基于自适应直方图均衡化的医学图像可逆对比度增强算法

目前,一些可逆数据隐藏算法通常是对图像进行类似直方图均衡化的信息嵌入操作来实现对比度增强。这类方法虽然简单有效,但是缺乏明确的目标函数来指引参数选择,难以优化对比度增强效果,因而容易产生增强不足或过度增强等问题。为了优化可逆信息嵌入后的对比度增强效果,提出了一种基于自适应直方图均衡化并结合对比度增强的医学图像可逆数据隐藏算法。该方法基于预测误差扩展技术来实现可逆数据嵌入,并通过所定义的自适应直方图均衡化目标函数来优化预测残差直方图的修改,确定最优的数据嵌入点,在确保对比度增强的前提下实现低失真的可逆嵌入。实验结果表明,相比同类算法,所提方法在实现可逆嵌入的同时,能够进一步增强图像对比度,辅助提升医学图像中的目标识别效率。

基于峰值直方图均衡化的车位图像增强

车位增强算法作为自动泊车的重要组成部分,其增强结果直接影响车位线提取效果。基于此,引入了暗通道作为低频分量进行自适应对比度增强,基于多组低对比度车位图像数据,讨论了多种低对比度增强算法的适用性,针对增强算法部分区域产生的车位增强不足与过曝现象导致降低车位线提取的完整性与精度下降的问题,提出峰值直方图均衡化的快速增强算法,结合了PSNR、结构相似性、平均亮度和信息熵等作为客观评价指标,利用了霍夫直线检测统计算法增强结果的车位提取精度,并进行了验证。研究结果表明:本算法能够减少环境信息干扰,保留更多纹理细节,提升全局图像亮度与对比度,其在低照度环境下仍然具有出色的鲁棒性。本算法车位线提取精度超过90%,算法运行时间仅为37.18 ms,能够为低对比度场景下的自动泊车系统提供方法指导。

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。

自适应直方图均衡化算法在图像增强处理的应用

在图像增强处理中,用离散的灰度等级作直方图均衡化时,很难得到完全平坦均匀的结果,采用局部法对图像进行处理,不同局部采用不同的对比度增强方法.这种自适应直方图均衡算法,对妊娠超声图像进行处理,实验表明,自适应直方图均衡化算法在妊娠超声图像增强处理具有良好效果.

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。

一种改进的自适应直方图均衡化增强档案图像的方法

直方图均衡化能够调节图像的动态灰度范围,是一种经典有效的图像增强方法,但它建立在合并相似像素灰度的基础之上,模糊了图像的细节。强调细节的自适应图像均衡化(DEAHE)不但保持了图像均衡化具有动态范围调节的优点,而且也可以放大图像细节。考虑到档案图像在数码化过程种可能受噪声的干扰,DEAHE方法在强调图像细节的同时,也放大了噪声,因此,本文提出一种改进的DEAHE方法,即IDEAHE方法,它使得增强后的档案图像噪声得到抑制、图像细节得以放大、整幅图像的灰度范围得到调节。实验表明,经过IDEAHE方法增强后的档案图像,其主观视觉效果改善明显,可用于实际的数码档案生产过程中。

自适应直方图均衡化图像增强算法研究

直方图均衡化图像增强算法原理简单,同时是可逆操作,即只要知道变换函数,就可以通过其逆函数来得到原始的直方图,并且处理的数据量也不是很大,但在增强处理过程中因大量灰度级被合并而导致处理后图像出现不自然的情况。为此,提出了自适应直方图均衡化图像增强算法。该算法根据原始图像的直方图,自适应地确定一个剪切系数,然后按照剪切系数对直方图进行剪切,最后进行均衡化处理。算法的创新点在于自适应确定剪切系数,解决有高峰直方图图像增强后局部不自然的问题。试验结果表明,该算法对直方图有高峰的图像有较好的增强效果并避免过度增强不自然的问题,在计算机图像处理上有较高的应用价值。

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。

自适应直方图均衡化改进的全变分图像修复

为了解决全变分(TV)模型修复窄带图像缺陷时产生的视觉不连通的问题,改善图像修复的效果.采用可以强化细节的自适应直方图均衡化(CLAHE)操作来扩大图像的动态范围;在全变分变换后对图像不连通区域做形态学运算来平滑并消除图像中的孤立点.文章给出了算法原理和实现步骤,实验结果表明修复之后的图像峰值信噪比提高,视觉连通效果较好.

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。

基于Hessian自适应增强的口腔结构光图像处理

为提升重建的牙齿三维点云的精度,解决口水、牙釉质等环境因素导致的结构光口腔扫描仪采集的条纹图像质量较差的问题,首先引入一种自适应中值广义总变分融合滤波方法来抑制噪声,并且有效保留图像细节信息;在此基础上提出一种基于Hessian矩阵特征值的自适应线性结构增强算法用于增强二维结构光图像中的条纹信息,算法根据统计的局部特征,自适应调整增强参数。实验结果表明,与传统Hessian增强方法相比,自适应Hessian增强后的条纹图像的熵增强函数(EMEE)和信息熵更高,得到的三维点云有更完整的细节特征和更高的匹配精度。

关于直方图均衡化算法在图像灰度处理中的应用研究

图像增强是对数字图像整体或局部特征使用图像增强技术进行处理,使图像的重要信息显示得更加明显。从而可以解决人的肉眼在物体反射光线强度太小或者太强的时候,人的肉眼就不能很好的感知所看到的物体的问题。

自适应特征融合和条件随机场的乳腺病理图像诊断算法

肿瘤病理学分析是常见的癌症诊断方法之一。基于深度学习的病理检测方法取得了良好性能,然而针对组织切片的处理方法往往会忽略病理组织空间相关性,为了更加准确地获取乳腺癌分类结果和恶性肿瘤位置信息,提出嵌入自适应特征融合模块和均值条件随机场的Transformer框架,利用反向传播算法端到端地训练整个框架。自适应特征融合模块采用可学习参数将改进的自注意力和多感受野卷积模块自适应结合,获取多尺度语义特征,从全局和局部的角度增强模型特征提取能力;提出均值条件随机场与主干网络结合,整合组织切片间的空间相关性,获取病理组织间的形态学信息。实验结果表明:所提方法在切片级图像上准确率高达95.51%,在全切片扫描图像的AUC、FROC分别为0.974 5、0.810 2,有较好的可行性,提高了病理图像分类临床诊断准确率。

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。

浅析灰度图像的直方图均衡化处理

图像增强是指按特定的需要采用特定方法突出图像中的某些信息,同时削弱或去除无关信息,或将原图转换成一种更适合人或机器进行分析处理的形式的图像处理方法,图像增强的算法和方法很多,效果也不同。本文提出了自适应动态峰值剪切直方图均衡化算法,实验结果表明自适应动态峰值剪切直方图均衡化算法对灰度图像的增强取得了较好的增强效果,使得图像质量得到了有效的提高。

基于直方图均衡化的自适应阈值图像增强算法

图像对比度增强能增强图像质量,增强图像可读性。考虑到图片的质量与环境息息相关,本文提出了基于多阈值和直方图均衡化的图像增强算法。首先,将低照度图像从RGB色彩空间转换为YUV色彩空间;其次,提取亮度分量Y做自适应阈值增强处理,自适应阈值处理可以根据不同场景的图像将增强效果达到最优,根据Y增强系数对U和V做增强;最后,将增强后的YUV对原图映射融合。仿真实验结果表明,改进算法输出图像整体亮度与对比度增强,视觉感受增强。

自适应图像直方图均衡算法

为了改善直方图均衡对低灰度层密集分布图像的处理效果,通过分析图像直方图均衡理论对同一灰度像素在处理后映射到同一灰度的过程中存在的理论缺陷,提出了一种高效的、自适应的算法.该算法首先对图像进行常规的直方图均衡处理,然后对处理后所形成的图像灰度在一个较大的灰度范围内进行映射,保证变换后的图像有较大的灰度动态范围,最后对结果进行适当的亮度修正,保证变换图像整体有较高的对比度,便于观察图像的细节.通过实验证明,改进后的算法可以明显地改善直方图均衡处理低灰度层密集分布图像的效果,同时具有较高的算法效率,适合在实时图像处理系统中采用.

改进的直方图均衡化和NSCT变换的红外图像增强

针对红外图像对比度低、噪声大等特点,提出一种基于改进的直方图均衡化和NSCT变换(nonsub sampled contourlet transform)相结合的的红外图像增强方法。首先对红外图像进行NSCT变换,得到多尺度多方向的高频子带系数和一个低频子带系数。高频子带首先采用自适应降噪函数降低高频系数的噪声同时很好地保护边缘信息,然后采用非线性增益函数调整高频分量;在低频分量上采用改进的直方图均衡化方法进行增强。最后经NSCT逆变换得到增强图像。实验结果表明,提出的算法可以有效地提高红外图像的对比度,抑制图像的噪声,增强图像对比度,突出图像的边缘轮廓信息。

自适应小波阈值去噪算法及在图像处理中的应用

针对图像去噪的问题,提出一种基于自适应小波阈值去噪的算法。该方法根据噪声在小波变换下的特性自适应确定小波分解的阈值,并将去噪图像的峰值信噪比作为性能指标,采用中点法进行寻优,得到最优的阈值参数。该方法具有自适应性强、算法简单、去噪效果好等特点。通过实例表明,该方法比原有的阈值去噪算法去噪效果更佳,使图像达到更良好的视觉效果。

用于图像处理的自适应多级中值滤波器

研究了一种新的自适应多级中值滤波器（ＡＭＬＭ）在图像处理应用中的一些特性．研究表明：ＡＭＬＭ的细节保护能力介于单向多级中值滤波器（ＭＬＭ－）和双向多级中值滤波器（ＭＬＭ＋）之间，但滤噪能力总是优于ＭＬＭ－，而且大部分情况下优于ＭＬＭ＋．应用于实际噪声图像的滤波结果显示，ＡＭＬＭ优于ＭＬＭ＋及ＭＬＭ－．