模糊统计耦合子直方图加权均衡化的图像增强

基于直方图均衡化的图像增强算法易出现过渡增强与棋盘效应,难以保持图像亮度,导致失真等不足,为此提出一种模糊统计耦合子直方图均衡化的抗失真图像对比度增强算法。引入模糊集理论,将图像转变成模糊矩阵;通过隶属度函数与图像灰度水平呈现的概率,嵌入加权函数,构造加权模糊直方图计算模型;利用初始图像的中值,将模糊直方图分割为两个子直方图,定义累积密度函数,构造其变换模型;建立逆变换函数,对其完成解模糊化,输出增强图像。实验数据表明,与当前基于直方图均衡化的图像增强算法相比,该算法显著消除了过度增强与噪声放大,具有更佳的增强视觉质量与抗失真性能,其平均信息内容AIC(average information contents)值最大,自然图像质量评估值NIQE(natural image quality evaluator)最小。

结合边缘细节局部自适应增强的直方图均衡化

在保持图像亮度的双直方图基础上,结合Canny算子提取边缘细节,并根据提取边缘的幅值结果建立自适应增强公式.实验结果表明将空间边缘信息和局部灰度信息相结合的算法在满足全图灰度均衡分布的同时增强了局部细节,并且有较强抗噪性.

局部对比度自适应直方图均衡化图像增强的算法研究

在雾天或者雨天等特殊天气情况下,人们的视野会因为天气因素受到影响,导致观察对象不清晰。一些图像采集系统同样会受到影响,因此,图像的增强研究具有很大应用价值和研究价值。笔者在原有的直方图均衡化的基础上,研究了局部对比度自适应直方图均衡化,改进了原来的整体灰度变化,对感兴趣的局部图像进行均衡化处理。对比不同的算法,可以看到局部对比度自适应直方图均衡化算法在雾天图像增强处理之处有很好的效果。

融合暗通道与直方图均衡化的去雾算法及应用

针对可见光图像在采集过程,由于环境温差的变化导致镜头起雾所引起采集的可见光图像清晰度下降的情况,设计一种暗通道先验和自适应直方图均衡化生成图像进行加权融合的去雾算法,并将其用于植物采收机器人的去雾复原处理上。使用暗通道先验理论,得到大气光强和透射率,完成暗通道方法的去雾复原处理,再对原图进行限制对比度的自适应直方图均衡化,将两幅图像进行加权融合,使得生成的图像更加清晰。实验结果表明,该方法能够有效地完成图像去雾工作,与经典算法相比能得到更多的信息,图像更加清晰可见,具备一定的优异性。

改进后的Otsu自适应背景分离的局部直方图均衡化增强算法

Otsu自适应背景分离的局部直方图均衡化增强算法是综合改进后的Otsu自适应背景分离算法和局部直方图均衡化增强算法的一种新处理方法,首先,利用改进后的Otsu算法对图像进行目标区域和背景区域的分离,然后利用分离出来的目标区域进行直方图均衡化处理。实验结果表明,图像经过处理后,目标区域对比度明显增强。

基于局部熵-局部对比度和双区域直方图均衡化的红外图像增强

为了改善红外图像的视觉效果,突出细节信息,同时抑制噪声。提出了结合改进的LC显著性检测和双区域直方图均衡化的红外图像增强方法。首先使用结合局部熵加权的LC显著性检测算法得到显著图。然后使用K-means算法对显著图进行自适应分割得到前景区域和背景区域。最后对前景区域进行结合局部方差的改进直方图均衡化,对背景区域使用限制对比度直方图均衡化增强。实验结果表明,与当前主流算法相比,本文算法主观效果更佳,且峰值信噪比、结构相似性、信息熵等客观评价参数均有所提升。

基于多尺度局部直方图均衡化的矿井图像增强方法

针对当前常用的直方图均衡化、基于Retinex理论、基于同态滤波、基于小波分析等矿井图像增强方法存在欠增强、过增强等问题,提出了一种基于多尺度局部直方图均衡化的矿井图像增强方法。根据HSI颜色空间图像的颜色分量(色调分量、饱和度分量)与亮度分量相互独立特性,将矿井低照度RGB图像转换到HSI颜色空间;采用双边滤波将亮度分量分解为光照图像和反射图像;对光照图像进行小、中、大3个尺度分块,对图像块分别进行局部直方图均衡化处理,以提升图像亮度和对比度;对反射图像进行8方向梯度增强,以丰富图像的纹理边缘;将经多尺度局部直方图均衡化的光照图像和方向梯度增强的反射图像进行Retinex反变换,得到增强的亮度分量,将其与色调分量和饱和度分量转换至RGB颜色空间,得到增强的矿井图像。采用煤矿井下实际监控图像对基于多尺度局部直方图均衡化的矿井图像增强方法进行实验验证,对其增强效果进行主客观评价。结果表明:该方法与现有图像增强方法相比,在图像亮度和对比度方面均有更大的提升,细节信息更丰富,信息熵提升7.23%以上,平均梯度均值提升31.6%以上,具有更好的图像增强效果。

自适应加权直方图均衡化的红外图像增强

鉴于现有的红外图像增强方法存在欠增强、过增强和放大噪声等缺陷,提出了自适应加权直方图均衡化的红外图像增强方法。该方法提出了直方图的自适应加权系数,其反比于每个灰度级对应直方图频次的平方根,适当地提升频次较小的直方图,而适当压制频次较大的直方图。用自适应加权系数对各个灰度级的直方图频次进行加权后,进行直方图均衡化处理,最后经灰度级映射得到增强图像。实验结果显示,相对于现有的方法,本方法的增强图像对比度更高,边缘细节信息更丰富,信息熵、平均梯度和标准差分别比现有方法高出0.23、2.2和3.7以上。因此,本文方法的红外图像增强效果优于最新提出的现有方法。

一种基于定向局部直方图均衡化的显微图像清晰度判定方法．

针对现存的图像清晰度判定方法对光照鲁棒性不太理想这一问题，本文提出一种基于定向局部直方图均衡化（OLHE）的方法，使得这一问题得以解决。首先，根据定向局部直方图均衡化具有边缘方向这一特性，用不同的算子对不同区域图像进行处理，得到最佳的OLHE图像；然后，用现存的图像清晰度判定方法对图像进行清晰度判定。本文用显微图像进行测试，实验证明，该方法对光照具有较强的鲁棒性，能判定光照不一致图像的清晰度，稳定度平均能提高87．66％，最高可达到99．28％

“直方图”均衡化图像增强技术研究综述

均衡化即等可能分布,以均衡化指导思想的图像增强方法内涵丰富,意义深远,应用广泛。直方图均衡化(Histogram Equalization,HE)算法在图像增强中具有很强的代表性,近几年研究人员在此基础上又进一步拓展了均衡化思想在图像增强领域的应用。不过,目前缺乏针对直方图均衡化技术较为全面的综述评论性文章,以均衡化思想为主线,对于相关改进工作,分为五类技术,并分析了各类技术的典型算法,最后指出了今后可能的研究方向。

改进的直方图均衡化算法在图像增强中的应用

在数字图像处理过程中,针对直方图均衡化算法增强图像,提出了一种改进的直方图均衡化算法,应用于图像增强。该算法结合全局直方图均衡化、局部直方图均衡化特性,利用增量式直方图均衡化,从处理方法上对直方图均衡化算法进行了改进。实验结果表明,文中提出的方法能更有效的增强图像,去除图像噪声,为后续有效的识别特征提供了基础,同时提高图像目标识别的效果。

基于加权直方图均衡的红外图像增强方法

针对红外图像特点和传统直方图均衡增强方法的不足,提出了一种改进的直方图均衡增强方法。先采用所提出的加权函数对红外图像各灰度级直方图进行调整,其中对背景区低灰度级的直方图进行缩小,对目标区高灰度级的直方图保持不变,然后进行均衡化处理。实验结果表明,本文提出的方法有效地压制了背景噪声,提高了目标对比度,综合性能优于传统直方图均衡和双平台直方图均衡方法。

基于局部背景加权直方图的目标跟踪

针对传统的颜色直方图和加权颜色直方图跟踪算法难以在复杂环境下对目标进行有效跟踪的问题,提出了一种基于局部背景加权直方图的目标跟踪算法,该算法将目标的局部背景看作上下文,将其引入目标表征。在粒子滤波跟踪算法框架下,用局部背景加权直方图来表征目标,以增强目标与背景的鉴别性,从而突出目标区域内的前景信息。各种场景的实验结果比较表明,提出的跟踪算法比传统的颜色直方图和加权颜色直方图跟踪算法具有更好的稳定性和鲁棒性,特别是针对目标被局部遮挡及跟踪环境光照变化较大等情况。

直方图均衡化的数学模型研究

从图像最优对比度出发,提出直方图均衡化的一类最优化数学模型及其增强方法.针对线性规划求解基于最优对比度的图像增强法效率极低的不足,首先对传统直方图均衡化方法建立灰度级映射的最优化数学模型;其次提出了传统直方图均衡化的一种改进型灰度级映射最优化模型;最后探讨了灰度级映射最优化模型解具有的性质,以及传统直方图均衡化和可调直方图均衡化可视为本文方法的特例.实验结果表明,本文所提出直方图均衡化的一类最优化模型是合理的且能获得满意的增强效果,相比传统直方图均衡化和可调直方图均衡化方法更具普适性.

多尺度自校正双直方图均衡化红外图像增强

针对红外图像增强过程中容易饱和、细节丢失等问题,提出一种参数自设定的双直方图均衡化方法。根据灰度级累积概率密度黄金比例值将原始图像划分为两个独立的子图像。结合原始图像曝光度和子图像灰度级区间信息,对每个子图像的直方图进行多尺度自适应加权校正。基于校正后的直方图,对每个子图像分别作均衡化映射变换,最后合并子图像获得增强图像。在红外图像公开数据集INFRARED100上进行的测试显示,与亮度保持双直方图均衡化(Brightness Preserving Bi-Histogram Equalization,BBHE)、带平台限制的双直方图均衡化(Bi-histogram Equalization with a Plateau Limit,BHEPL)、基于曝光度的双直方图均衡化(Exposure based Sub-image Histogram Equalization,ESIHE)方法相比,所提方法增强的图像具有合适的平均对比度和更大的平均信息熵,在峰值信噪比(Peak Signal-to-Noise Ratio,PSNR)、结构相似度(Structural Similarity,SSIM)、绝对平均亮度偏差(Absolute Mean Brightness Error,AMBE)指标上平均提升至少17.2%、4.0%、56.2%。实验结果表明,所提方法对不同亮度特征的红外图像都有良好的适应性,可有效增强红外图像对象和背景之间的对比度,在噪声抑制、亮度和细节保持等方面优于同类方法。

基于改进的直方图均衡化与边缘保持平滑滤波的红外图像增强算法

为了提高红外图像的全局与局部对比度,并有效抑制背景噪声,提出基于改进的直方图均衡化与边缘保持平滑滤波的红外图像增强算法。引入边缘保持平滑滤波,将低质量红外图像分解为一个低频分量和一个高频分量序列;基于模糊统计理论,利用红外图像的强度等级的不确定性,形成平滑直方图,确定出局部最大值,利用优化的平台直方图对低频分量完成增强;根据高频分量的标准差,将其高频分量分类为强边缘、中边缘与弱边缘系数,再设计三个不同的增强方法,对这三类系数进行差异增强,从而得到增强的高频分量序列;将增强的低频分量与一系列的高频分量完成组合,形成增强图像;引入非局部均值滤波,对增强图像实施降噪处理。测试结果表明:与当前低质量红外图像增强方案相比,该方法拥有更高的增强视觉质量,更好地兼顾全局与局部对比度,消除过渡增强、伪影与噪声,且输出图像具有更大的熵值与标准偏差值,分别保持在6.8、5.3以上。

基于直方图加权HCBP的人脸表情识别

针对局部二值模式(Local binary pattern,LBP)及其改进算法所提取的特征维数过长、局部特征描述不够充分的缺点,提出了一种基于直方图加权HCBP(Haar-like centralized binary pattern,HCBP)的人脸表情识别方法。首先将人脸图像分成大小均匀的若干子块,利用HCBP算子提取各子块的纹理特征;然后通过信息熵的计算求得各子图像的权值,将加权子块HCBP特征直方图和原图像的HCBP直方图进行联合作为表情特征;最后,使用最近邻分类器对特征进行分类。Haar型特征与CBP相结合使得本文特征提取算法对局部特征的描述更为充分,信息熵的引入区分了人脸不同部位对表情的贡献程度。通过在JAFFE和Cohn-Kanade人脸表情库的实验证明:本文方法具有更高的识别率和识别效率。

非局部均值加权的动态模糊Fisher分类器的遥感图像变化检测

提出一种新的变化检测算法,利用改进的动态模糊Fisher分类器,通过对多时相图像的联合直方图进行分类得到变化区域。在此基础上,根据图像空间关系对待检测点进行非局部均值加权,并以一定比例选取可靠性高的数据先进行标类,增加数据的可分性和算法的可靠性。根据更新后的样本动态调整待检测点权重及分类器参数,直到所有点判别完毕为止。本算法不受参数模型限制,不受差异算子影响并充分利用图像的空间与时间信息。真实遥感数据试验表明本算法提高了检测精度。

基于局部分块和背景加权的视觉跟踪算法

针对视觉运动目标的鲁棒跟踪问题,提出了一种基于局部分块和背景加权的跟踪算法。首先对目标的前景和背景区域进行分块采样,然后利用基于积分直方图的局部快速穷搜索算法计算每一个分块在当前帧中的后验概率图,最后对后验概率图确定的对应分块的搜索结果赋予不同的权值,进而计算出目标在当前帧中的位置。实验结果表明:基于局部分块加权的跟踪算法比单纯的背景加权跟踪和分块跟踪具有更高的跟踪精度和成功率,且算法复杂度较低。

融入二值模式优化的背景加权直方图目标跟踪方法

Mean shift算法是一种重要的目标跟踪方法。本文在充分研究Mean shift算法的基础上,发现传统的跟踪算法缺乏描述目标的信息,且易受到光照变化等因素的影响,可能直接导致目标跟踪的失败或者带来较大的误差。本文首先计算目标图像区域中基于局部二值模式(LBP)的纹理特征模型,然后在建模目标模型和候选目标模型时采用一种加权背景直方图的方法。该方法能充分考虑目标附近的背景干扰以及背景信息,能有效降低背景和目标位置的相关性。实验表明,改进的方法能有效提高目标的跟踪精度。