基于改进加权增强局部对比度测量的红外小目标检测方法

红外弱小目标检测技术是红外搜索与跟踪系统的重要组成部分(IRST)。一般来说,在复杂背景环境下,红外弱小目标检测往往会有高虚警率和低检测率的问题。为了解决这一问题,提出一个改进的加权增强局部对比度测量(IWELCM)检测框架,具有重要意义。首先,通过将局部对比度机制与信杂比(SCR)的计算相结合,提出一个增强的局部对比度测量方法,在增强图像中疑似红外弱小目标区域的同时也提高图像的SCR。其次,通过利用红外图像中弱小目标的特性,以及目标与周围背景的统计差异,提出一个改进的加权函数来进一步增强目标和抑制背景。最后,采用一个自适应阈值分割的方法去获取检测的目标。在不同场景的数据集上的对比实验表明,与七种现有流行的方法相比,提出方法在复杂背景下能够有效地从干扰对象中提取真实的红外弱小目标,具有更好的检测性能。

基于视觉感知的低对比度图像细节增强方法

由于传统图像细节增强方法存在噪声含量大及失真等问题,为了提升低对比度图像的视觉效果,提出基于视觉感知的低对比度图像细节增强方法。根据人眼视觉感知的亮度掩蔽特性划分图像区域,并设计暗适应函数与明适应函数,分别延长低对比度图像灰度值较低、较高区域间隔,实现基于视觉感知的低对比度图像全局增强;以全局增强结果为基础,引入加权自适应局部低对比度增强法,增强低对比度图像的细节,获取最佳低对比度图像细节增强结果。实验结果表明:该方法增强后的低对比度图像保留了图像的边缘及细节,图像更加明亮清晰,显著提升了其视觉效果,同时低对比度图像具备噪声含量小、失真程度小、图像质量高的优势。

对一种新的基于局部标准差的自适应对比度增强算法的评价(英文)

介绍一种基于图像局部标准差变换的自适应增强算法 通过将图像的局部标准差映射为高斯函数得到一个非线性对比度增益函数 ,使图像的细节区域得到较大幅度的增强 ,同时抑制平滑区域的噪声以及发生于陡峭边缘的“振铃伪迹”(RingingArtifact) 通过不同类型的图像以及对比度 -噪声比 (Contrast-to -NoiseRatio)演示了算法的性能 ,并与几种常用的图像增强方法进行了比较 结果表明该算法对于低对比度的图像细节具有较好的增强效果 ,同时能够避免平滑区域噪声的过度增强及陡峭边缘的振铃伪迹 .

医学超声图像局部对比度增强方法研究

提出了一种基于Lee滤波器和柔性形态学医学超声图像局部对比度增强方法.在研究中首先根据医学超声图像的局部统计特性使用Lee滤波器对其进行预处理,然后用柔性形态学的tophat变换从递归开运算后图像中提取亮特征用于局部增强.用本算法对医学超声图像进行了测试,并与已有的传统的增强方法进行比较.结果显示本文方法在抑制散斑噪声的同时,实现了局部对比度增强,并保持了医学图像特性区域.

基于IHBF的增强局部对比度红外小目标检测方法

针对非均匀背景下红外小目标检测率低的问题,本文引入人眼视觉系统对比度机制,提出一种基于改进高提升滤波(improved high boost filter,IHBF)的增强局部对比度红外小目标检测方法。首先,根据小目标的频域特性,通过IHBF运算提升高频信号同时,剔除含有背景的低频信号;然后,提出增强局部对比度方法构建比差联合形式的算子,进一步增强目标与背景间的对比度,获得最优显著图;最后,采用自适应阈值分割技术获取真实目标。仿真结果表明:相对于现有的局部对比度算法,所提方法在检测率、虚警率等方面更具优势,是非均匀背景下检测红外小目标的一种有效方法。

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。

基于局部对比度测量的红外弱小目标恒虚警检测

鲁棒有效的弱小目标检测算法是光电跟踪系统成功的关键。本文针对空中远距离红外弱小目标检测的实际问题,在人类视觉对比机制基础上提出了一种检测率高、误报率低、处理时间短的红外小目标检测方法。首先,利用基于恒虚警率的Top-hat滤波和自适应阈值操作对原始图像进行预处理,得到疑似目标区域,该步骤可大大减少计算时间,同时保持恒定的虚警概率和可预测的检测概率;然后,定义了一种新颖有效的局部对比度测量算子,并引入图像局部的自相似性计算局部显著图,该过程不仅可以增强图像目标的视觉显著性,同时还可以抑制噪声,提高区域目标的信噪比;最后,在显著图基础上,利用简单的阈值操作就可以获得真实目标。定性定量实验结果表明,本文提出的方法与4种现有检测算法相比,具有更高的检测率、更低的虚警率和更少的检测时间,是复杂背景下红外弱小目标检测的有效方法。

基于多尺度形态学的医学图像局部对比度增强(英文)

目的:寻找一种更精确有效的医学图像局部对比度增强方法,解决磁共振图像中常出现的局部对比度不足问题。方法:在对已有算法研究的基础上,提出了新算法。新算法的特点是:形态学运算采用了非对偶运算,对比度扩展运算采用加法运算代替乘法运算。为避免灰度偏差,提出了条件归一方法。结果:用实用磁共振图像和模拟实验对新算法进行了测试。新算法在精度、运算速度及对噪声的敏感性方面都优于已有同类算法。结论:利用形态学非对偶运算能够以更精确的方式实现局部对比度增强,灰度级偏差可以通过归一化方法消除。

一种增强图像对比度与局部细节的算法研究

本文提出了一种简单而有效的图像增强方法来提高待处理图像的全局对比度和局部细节。首先,基于直方图均衡化框架,加入对数运算实现全局对比度增强。其次,采用拉普拉斯金字塔分解全局增强图像,加权每一层图像并叠加所有层,增强局部细节,并获得最终增强结果。实验表明,本文算法得到的图像主观视觉效果更自然,增强结果可比拟甚至优于目前最先进的基于一维和二维直方图的增强算法所得到的结果。

一种平滑图象噪声的局部对比度增强法

本文给出了一种新的图象增强算法，它可以根据褪化图象的特点，在噪声干扰比较严重的区域，以平滑噪声为主；在图象细节较多的区域，以增加局部对比度为主，从而达到既增强图象对比度，又可抑制噪声的目的。

路面裂缝图像局部对比度增强技术研究

为提高路面裂缝图像的对比度,提出了一种形态学多尺度局部对比度增强算法。基于形态学top-hat变换,通过提高亮特征灰度值或降低暗特征灰度值来增强图像对比度。试验表明,该方法可以有效地增强路面裂缝图像的对比度。

基于白Top-Hat变换的医学图像局部对比度增强算法

提出了一种简单、高效的医学图像局部对比度增强算法。该算法的主要特点是在对医学图像进行多尺度形态学top-hat变换增强对比度时,仅采用白top-hat变换和用增加亮对比度区域的灰度值方法来代替黑top-hat变换,从而避免了常用形态学增强方法中丢失原始医学图像灰度信息的弊端。通过使用CT,M R医学图像与已有的局部对比度增强典型算法进行实验比较,结果表明,本文算法在增强图像局部对比度和减少计算时间均具有优势。

基于直方图修正的局部对比度增强算法

针对传统直方图均衡化算法经常导致过增强,噪声放大和局部对比度低等缺点,提出了基于直方图修正的局部对比度增强算法。首先,利用自适应部分子块重叠方法把图像划分成一系列的子块,子块的大小能根据图像局部特征自适应调整;然后,对每个子块采用基于直方图修正的对比度增强方法进行处理;最后,融合各重叠子块的处理结果得到最终的增强图像。实验结果表明,该算法具有噪声鲁棒性、可控制增强等级、可调节动态范围和局部对比度较强的优势,增强后的图像具有更自然的视觉效果。

多尺度加权图像块局部对比度的红外小目标检测

为解决传统算法在强杂波背景下,容易造成误检与漏检等问题,从图像块的角度提出一种局部对比度度量方法。提出中心区域与背景区域之间对比度的新度量,在计算对比度时采取行处理,简化算法的复杂性;引入可信度值作为权值,加权处理局部对比度,对加权后的局部对比度进行多尺度处理,生成目标显著图;对显著图进行阈值分割,得到真实目标。通过在实验中的分析对比,验证了该算法的有效性。

一种新的对比度测量方法用于钢轨图像增强

机器视觉轨道缺陷检测系统采集的图像缺陷与背景的对比度低,给缺陷检查带来了困难。提出一种新的对比度测量方法,用于钢轨图像中缺陷和背景的对比度增强。将钢轨图像分成若干个互不重叠的区域,测量局部区域的对比度,通过将相对较低的灰度级像素映射到更低的范围,相对较高的灰度级映射到更高的范围,实现对比度拉伸。实验结果表明:提出的算法对不同光照的图像能自适应的增强图像的对比度,增强效果与光照无关,而且算法简单、快速,有效,满足机器视觉实时性要求。

基于Retinex里双分量改进的微光图像增强方法

近年来,微光图像增强技术备受关注,但仍存在一些问题。例如,有时暗区域没有完全改善,有时光源或光源附近的明亮区域曝光过度。针对以上问题,提出了一种基于Retinex模型里照度分量和反射分量双增强的图像增强方法。该方法首先将原始图像由RGB空间转换到HSV空间,并提取其中的V分量进行后续处理;然后对V分量进行引导滤波获得图像照度分量,根据Retinex理论通过分解得到图像的反射分量;接着对照度分量进行全局自适应亮度增强,对反射分量进行多尺度细节加强;再将增强后的照度分量和反射分量按照Retinex模型重构得到V分量重构图,并经过非线性变换处理和局部对比度增强处理;最终转换回RGB空间获得最终增强图。实验结果表明,该方法的峰值信噪比(peak signal-to-noise ratio,PSNR)和结构相似指数(structural similarity index measure,SSIM)评价值分别为17.741和0.765,具有更好的图像质量,较其他方法表现出更好的增强效果。

多尺度形态学的局部对比度增强优化算法

为了解决灰度图像对比度低而难以增强目标区域的问题,对传统的局部对比度增强算法进行优化,提出了多尺度形态学的局部对比度增强优化算法。该算法利用多尺度形态学算子,对原有局部对比度拉伸算法进行改进,通过建立形态学塔形和差别塔型,最后重建图像,以实现局部目标对比度增强。实验结果表明,提出的算法可以很好地增强灰度图像目标区域的对比度,应用前景广泛。

基于多尺度局部对比度的前视红外舰船目标增强

前视红外海天场景图像中的舰船目标可能面临着信噪比低、尺寸差异大等问题,为了更好地突出目标、抑制背景,提出了一种基于多尺度局部对比度的前视红外舰船目标增强方法。首先分析了前视红外海天图像中的场景内容,然后定义了一种新的局部对比度度量——相对区域对比度度量(RRCM),通过改变网格窗口的尺寸构建了多尺度局部对比度度量(MRRCM),最终得到了尺度不变局部对比度图像。实验结果表明,所提方法可以适应前视红外图像中多类型多尺寸的舰船目标,显著提高目标信号的信噪比(SNR)和信背比(SBR),与其他方法相比,所提方法的舰船目标增强效果更好,尤其是对于暗弱目标区域;另外,所提方法运算速度快,并且可以借助并行处理和积分图像进一步加速运行。

基于局部方差的数字媒体图像模糊增强方法

数字媒体图像的增强,受到图像特征提取算法的影响,导致增强处理后图像熵值较低。因此,提出基于局部方差的数字媒体图像模糊增强方法。运用粗糙集理论处理数字媒体图像,去除图像内噪声。依托于局部方差技术结合变差函数,设计局部方差特征提取算法。通过变换图像模糊域映射图像纹理特征,再利用隶属度函数实现图像自适应模糊增强处理。实验结果表明:所提出的增强方法应用效果与CTGT方法、TFPSO方法相比,图像熵值提升了26.72%和23.63%。

基于区域对比度增强的二值化算法

降质文档图像二值化问题是图像处理领域的一个难点。该文通过分析图像不同区域灰度对比度的差异,为降质文档图像提出了新的二值化算法。首先利用四叉树原理自适应划分区域,再对不同灰度对比度区域采用不同对比度增强法以调整局部区域内的灰度对比度,最后根据灰度值出现的频率确定局部阈值。该文测试了随机拍摄的降质图像及DIBCO(Document Image Binarization COntest)图像集中的50幅图像。与4种经典算法比较,所提算法处理的降质图像具有最高F-measure值和峰值信噪比(PSNR值)。