top-hat变换相结合的方法。在进行CLAHE处理的基础上,利用top-hat变换提取图像的波峰和波谷,并将提取的波峰和波谷进行直方图修正,拉开灰度分布,再与之进行加减运算。实验表明,该算法能得到很清晰的增强效果。

基于CLAHE的苹果树树枝迭代阈值分割方法研究

针对农业采摘机器人自主导航和采摘过程中的障碍物树枝识别问题,为解决迭代阈值分割算法在目标与背景图像灰度差别不明显情况下的分割缺陷,提出了基于对比度受限自适应直方图均衡化基础上的果树树枝迭代阈值分割方法。首先,通过颜色空间变换,将RGB颜色空间的果树树枝图像转换到XYZ和I1I2I3颜色空间,并提取出X-Y色差因子和I2颜色因子,对其进行灰度差别分析;然后,对灰度差别不明显的图像进行对比度受限直方图均衡化处理后,再进行迭代阈值分割,从而剥离出树枝区域。实验结果显示,采用本文方法,树枝图像分割成功率为92%。

一种改进CLAHE算法在医学试纸条图像增强中的应用

在图像对比度增强算法中,结合自适应直方图均衡化和对比度受限两项技术的对比度受限自适应直方图均衡化算法（CLAHE）是一种常用的低对比度图像增强算法。为了解决快速诊断试剂中的过敏原检测试纸条图像对比度低的问题,尝试给出一种改进的CLAHE图像增强新算法。新算法在传统的CLAHE算法的基础上,通过引入一个自适应参数T来自动调整图像每个子块的像素点重新分配的范围,从而达到增强图像细节的目的。通过对过敏原检测试纸条图像增强的实验对比分析,表明改进后的CLAHE算法可有效地改善该类医学试纸条图像的增强视觉效果,为后续医学试纸条的分割和识别奠定基础。与此同时,以图像均方根对比度为定量统计依据,与传统CLAHE算法的结果比较得出：改进的CLAHE算法明显提高图像均方根对比度,传统的CLAHE算法平均提高原图像均方根对比度1~2倍,而改进的CLAHE算法平均提高3~4倍,进一步验证新算法是一种对过敏原检测试纸条图像增强更为有效的方法。

基于NSCT和CLAHE的乳腺钼靶X线图像微钙化点增强方法

针对微钙化点容易漏检的问题,提出一种非下采样轮廓波变换结合对比度受限自适应直方图均衡的乳腺图像微钙化点增强新算法。对乳腺图像预处理,提取乳房区域并将胸肌区域去除;再对图像进行非下采样轮廓波变换提取多尺度、多方向的子带,对其中的多个高频子带采用高斯拉普拉斯算子检测边缘并增强;进一步采用对比度受限自适应直方图均衡算法,提高图像局部小区域的对比度,实现乳腺图像微钙化点增强算法。结果表明该方法是一种有效的乳腺钼靶图像微钙化点增强方法,为微钙化点检测和乳腺癌诊断提供支持。

基于CLAHE增强的GIS局放脉冲序列识别算法

为了研究气体绝缘组合电器(gas insulated switchgear,GIS)的特高频局部放电脉冲序列识别算法,进而提高其绝缘故障诊断的正确率,提出利用限制对比度自适应直方图均衡化(contrast limited adaptive histogram equalization,CLAHE)算法对脉冲序列分布(phase resolved pulse sequence,PRPS)图谱进行预处理,实现放电脉冲目标的强化,从而增强数据集视觉特征的方法;然后计算增强图谱的均匀局部二值模式(uniform local binary pattern,ULBP)作为特征向量,利用Adaboost级联分类器不断提高识别率直至收敛,从而实现GIS内部绝缘故障类型的识别。实验结果表明:CLAHE增强将识别率的上限从93.36%提高到了96.09%;在变化的外施电压下,ULBP特征向量比传统图像特征的识别率提高了10.71%~15.72%;Adaboost强分类器在训练时对样本数量的要求降低了约1/3。故所提算法进一步扩大了优化空间,增强了传统算法的泛化能力,提高了训练效率。

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CLAHE的X射线行李图像增强

提出了一种基于对比度受限自适应直方图均衡化(CLAHE)的X射线行李图像增强算法.首先使用一种背景区域快速填充方法降低背景噪声的干扰,然后采用CLAHE技术增强图像的对比度,最后采用一套组合锐化方案增强图像的细节.实验结果表明,使用所提方法能够快速有效地增强X射线行李图像的对比度,突出行李物品的细节.

基于CLAHE和开闭运算的绿色苹果图像分割

依据绿色苹果图像的自身特点,设计了一种分区域提取而后合并的图像分割方法;首先对图像进行限制对比度自适应直方图均衡化(contrast limited adaptive histogram equalization,CLAHE),增大果实和背景的颜色差,而后获取R-B色差图像,得到以光常区域为主的区域;然后用CLAHE处理后的图像进行开闭运算,提取局部极大值,得到以高亮区域为主的区域;最后将两区域合并获得完整的果实目标区域;为了验证该方法的有效性,运用Hough算法检测圆,并用相对偏差、圆心相对误差及半径相对误差3个评价指标来定量评价;试验结果表明,提取区域与果实目标区域相比,顺光下,相对偏差、圆心和半径相对误差平均值分别为3.59%,4.76%和2.60%;逆光下,3个指标的平均值分别为10.77%、16.77%、11.49%;无论是顺光还是逆光都有很好的识别效果,能满足机器人采摘果实的精确定位的要求。

基于三级图像融合与CLAHE的机场安检X光图像增强算法

针对CLAHE增强机场安检X光图像出现的颜色失真及背景噪声放大问题,提出一种基于三级图像融合与CLAHE的X光图像增强算法.首先将X光图像分别转换成RGB、HSV图像并分别进行CLAHE增强,将增强后的图像通过欧几里得范数实现第1级融合.然后将融合后的图像进行USM锐化,锐化过程中根据掩膜进行图像第2级融合.最后将锐化后的图像与原图像按系数进行合并,完成第3级融合.仿真实验结果表明,本文提出的算法能够有效提高安检X光图像的对比度,PSNR平均值提高了7 dB,同时可以抑制增强图像颜色失真及背景噪声.该算法有助于提高X光图像中违禁物品的识别准确率,对平安机场的构建具有积极意义.

基于改进CLAHE的水下彩色图像增强算法

为了克服水下成像过程中,由于水体介质对光线的吸收和散射作用导致的水下图像对比度低、光照不均等问题,提出一种基于改进CLAHE的水下图像增强算法。针对CLAHE算法采用统一的裁剪幅值而导致部分子块得不到增强的问题,提出根据每个子块的像素值分布确定相应的裁剪幅值对直方图进行裁剪、分配;然后对超出裁剪幅值部分进行二次分配,并引入自适应上下限阈值,确定二次分配的动态范围,以进一步增强图像细节;最后,引入同态滤波,将灰度图像与明度分量V进行加权求和,以改善图像过亮或过暗区域。实验结果表明,改进算法可以增强对比度,改善光照不均,有效提升图像质量。

融合同态滤波和CLAHE算法的布匹疵点图像增强

针对布匹疵点图像对比度低、细节信息对比不明显等问题,采用融合同态滤波和对比度限制自适应直方图均衡化(Contrast Limited Adaptive Histogram Equalization,CLAHE)算法的图像增强方法进行了图像增强。首先,采用同态滤波对布匹疵点图像整体的对比度进行增强,增强布匹图像中疵点与背景的对比度;其次,为了更好地突出疵点图像的细节信息,采用对比度限制自适应直方图均衡化方法对疵点图像的低频部分进行二次增强;最后对常见的5种布匹疵点进行增强,并通过实验来验证算法的有效性。实验结果表明,采用融合同态滤波和CLAHE算法的布匹疵点图像增强方法,可提高图像的整体对比度,在一定程度上突出疵点图像的细节信息。

基于PCA降噪的改进型CLAHE算法

为解决可见光成像设备采集的图像细节特征识别困难的问题,结合两种不同方法提出一种主成分分析和改进型的各向异性扩散滤波器的模糊裁剪对比度受限自适应直方图均衡化(ADFS-CLAHE-FC)图像增强技术,从图像中提取有意义的信息。首先通过PCA对图像进行降噪处理,然后利用ADFS-CLAHE-FC对降噪后的图像作增强处理,最后基于ADFS-CLAHE-FC进一步降低图片的噪声,保持对比度和亮度。实验表明,该方法在增强图像对比度的同时消除了图像噪声,在视觉上效果更好,相较于直方图均衡化(HE)、对比度受限自适应直方图均衡化(CLAHE)方法及其他方法在提升图像质量和保持图像细节方面性能更优,有助于提升图像分割和提取的准确性。

基于红色暗通道先验理论与CLAHE算法的水下图像增强算法

[目的]水下图像是水下视觉感知技术领域应用的基础,由于水对光的吸收以及水中颗粒对光的散射作用,使水下图像具有对比度低、边缘模糊等特点,导致图像质量下降。为此,提出一种削弱水介质对水下图像影响的图像增强算法。[方法]首先,研究了水下成像数学模型,并且依据Lambert-Beer定律推导出了未退化的图像数学模型。其次,利用红色暗通道先验(RDCP)理论得到未退化图像模型中的红色暗通道透射率图像,并通过引导滤波算法对该图像进行滤波细化处理,获得了对比度比较高的未退化图像。然后,针对去模糊后水下图像对比度仍然不理想的情况,采用对比度受限直方图均衡化算法(CLAHE)提升水下图像对比度。[结果]基于常用图像评价标准,通过实验评价了本文算法的有效性,[结论]本文算法能够显著提升水下图像信息熵、对比度和平均梯度,更能凸显图片信息的细节特征。

CLAHE算法在数字钼靶图像增强中的应用研究

重点研究了对比受限自适应直方图均衡算法(Contrast-Limited Adaptive Histogram Equalization,CLAHE)在数字钼靶图像增强中的应用,分析和对比了几种图像增强算法的优劣。根据数字钼靶图像处理实时性的需要,通过分析CLAHE算法流程,对CLAHE算法的延迟问题进行了研究,并得出一套可应用于数字钼靶图像增强的方案。

CLAHE算法在不同彩色空间中的图像增强效果评估

直方图均衡是一种常用的灰度图像增强算法,很多研究者对其做了各种改进,但少有人研究其在不同颜色空间上的增强效果。研究了对比度限制的自适应直方图均衡(CLAHE)图像增强算法,并介绍了图像和视频处理中常用的RGB、HSV、YIQ、YCbCr和Lab 5种颜色空间,给出了均方误差(MSE)、峰值信噪比(PSNR)、彩色增强因子(CEF)和结构相似度(SSIM)4个图像质量评价指标的计算公式,并用这4个指标评价了CLAHE算法在5种颜色空间上的增强效果。实验结果表明,相比于其它4种颜色空间,CLAHE算法在HSV颜色空间上取得了最好的增强效果。

基于CLAHE的红外图像增强算法

针对原始红外图像信息在压缩转换中数据信息丢失或弱化的问题,提出一种基于CLAHE(对比度受限自适应直方图均衡)的红外图像增强算法。该算法首先对14位原始红外图像的像素灰度级进行调整,然后通过CLAHE算法获得基图像,再通过原始图像与双边滤波后图像的差值获得细节图像,进一步通过高斯滤波算法滤除细节图像的噪声,最后合成得到输出图像。仿真结果显示:通过该算法,原始图像的对比度及边缘细节信息得到很大程度的增强。本文算法的图像增强效果优于PE算法和CLAHE算法。

基于改进CLAHE的SF_(6)红外图像增强

针对六氟化硫(SF_(6))红外图像对比度低、纹理细节模糊而难以增强泄漏区域的问题,提出了基于改进限制对比度的自适应直方图均衡化(CLAHE)的SF_(6)红外图像增强算法。采用双边滤波将原始图像分为基础图像和细节图像;采用CLAHE算法来处理基础图像,提高泄漏区域的对比度;对细节图像进行分段线性变换和拉普拉斯变换图像,以突出图像的边缘;将两幅图像进行线性叠加以获取最终的红外图像,实现图像增强。实验结果表明,算法对SF_(6)红外图像泄漏区域的增强效果优于常见的几种红外图像增强算法,不仅有效地抑制了噪声和提高泄漏区域的对比度,而且突出泄漏区域的边缘,丰富了细节信息。

基于改进的CLAHE显微细胞图像增强算法

限制对比度自适应直方图均衡化(CLAHE)是一种常用的低对比度图像增强算法。为了解决医疗器械设备采集的低对比度显微血细胞图像增强问题,给出一种改进的CLAHE显微血细胞图像增强处理算法。将图像从RGB空间变换到HSV空间,仅对亮度分量进行限制对比度自适应直方图均衡化增强,接着对原图像做灰度变换,之后对变换后的图像做直方图均衡化,然后将图像归一化,最后做RGB输出。该算法在传统的CLAHE算法的基础上,通过改变每个子块的像素点分配方式,达到增强图像细节的目的。局部的直方图均衡化,增强了整体细节的对比度。运用限制对比度自适应直方图均衡化算法对显微血细胞图像进行增强,并对增强处理后的图像质量进行客观评价。实验结果表明,该算法在信息熵、平均梯度、标准差等指标上具有明显的优越性,可以有效增强显微细胞的对比度,同时也能保留更多的图像细节信息。