局部特征与全局信息联合的自适应图像增强算法

针对传统基于修正直方图的图像增强算法不能兼顾局部特征和全局信息的问题,提出一种局部特征与全局信息联合的自适应图像增强算法.该算法将增强分为局部增强和全局增强两部分,局部增强利用像素的邻域信息和局部与全局对比度的比例信息作为幂次变换的伽马值,对图像进行伽马校正,提高图像的亮度和局部对比度;全局增强利用区域相似直方图统计抑制噪声,避免过度增强.实验结果表明,本文算法在客观性能上优于其它传统图像增强算法,并且可以有效提高复杂光照下人脸图像的检测率.

一种新的红外图像的去噪和增强算法

针对红外图像信噪比小的特点,提出一种基于Prewitt算子的改进方向中值滤波(IDMF,Improved Directional Mecdian Filter)去噪算法,通过Prewitt算子计算目标背景过渡区域(TBA,Target-and-Background Area)的梯度方向,以此找到对应的轮廓方向,在轮廓方向上进行中值滤波,在滤除噪声的同时可以较好地保留图像细节.同时,针对红外图像的灰度分布集中且对比度小的特点,提出了一种局部对比度增强和全局对比度增强相结合的增强算法.首先采用Roberts交叉梯度算子进行局部对比度增强,再通过分段非线性变换函数进行全局对比度增强.实验结果验证了该方法的有效性.