基于反转的限制对比度自适应直方图均衡图像去雾改进算法

为了解决HE算法经直方图均衡处理后可能出现的噪声放大,CLAHE算法效率降低而且极其耗时这一问题,提出一种基于反转的限制对比度自适应直方图均衡图像去雾改进算法。雾天图像具有整体偏白色的这一特征,其反转后与低照度图像的特征相类似,对反转后的图像进行改进后的限制对比度自适应直方图均衡亮度增强,再进行反转得到无雾图像。该改进算法不仅解决了噪声放大问题且快速有效。

基于改进的限制对比度自适应直方图的视频快速去雾算法

针对雾天视频图像对比度低、可视性急剧下降的特点,提出一种改进的限制对比度自适应直方图均衡化的视频实时去雾方法。将图像从RGB空间变换到HIS空间,根据模块之间的相似性进行自适应更新,提高图像中心的像素值权重。使用预定义的阈值裁剪直方图,限制噪声的放大和局部对比度的过增强,确保对视频图像处理的快速性。与传统方法进行比较,多组实验结果表明,该方法在信息熵、平均梯度、方差等指标上具有明显的优越性,可以有效去除朦胧,增强雾天图像的层次感;计算复杂度低,可以满足实时性应用的要求。

范围限制的自适应亮度保持多阈值直方图均衡算法研究（英文）

针对目前直方图均衡算法难以实现,且易造成亮度饱和等问题,本文提出了一种范围限制的自适应亮度保持多阈值直方图均衡算法。首先,对输入图像进行适当平滑,从而获得它的直方图峰值点个数(N+1)。然后,对Otsu算法进行N阈值扩展,并通过这种方法获得图像的N个分割阈值,从而按照此阈值对图像进行分割。为了能够最大程度地保持输入图像的亮度,利用输入图像和输出图像的均值亮度最小误差(AMBE)准则,重新计算了图像的均衡范围。最后,利用新的均衡范围分别对每一个子图像进行均衡。实验表明,使用本算法处理Lena图的绝对均值亮度误差为0.416 4,明显优于使用RLBHE算法的0.629 5。本算法能够获得更清晰的图像细节,同时图像的整体亮度保持的也较好。

基于衰减补偿与反转CLAHE的水下图像增强算法

为解决水下环境复杂、光线散射且亮度不足导致的水下图像失真、对比度降低与图像细节信息较为模糊等问题,设计了一种新衰减补偿方式校正水下图像的颜色。依据各颜色通道的衰减特性差异解决颜色失真问题,对像素总值最大颜色通道使用传统拉伸方式,对像素总值最小与像素总值居中的通道采用三通道平均值与中间通道的差值作为补偿。用CLAHE算法进行对比度增强,对于低亮度水下图像采用反转CLAHE算法:RGB图像转换为LAB颜色空间对L亮度直方图的变换,通过改进的canny算子提取图像边缘细节信息,加权融合得到最终增强图像。通过与不同算法的对比实验证明,提出的算法增强的水下图像视觉辨识度较高,颜色更自然且图像细节较为清晰。

基于小波变换与反锐化掩模的图像对比度增强

针对传统空间域图像对比度增强算法存在灰度级空间分配不合理和噪声敏感的问题，基于图像的局部细节信息分析，提出了一种新的基于小波变换和反锐化掩模（UM）的图像对比度增强算法。该算法以小波变换作为工具，运用反锐化掩模的思想，计算出代表局部细节信息且同时考虑了图像中的噪声信息的统计量，然后将这一新的统计量作为重新分配灰度级空间的依据，使图像的整体对比度得到有效增强。从实验和数据分析的结果看出，这种新的算法要明显优于传统的全局直方图均衡（GHE）算法和UM算法的处理结果，它不仅使图像的对比度得到了有效增强，而且也使图像的噪声相对得到了明显的抑制。

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。

改进YOLOv5s的弱光水下生物目标检测算法

针对水下光学图像目标检测过程中由于水中光线衰弱严重、图像环境复杂和拍摄设备移动等造成的生物识别精度低的问题,提出了基于改进YOLOv5s的弱光水下生物目标实时检测算法YOLOv5s-underwater。针对弱光水下光线衰弱的问题,引入了限制对比度自适应直方图均衡(CLAHE)算法对输入图像进行预处理,解决了颜色失真和图像毛糙的问题。针对复杂的弱光水下图像环境,提出了快速空间金字塔池化(SPPF)模块,解决了水下物体区分度低和特征损失严重的问题。针对拍摄设备移动带来的场景和形态变化问题,提出了一种基于旋转窗口的Swin-Transformer模块,提高了模型的泛化能力。针对水下小目标,修改了网络模型结构,提高了小目标的检测能力。仿真和实验结果表明:所提算法相较于YOLOv5s检测精度提高30.7%,证明了算法的有效性。

基于CLAHE的铝模天花样本图像增强算法研究

在拍摄铝模天花图片过程中,光线暗、曝光不足都是造成图片整体亮度偏低的原因,使得图片丢失边缘细节信息。为了改善图像视觉效果,设计一种改进的直方图均衡化技术,即限制对比度自适应直方图均衡(CLAHE)算法。从计算初始直方图开始,对每个像素的出现频率都进行记录,汇总后得到初始直方图。在初始直方图的基础上,计算出正规化直方图和累计直方图并且求均衡化的映射关系,然后将结果写入新图像中。实验结果表明,经过CLAHE增强处理后,抑制了干扰区域,突出了图片中的特征点。与单独的直方图均衡算法相比,CLAHE能非常有效地提高铝模天花图像的清晰度与对比度。该算法易于实现,经济划算,具有实际应用价值。与当前主流算法相比,CLAHE算法效果更佳。

基于间断性Gamma校正的粘连蚕茧分割方法研究

目前,蚕茧分割计数研究主要针对大小几乎完全相同的蚕茧,难以应对大小差异较大的情况。针对上述问题,采用图像增强的方法提取蚕茧表面并进行蚕茧的粘连分割。首先,将原图直接转化为灰度图像进行腐蚀处理,通过Gamma校正使得图像灰度值收缩;其次,通过限制对比度自适应直方图均衡化(CLAHE)方法提高蚕茧图像与其背景区域的灰度差,使其进一步分离;再利用高斯滤波和腐蚀方法平滑并收缩蚕茧图像,根据亮度数据进行第二次Gamma校正以调整对比度;最后,通过二值化处理统计连通域个数得出蚕茧数量。实验结果表明,所提方法针对大小蚕茧分割适应力较强,平均准确率高达99%。

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。

面向室内弱光环境的视觉与惯导融合算法研究

针对视觉惯性里程计算法在低光照或黑暗等复杂条件下定位精度差的问题,提出了一种基于多状态约束卡尔曼滤波(MSCKF)算法的适应弱光环境的视觉惯性里程计算法。结合离散余弦变换(DCT)同态滤波和限制对比度的自适应图像均衡化处理图像,然后将增强后的图像应用于MSCKF中,计算出精确的初始位姿估计。基于多状态观测约束策略计算特征重投影误差,以更新系统状态。该算法在公开数据集EuRoC上进行了测试。结果表明,不管在正常光照还是弱光照的场景下,该算法相较于原始算法精度均有所提升,最大均方根误差从1.778 m降低到0.249 m,平均均方根误差降低57.7%。

融合边缘信息的对比度增强算法

针对红外图像中对比度低,细节不清晰,视觉效果模糊等问题,提出一种结合边缘信息的对比度增强算法。首先,使用引导滤波将原始红外图像分解为基础图像和细节图像,并且通过使用对比度限制的直方图均衡来处理基础图像,提高图像对比度,克服“过度增强”现象;利用Gamma变换处理细节图像,增强细节信息;再将处理后的两幅图像融合成图ImageSD;然后为了有效地改善ImageSD的亮度不均匀的现象,对原始图像进行自适应直方图均衡和拉普拉斯锐化滤波;最后,将两个图像进行线性加权并融合以重建出最终的红外图像。结果表明,该方法可以更好地提升原始图像的对比度,丰富细节信息。

低对比度胸片中管线检测方法

一般在重症监护病房中常用便携式胸片机来辅助医生监控患者的病情进展,了解各种医用管线在病人体内的具体位置。但便携式X光机得到的胸片有着低对比度、噪声多的缺陷,且胸片中的管线并不清晰,使得医生不便于观测管线的位置。文中提出一种在ICU病房中胸片的管线检测方法,在得到病人的胸片后,使用对比度限制的自适应直方图均衡化处理方法来调整对比度,再对其进行双边滤波来去除噪声,同时增强管线的细节信息,然后再做管线检测。将文中方法应用在100余张便携式胸片中,结果显示所提方法可有效检测医用管线,且有效准确率接近90%。

一种优化的迭代反投影超分辨率重建方法

针对现有超分辨率重建方法存在重建的高分辨率图像具有边缘结构不清晰、高频信息提升有限的问题,提出了一种结合迭代反投影(iterative back-projection,IBP)与限制对比度自适应直方图均衡化(contrast limited adaptive histogram equalization,CLAHE)的遥感图像超分辨率重建方法。通过结合迭代反投影与限制对比度自适应直方图均衡的超分辨率重建方法重建高分辨率遥感影像,增加重建图像的纹理细节信息,并利用灰度信息与梯度特征的能量优化模型对重建图像进行优化处理。本文以不同地貌类型遥感图像为实验数据。实验结果表明,该重建方法与经典迭代反投影方法相比,纹理细节丰富,边缘结构清晰,与非局部迭代反投影(nonlocal iterative back-projection,NLIBP)相比,客观质量评价指标均有明显改善,验证了该方法具有较好的普适性与鲁棒性。

通道修正均衡化的水下图像增强算法

水中介质和微粒的影响导致光波传播衰减和散射,在成像过程中水下图像会出现模糊和色偏等情况,这些水下成像退化的情况给水下的目标识别、目标跟踪、特征提取等应用带来困难.针对以上问题,本文提出了一种基于通道修正均衡化的暗通道先验(CCD)水下图像增强算法:首先是对色偏的水下图像进行通道修正均衡化,利用直方图强度中心做一个映射,并将映射的三通道信息融合到限制对比度自适应直方图均衡化中,改善了图像色偏和对比度不足的情况;其次是通过暗通道先验算法进行去模糊,通过水下增强图像数据集的实验表明, CCD比现有算法更有效地应对了水下图像成像退化问题,取得了更好的图像质量指标;此外,在特征检测预处理步骤中,本文方法能够将检测特征点数提高约1.88倍.

基于改进迭代反投影算法的遥感影像超分辨率重建

针对单帧遥感影像进行超分辨率重建时,重建图像存在偏暗、纹理边缘不清晰等问题。在分析限制对比度直方图均衡化算法后,提出一种将上述算法与迭代反射投影算法相结合的改进方法。Matlab仿真实验结果表明,这种结合的算法既能提升图像对比度,其信息熵也优于传统的迭代反投影算法。

基于Faster-YOLOv7的带式输送机异物实时检测

基于深度学习的目标检测算法在异物检测中具有较好的识别效果,但模型内存需求大,检测速度慢;轻量化深度学习网络能够大幅减少模型内存需求,提升检测速度,但在井下弱光环境中检测精度低。针对上述问题,提出了一种基于Faster-YOLOv7的带式输送机异物实时检测算法。通过限制对比度自适应直方图均衡化算法(CLAHE)进行图像增强,提高弱光环境中异物对比度;基于Mobilenetv3对YOLOv7主干网络进行轻量化设计,减少YOLOv7模型的计算量、参数量;添加有效通道注意力机制,缓解因特征通道数减少而导致的高层特征信息丢失问题;采用Alpha-IoU作为损失函数提高异物检测精度。实验结果表明:(1)Faster-YOLOv7的初始损失为0.143,最终稳定在0.039左右。(2)Faster-YOLOv7的检测速度可达42帧/s,较YOLOv5、YOLOv7分别提升了17,20帧/s;Faster-YOLOv7内存为14 MiB,较YOLOv5、YOLOv7分别降低了29,57 MiB;检测准确率达91.3%,较YOLOv5提升了8.8%。(3)将SSD、YOLOv5、轻量化YOLOv7、Faster-YOLOv7目标检测算法应用到煤矿井下带式输送机运煤图像及视频中,发现SSD在视频检测时发生了漏检现象,YOLO系列模型均有效地识别出待测异物,且Faster-YOLOv7识别结果的置信度更高。

基于图像融合的水下光照不均匀图像增强算法

在水下探测过程中,环境光照条件多变,采集的图像中由于光照不均匀,会导致一些重要的细节信息无法被表达甚至丢失,严重影响了图像的视觉效果及其用途。针对上述问题,提出一种改进的水下融合算法,将自适应伽马校正算法,MSRCR算法,CLAHE算法,锐化算法和水下图像融合增强算法相结合。通过自适应伽马校正算法改善图像光照不均匀区域;通过CLAHE扩大局部对比度,降低噪声;利用MSRCR算法弥补由于局部对比度增大造成的颜色失真;利用图像锐化弥补伽马校正造成的细节损失;通过图像融合算法融合不同图像的优势。实验结果表明,文中算法可以较好地解决光照不均匀和色偏的问题,改善图像的对比度,提升图像整体的视觉效果。

基于自适应容差优化的暗通道去雾算法

针对暗通道先验理论对透射率、大气光值估计不准确及去雾后图像亮度降低等问题,提出一种算法。在暗通道先验理论的基础上,利用引导滤波对有雾图像进行平滑,通过限制对比度自适应直方图均衡化算法处理平滑后的图像,恢复由于雾产生的色差,选取较为准确的大气光值;引入Brenner清晰评价标准自适应确定容差值,实现对透射率的修正;将有雾图像与清晰图像加权融合,保存图像更多细节;在YUV颜色空间中调节亮度分量Y,改善图像亮度。实验结果表明,该算法可有效改善有雾图像的亮度过高与清晰度过低的问题,与其它算法相比,在保留图像细节处相对更完整,图像整体去雾效果更佳。

基于Faster R-CNN的肺炎目标检测

针对肺炎图像中病灶组织与正常组织难以区分,导致的肺炎检测准确率低的问题,提出一种基于改进Faster R-CNN的肺炎目标检测算法。通过CRP-CLAHELS的流程在增强图像对比度的同时提取图像的边缘特征,提出IN-ResNet50网络作为特征提取主干网络,提取更丰富的图像特征。在此基础上,引入Soft-NMS改进候选框合并策略,提高网络在多个目标肺炎区域下的检测准确率。在RSNA数据集上的实验结果表明,该算法相比Faster R-CNN平均精度均值提高7.26%,与其它目标检测主流算法SSD、YOLOv3相比平均精度均值分别提高8.83%、7.02%,验证了其有效性。