基于自适应直方图均衡化耦合拉普拉斯变换的红外图像增强算法

当前较多红外图像增强方法利用图像灰度特征增强图像,这类方法忽略了图像灰度分布的不均匀性,导致增强结果存在细节丢失和对比度不理想等问题,为了克服上述问题,提出了一种自适应直方图均衡化耦合拉普拉斯变换的红外图像增强算法。将输入图像进行均匀分割后,借助洛伦兹曲线的基尼系数,求取了图像灰度分布的不均匀性程度,从而构造了自适应的上、下限阈值,用于对图像进行自适应直方图均衡化,以实现对图像进行对比度增强;引入平滑滤波方法,去除图像中的噪声。并在传统拉普拉斯变换的基础上,融入图像像素值的对角二阶导数信息,形成8邻域拉普拉斯变换,以完成图像边缘等细节内容的锐化处理,以增强图像清晰度;利用本算法对不同红外图像进行了增强实验,结果显示,本算法具有更好的增强质量,其输出图像拥有更高的对比度和清晰度,呈现出更好的视觉效果。

受限直方图均衡化的低频DCT系数重变换算法

针对现实人脸识别中由于光照、表情、姿态或其他物体引起的面部遮挡而严重影响识别率的问题,提出了受限直方图均衡化的低频DCT系数重变换算法。首先,将图像划分成多个互不重叠的局部小块,使用受限直方图均衡化对局部子块进行局部对比拉伸以实现去噪;然后,通过缩减适当数目的低频DCT系数来消除人脸图像中的光照变化;最后,利用核主成分分析进行特征提取,最近邻分类器完成最终的人脸识别。在ORL、扩展Yale B及1个户外人脸数据库上的实验验证了所提算法的有效性及鲁棒性,表明相比几种线性表示算法,本文算法在处理鲁棒人脸识别时取得了更高的识别率。

傅里叶变换下的直方图均衡化图像特征识别算法的研究

针对当前众多的智能识别系统中,通常需要通过一定的数学算法来实现一些特定的智能控制和模式识别,使得研发出来的产品具备较高的智能化程度。论文提出了傅里叶变换下的直方图均衡化图像特征识别算法的研究。通过对傅里叶算法的原理进行分析,明确了傅里叶变换在提取图像频谱信息时的作用;然后对图像频谱信息进行研究,确定了图像频谱图与识别特征的关系;接着对直方图均衡化的方法进行了分析,研究了利用直方图均衡化对图像中特征进行识别的实现方法。最后,对论文所设计的图像特征识别算法进行了实验结果分析,表明了论文所设计的特征识别算法具有较高的识别准确率。

变换的直方图均衡算法在图像增强中的应用

常规直方图均衡化增强后的图像在高灰度区有过亮的感觉.为此,本文对常规的直方图均衡化算法进行了改进,采用变换的直方图均衡化算法抑制这一缺陷.实验结果表明,变换的直方图均衡化算法较常规算法具有更好的效果.

一种结合直方图均衡化和MSRCR的图像增强新算法

为便于集成电路(IC)真实缺陷形貌图的缺陷特征提取,提出了一种结合直方图均衡化(HE)和多尺度Retinex彩色恢复(MSRCR)算法的彩色图像增强新算法.用直方图均衡化对彩色图像进行增强,可以显著提高对比度,但会降低原图的信息熵;用Retinex算法对彩色图像进行增强,可以显著提高暗区域的细节,但会产生泛白、颜色失真和对比度低的现象.新算法根据两种算法处理结果的特点,将图像先分别进行HE增强和MSRCR增强,然后按照一定的图像融合规则进行加权融合,经过大量的测试统计,得到了一个最佳权重.实验证明,改进的算法使图像的亮度、对比度、细节等都有很大的增强,不仅改善了图像的整体视觉效果,而且得到了最大的信息熵,能更好地刻画IC缺陷细节,有利于后续的目标检测和缺陷特征提取,并验证了算法的通用性.

改进的直方图均衡化图象增强算法

给出了一个改进的直方图均衡化图象增强算法。应用该算法对医学细胞图象进行增强处理，取得了较好的处理效果。

结合视觉特性与灰度拉伸的直方图均衡化红外图像算法

针对现有的红外图像均衡算法存在数据丢失与清晰度低等问题,根据直方图与人眼视觉特性,提出一种结合视觉特性与灰度拉伸的直方图均衡化红外图像算法。采用截距和平滑法对直方图进行预处理,根据人眼的视觉特性对直方图进行背景与目标的区别,根据直方图均衡化实现算法的增强效果。实验结果表明,在不同复杂度的红外图像中,该算法均能够表现出良好的增强效果,对于具有明显边缘的图像,其图像增强效果最佳。

提升小波变换域矿井光照不均匀图像双直方图均衡化增强

由于矿井光照不均匀,加之大量粉尘附着于监控摄像头表面,导致获取的视频图像对比度不高且含有大量随机分布的颗粒状噪声。为提高该类图像的对比度,充分发挥矿井视频监控系统的效能,基于提升小波变换(Lifting wavelet transform LWT),提出了一种矿井不均匀光照图像的自适应增强算法。首先采用直方图规定化算法(Histogram specification,HS)对获取的矿井图像进行初步增强;其次对初步增强后的图像进行提升小波变换,由于图像中的随机噪声主要集中分布于高频小波分解系数中,低频小波分解系数基本不存在噪声,故保留低频小波分解系数,对高频小波分解系数提出了一种基于反正弦函数的改进阈值函数去噪模型进行噪声抑制;然后对低频小波分解系数和去噪后的高频小波分解系数进行重构,得到不含噪声的矿井图像;最后采用双直方图均衡化算法(Bi-histogram equalization,BHE)对去噪后的图像进行进一步增强。将所提算法分别与直方图规定化、反锐化掩膜、小波阈值去噪等算法进行性能对比,并采用峰值信噪比(Peak noise to ratio,PSNR)、均方根误差(Root mean square error,RMSE)以及边缘保持指数(Edge protection index,EPI)等指标对试验结果进行评价,结果表明:所提算法对于矿井光照不均匀图像的处理效果相对于其余算法而言效果较优,对于高效处理矿井视频图像有一定的参考价值。

基于直方图均衡化与拉普拉斯的铅条图像增强算法

为了解决由于X射线图像特征微弱,导致铅条成像不清与检测错误的问题,融合多种增强模式,设计一种基于直方图均衡化与拉普拉斯的铅条图像增强算法。首先,基于二进制读图与图像通道位操作,将12bit原始裸数据转换为三通道RGB图像。然后,耦合直方图均衡化与对数变换函数,得到预增强图像。随后,结合拉普拉斯增强算法与伽马变换函数,设计增强模型,完成X射线图像特征的增强,输出增强的铅条图像。最后,在Visual Studio开发平台上利用C++语言调用OpenCV开源库函数编程实现算法。测试结果显示,与当前目标增强算法相比,所提方案具有更高的增强质量。

直方图均衡化技术在矢量等值填充图中的算法及实现

在研究栅格图像直方图均衡化算法的基础上,提出了矢量图形直方图均衡化算法,并在MAPGIS平台上实现了等值填充图的自动均衡化软件功能,能够根据不同的成图数据和等值层数,自动完成等值区分割和层值计算,并将层值自动导入到MAPGIS DTM分析模块中完成图形绘制,大大提高了成图质量和效率。实践证明,矢量图形直方图均衡化算法具有良好的应用效果。

直方图与色调均衡化算法对图像像素的影响研究

通过对图像像素位深度的理解,提出了直方图各项参数指标和色调均衡化的算法,并利用直方图统计信息对图像色调进行均衡化调整,从而获得多种不同的结果,以扩展图像可视方案。

对比度受限下直方图均衡化处理的木板纹路图像增强算法

在木板纹路识别的工程应用中,光照不均匀等因素会产生对比度差的木板图像,将影响木纹的准确识别,针对此现象采用改进的对比度受限自适应直方图均衡化方法(contrast-limited adaptive histogram equalization,CLAHE)对木板纹路图像进行增强处理,首先借助加权平均灰度化对原始图像进行灰度处理,再利用CLAHE算法将灰度图像分割成若干个大小相等连续的子块,选取合适的阈值对每个子块的直方图进行截取,将超过阈值的像素均分到其他的灰度级中,使用双线性插值对图像进行插值运算,得到对比度受限下直方图均衡化图像,最后使用双边滤波器(bilateral filter)对均衡化图像进行降噪保边处理。共用600幅木板图像,其中450幅图像作为训练集图像,150幅作为验证集图像,通过平均绝对误差(mean absolute error,MAE),峰值信噪比(peak signal to noise rate,PSNR)以及最终实验结论对比CLAHE算法和其他一些常规算法,工程运行结果表明:CLAHE方法处理木板纹理图像具有较好的运行效果,为木板纹理的准确识别提供了理论依据。

基于改进直方图均衡化和SSR算法的灰度图像增强研究α~←

为了提高偏亮和偏暗图像的增强效果,提出了一种改进的直方图均衡化和SSR算法相结合的灰度图像增强方法。对原始图像进行改进直方图均衡化增强,提取低频分量进行直方图均衡化,与高频分量融合;对原始图像进行SSR算法增强;将得到的2个图像进行加权融合。结果表明:新方法得到的图像比原始图像细节特征突出,视觉效果明显改善;对比度和信息熵得到提高、亮度得到调整。在医学X射线图像上验证了其可行性,与其他增强算法相比,新方法更有利于图像的准确分析。

基于亮度均衡化和仿射变换的交通标志图像修复研究

自动驾驶技术是当前人工智能的研究热点,其中交通标志的正确识别是机器的重要判断依据,但是在自然场景中交通标志图像具有颜色偏差、形状变形、遮挡等一系列问题,导致识别不准确。对于这个问题,提出了亮度均衡化和仿射变化的方法,首先采用HSV颜色空间,提取对应的颜色,再针对亮度信息进行直方图均衡化方法,解决颜色偏差问题,随后使用仿射变换,分别对三角形和圆形的图像进行形状的矫正,并实现背景的去除。实验部分采用占用机器资源较低的HOG+SVM检测方法进行检测,结果表明,和传统的方法相比,该方法在识别率上有20%左右的提升。由此证明,对交通标志图像进行有针对性的修复,对于识别率的提高有着比较大的意义,因为其占用机器资源较低,也给当前深度学习等占用机器资源较多的交通标志识别方法提供了新的思路。

一种基于直方图均衡化改进的图像增强算法

本文分析了传统的灰度图像直方图均衡化算法的不足,提出了一种基于概率的灰度图像直方图均衡化的改进算法。该方法给出了较合理的变换关系,使运算结果有较大改善,而且保留了传统算法的快速、自动化的特点。

基于直方图均衡化的PCA-SIFT图像特征提取与匹配改进算法

为了克服SIFT算法运算量大、运算耗时长和实时性不强的缺点,课题组提出了基于直方图均衡化PCA-SIFT算法,以增强灰度图像的明暗对比度,增加匹配成功率,改进描述子生成方式,沿用主成分分析法(PCA)降低特征检测维度,减少耗时。仿真实验表明该算法有效地减少了运算时间,并且一定程度上减少了不必要的特征点的匹配数量。新算法能有效减少运算量。

结合同态滤波与直方图均衡化的井下图像匹配算法

针对现有井下图像匹配算法特征点提取不准确、匹配效果不佳的问题,提出了一种结合同态滤波与直方图均衡化的井下图像匹配算法。通过同态滤波对图像进行锐化,以提高图像清晰度;采用限制对比度的自适应直方图均衡化(CLAHE)算法对图像进行处理,以突出图像的边缘细节信息,提高图像对比度。针对传统AKAZE算法存在误匹配的问题,在采用暴力匹配算法进行粗匹配的基础上,采用基于单应性矩阵的随机采样一致性(RANSAC)算法进行精准匹配,剔除错误匹配点对。实验结果表明:使用单参数同态滤波和CLAHE算法对图像进行增强,可拉伸图像的灰度级,减少暗像元数量,增加亮像元数量,使得灰度级分布更加平滑,有利于保留图像的细节和边界信息;采用基于单应性矩阵的RANSAC算法进行精准匹配,可检测出更多特征点,提高匹配准确率,准确率最高可达96.09%,匹配效果优于SURF算法和传统AKAZE算法。

基于小波变换和直方图均衡的红外图像增强

基于红外图像低分辨率、低对比度、视觉特性差的特性,以及传统的利用直方图均衡化进行红外图像增强的方法会丢失图像的细节信息、增强红外图像的噪声的特性,将小波变换的多尺度、多分辨率的特点和直方图均衡化的方法相结合,提出一种更好的实现红外图像增强的算法。并将该算法在Matlab上进行了仿真验证。

对数域中自动色彩均衡化快速算法

对于存在颜色一致区域或低对比度区域的图像,在校正后往往会出现"灰化"现象.尽管自动色彩均衡化(ACE)算法采用整幅图像作为计算子集进行颜色校正,在一定程度上克服了"灰化"现象,但导致了计算量的大幅增加.针对这一问题,提出一种在对数域内融合了局部特征和全局特征的克服"灰化"现象的算法.首先将原图像变换到对数域,实现光照与反射系数的解耦;然后对变换后的图像进行局部特征计算/侧抑制调整,同时计算图像的全局特征;最后利用标准的增益与偏移方法将两者的融合图像映射到正常显示的区域,并改善图像的对比度.实验结果表明,该算法不仅可以大大减少计算量并有效克服"灰化"现象,而且可以获得满意的主观视觉效果.

基于直方图变换的多光谱图像3D SPIHT压缩编码算法

提出了新的多光谱图像压缩方案,直方图变换的三维分层树的集划分(3D SPIHT)压缩编码算法。基于多光谱图像的成像特点,在去相关之前,提出一种可逆的直方图变换方法对多光谱各波段图像灰度值进行调整,来提高各波段间的相关性,然后再对变换后的图像利用K_L和二维小波变换去除谱间冗余和空间冗余。小波编码采用两种编码方案:3D_SPIHT以及对它进行改进后的三维位平面的SPIHT算法,并对两者进行了比较。实验表明,采用直方图变换的这两种方法都获得了良好的效果,比没变换前有更好的图像质量和压缩性能。