Adaptive image enhancement algorithm based on fuzzy entropy and human visual characteristics

To overcome the shortcomings of the Lee image enhancement algorithm and its improvement based on the logarithmic image processing(LIP) model, this paper proposes what we believe to be an effective image enhancement algorithm. This algorithm introduces fuzzy entropy, makes full use of neighborhood information, fuzzy information and human visual characteristics.To enhance an image, this paper first carries out the reasonable fuzzy-3 partition of its histogram into the dark region, intermediate region and bright region. It then extracts the statistical characteristics of the three regions and adaptively selects the parameter αaccording to the statistical characteristics of the image’s gray-scale values. It also adds a useful nonlinear transform, thus increasing the ubiquity of the algorithm. Finally, the causes for the gray-scale value overcorrection that occurs in the traditional image enhancement algorithms are analyzed and their solutions are proposed.The simulation results show that our image enhancement algorithm can effectively suppress the noise of an image, enhance its contrast and visual effect, sharpen its edge and adjust its dynamic range.

一种SLIP模型的图像增强新算法

提出了一种基于对称对数图像处理(SLIP)模型的图像增强新算法.该算法首先在分析现有对数图像增强算法的基础上,得到关于图像灰度值的SLIP图像增强算法,然后运用SLIP模型的向量运算,使SLIP图像增强算法简化为便于实现的简单数学运算.该算法既能以反射光图像的模式对图像进行增强,又能以透射光图像的模式对图像进行增强.通过主观评价和熵增强方法进行客观评价,结果表明,该算法不仅能增强图像的细节,还能提升图像的整体对比度,同时还克服了现有的对数图像增强算法不能以反射光图像的模式对图像进行增强的缺点.

改进的LIP偏微分方程图像去噪方法

针对对数图像处理-全变分(LIP_TV)去噪模型存在的不足,提出一种改进的LIP偏微分方程去噪方法。首先基于LIP数学理论,在LIP梯度算子中,引入四方向导数信息,得到改进的LIP梯度算子以全面客观地度量图像信息,更好地控制扩散过程。然后利用人类视觉系统的结构化特性,用噪声可见度函数构造新的保真项系数,进一步保持了图像的边缘细节并避免了人为估计噪声水平。理论分析和实验结果表明,该改进方法能够更好地去除噪声和保持图像边缘细节特征,在视觉效果和客观评价指标上都明显优于LIP_TV方法。

一种基于Lip的PDE图像复原新模型

以对数图像处理(Lip)数学模型为基础,结合全变分(TV)图像复原方法,提出了一种新的图像复原模型,称之为L ip_TV模型。该模型弥补了经典图像复原方法的不足,并具有与人眼视觉特征相吻合的特点。实验表明,与经典图像复原方法相比,该模型不仅复原效果更好,而且能很好地保持图像的边缘纹理特征。

基于LIP模型和CLAHE的低照度图像增强算法

为了解决低照度环境引起的彩色图像退化问题,提出一种新的低照度图像增强算法。首先在YUV色彩空间下采用对数图像处理(LIP)运算对彩色图像的亮度分量进行调整,以提高暗调区的亮度和对比度,然后选取适宜的参数,利用限制对比度自适应直方图均衡化(CLAHE)对亮度分量进行二次增强,以获得更好的增强效果,最后根据亮度增益,利用线性运算恢复增强图像的色彩信息。实验结果表明,该算法能够有效地提高低照度彩色图像的视觉质量,细节鲜明突出,色彩真实自然,同时也避免了过度增强,噪声放大等现象。

一种基于LIP模型的边缘检测新算法

提出了一种基于人眼视觉的图像边缘检测的新算法。该方法基于LIP模型首先推导出新的梯度公式,然后进行图像灰度处理和叠加操作,最终形成了一种新的边缘检测算法。该方法大大减少了非边缘噪声的产生,能将图像的边缘较好地检测出来。实验表明,该方法具有边缘检测准确性高,引入的非边缘噪声少的特点。

基于LIP的多通道图像边缘检测研究

由于弱光照图像的成像特点,使得普通的边缘检测的算法难以奏效。20世纪80年代中期由Jourlin和Pinoli提出的对数图像处理LIP模型颇具特色,该模型中的方法对低亮度图像敏感,并且对灰度有界图像的加法运算是封闭的,在边缘检测等方面有着其他方法所不具备的优点。文章基于灰度图像的对数图像处理LIP模型,建立了多通道图像的对数图像处理MLIP模型,并在此模型上进行了对微光图像边缘检测,其效果明显优于经典的Sobel算法。

COPLIP新模型及其图像增强新算法

针对现有对数模型在彩色图像领域的瓶颈问题,把带参数的对数模型扩展到彩色图像,提出一种带参数的彩色对数图像处理新模型,定义了新模型的彩色色调函数,加、数乘、取反运算和基本同态函数.为了验证其有效性,设计了基于新模型的图像增强新算法,色调函数的评价结果表明,新模型在图像增强上具有更好的效果,与人类的视觉模型更加匹配,能选取更多的参数来调整图像中感兴趣的部分.

基于照度分割的局部多尺度Retinex算法

针对现有多尺度Retinex图像增强算法采用线性加权的方法来综合各个单尺度Retinex增强效果,不能很好地体现出各个尺度在色彩保真和细节增强上的特点与优势,本文提出一种新的基于照度分割的局部多尺度Retinex图像增强算法.该算法首先通过引入带参数的LIP模型将图像分解成四个照度区域,然后对各区域根据照度的差异采用相应尺度的Retinex算法进行增强,最后通过基于面积的比例因子对各增强后子图进行照度融合,实现图像增强.实验结果表明,与现有多尺度Retinex算法相比,本文算法在图像亮度保持和细节增强上,处理效果较好,在色彩方面也有较好的效果.

应用参数化对数模型增强图像细节及对比度

传统红外图像增强方法由于未考虑人眼视觉特性而存在"超区间值",故极易丢失图像细节。本文结合对数图像处理(LIP)理论,提出了基于参数化对数模型(PLIP)的平台直方图均衡图像增强方法。该方法首先将图像变换为灰度色调函数;然后应用PLIP模型对变换后的图像进行重建,结合平台直方图均衡化来增强图像的对比度和细节信息,并利用图像评价函数(EMEE)与信息熵(En)确定模型的参数值。最后,研制了算法硬件平台,分别用中波和长波红外成像系统对算法进行了实验验证。实验结果显示:该方法对不同场景的图像均可取得很好的增强效果,图像的EMEE值比传统的平台直方图均衡算法提高至少5倍以上,对改善图像质量和视觉效果具有实用价值。

一种视频雨滴检测与消除的方法

降雨天气往往导致监控视频质量下降.本文提出首先在对数图像处理(Logarithmic image processing,LIP)框架下利用灰色调约束检测出候选雨滴,进而利用主成分分析(Principal component analysis,PCA)方法计算每个候选雨滴的倾斜方向并构建其概率密度分布函数,利用Mean-shift算法估计该分布函数的峰值,作为检测到的雨滴降落方向,然后,通过方向约束去除候选雨滴中的干扰噪声.最后,文章采用一种加权的重构方法消除雨滴.实验证明,算法能够有效检测并去除各种场景中的雨滴.

视觉自适应多尺度对数色调映射算法

色调映射算法的目的是为了解决高动态范围图像和显示设备的不匹配问题,针对传统的对数映射未考虑到不同亮度刺激值对色调映射的影响,提出一种基于分区的局部色调映射算法,以解决高动态范围图像的显示问题.考虑到人眼对亮度变化的非线性感知特征,用对数图像处理模型对亮度图像进行增强,并利用心理学中韦伯-费希纳定律将图像分为四个区域,根据分区结果用不同尺度的参数的对数映射,以适应不同范围内的图像亮度,最后利用各区域比例因子对图像进行融合,从而实现对高动态范围的处理.实验结果表明,此算法能有效实现动态范围的压缩,保留图像整体对比度,同时又能清楚地再现图像细节.

一种新的基于图论的图像分割算法

传统的基于图论的图像分割方法计算复杂度大,对图像亮度变化比较敏感,且分割效果有待提高。针对传统算法的不足,提出一种新的基于人眼视觉特征的图像阈值分割算法。该算法基于图论和归一化划分准则,并把对数图像处理模型(LIP模型)应用到图像处理中。同时,该算法综合考虑像素的灰度信息和空间位置信息,具有全局性,使分割目标比现有方法更为准确,且时间复杂度适中。实验结果表明,该算法不仅有效地分割出目标来,而且在图像亮度小幅度变化时,效果稳定可靠。

基于Retinex理论的低照度图像增强技术

Retinex算法可以有效改善受环境照度影响的图像质量。针对Retinex算法中存在的光晕、暗区域过增强、亮区域细节丢失与参数较多的问题,提出了一种低照度图像增强算法。基于Retinex理论,在HSV色彩空间,对V分量采用引导滤波与高斯平滑结合的方式估计照度分量,用对数图像处理模型(LIP)运算代替原算法中的对数变换与传统运算,求取反射分量后经灰度变换并恢复为RGB彩色图像。仿真结果表明,该算法可以有效恢复阴影区域的细节,避免上述问题的出现。

基于对数图像处理和二阶微分的图像增强新模型

以对数图像处理数学模型为基础,结合Laplacian图像增强方法,将增强处理后得到的图像和原图像进行适当的加权平均,提出了一种基于对数图像处理和二阶微分的图像增强新模型.该模型具有与人眼视觉特征相吻合的特点,在增强图像高频分量的同时,平滑图像低频分量,控制增强和平滑的比例,达到了图像增强的目的.理论分析和实验结果表明,该模型减小了图像在增强处理迭代过程中产生的误差,是一种比较有效的图像增强方法.

基于加权引导滤波的Retinex刑侦图像增强

为提高低照度刑事侦查图像的质量,提出一种基于加权引导滤波的Retinex刑事侦查图像增强算法。首先,提取刑事侦查图像的亮度;其次,利用加权引导滤波估计光照信息,并用对数图像处理模型增强光照信息;再次,在对数域计算反射层图像;最后,恢复图像彩色,获得最终的增强图像。选取不同场景下的低照度刑事侦查图像进行实验,实验结果表明,与单尺度Retinex算法、多尺度Retinex算法、直方图均衡化算法和引导滤波算法相比,采用提出算法增强后图像的信息熵提高了15%～70%,结构相似性提高了1%～10%,平均梯度提高了3%～11%。提出的算法可以提高低照度刑事侦查图像的质量。

基于模糊变换的射线图像增强算法

运用模糊理论的思想提出了一种基于模糊变换域的射线图像增强算法,该算法利用模糊隶属度函数对中值滤波的结果进行改善,引入对数图像处理模型对模糊线性增强的结果加以优化,使其在抑制噪声的同时显著提高了图像对比度.

基于改进对数图像模型的机场跑道边缘检测研究

为克服传统对数图像处理模型在边缘检测中存在的边缘定位不准确、检测精度差等缺点,对其进行了改进,并采用实拍复杂背景条件下红外机场跑道进行了边缘检测试验,结果表明,改进后算法的目标边缘检测精度明显提高,定位准确,有利于图像的后续处理。

基于对数图像处理模型的低照度图像增强算法

为了解决图像采集或视频监控应用中遇到夜视或背光等低照度的情况,文中从对数图像处理模型出发,结合色彩恒常性理论,提出一种基于人眼视觉特性的低照度图像增强算法。该算法首先将RGB彩色图像转换到HSV色彩空间,利用对数图像处理模型(LIP)算子改进普通空域滤波器对亮度通道进行反射分量的提取,以更好地保持图像高频信息,然后根据局部的背景亮度信息计算放大系数,在LIP模型下对每个像素的光照分量进行增强,以提高图像的亮度和对比度。实验结果表明,新算法基于人眼视觉特性,有效地提高了图像的整体对比度,保留图像的细节信息,有较好的主观视觉感受。

非下采样Shearlet变换与参数化对数图像处理相结合的遥感图像增强

针对部分遥感图像整体亮度偏暗、对比度较低的特点,为提高遥感图像的视觉效果和可解译性,提出了一种基于非下采样Shearlet变换(non-subsampled shearlet transform,NSST)和参数化对数图像处理(parameterized logarithmic image processing,PLIP)模型的遥感图像增强方法。首先,遥感图像经非下采样Shearlet变换分解成低频分量和高频分量;然后依据PLIP模型对其低频分量进行增强,提高图像的对比度;同时利用改进的模糊增强方法对高频分量进行增强,突显边缘细节信息。大量试验结果表明,与双向直方图均衡增强、基于平稳小波变换的增强、基于非下采样Contourlet变换的增强等5种图像增强方法相比,本文提出的方法在主观视觉效果和对比度、清晰度等客观定量评价指标两个方面均有优势,能更有效地提高遥感图像的对比度、增强边缘纹理细节信息,视觉效果更佳。