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。

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。

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。

基于对比度受限直方图均衡化的夜间接触网支柱号牌识别方法研究

在接触网停电检修作业挂接地线中,挂接地线位置由作业票上的支柱号确定,因此,研究接触网支柱号牌的识别对挂接地线的自动化监测具有重要意义。为此,提出一种基于对比度受限自适应直方图均衡化(Contrast-limited adaptive histogram equalization,CLAHE)的支柱号识别方法。利用对比度受限自适应直方图均衡化和中值滤波预处理图像,用最小区域法和形态学变换提取号牌区域,再用连通域和模板匹配识别号牌上的支柱号字符,并在识别过程中考虑支柱号的分布规律,验证支柱号的识别结果。利用Halcon和C#联合开发的识别软件平台进行试验,对比CLAHE和直方图均衡化(Histogram equalization,HE)的均方差和峰值信噪比,结果表明这种方法大大提高了支柱号识别的准确率。

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。

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。

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。

基于牙科X光片的多种直方图均衡化图像增强对比

牙科X光片在牙科疾病的诊断治疗中越来越重要。牙齿X光片机不像光学相机可以聚焦,常受低对比度和噪声的影响,很难直接借此识别疾病特征,常常需要对图片进行增强处理,故主要探讨一些适用于电子病例的牙科X光图像增强算法。算法主要有直方图均衡化、限制对比度自适应直方图均衡化、锐化中值滤波自适应直方图均衡化和改进的对比度自适应直方图均衡化方法。通过对这些算法处理后的牙科X光片图像的均方根误差(RMSE)、图像信噪比(SNR)和改善对比度指数(CII)以及视觉效果进行比较,发现用改进的对比度自适应直方图均衡化方法处理所得图像的均方根误差、改善对比度指数最小,图像信噪比最大,图像视觉效果清晰。

基于PCA降噪的改进型CLAHE算法

为解决可见光成像设备采集的图像细节特征识别困难的问题,结合两种不同方法提出一种主成分分析和改进型的各向异性扩散滤波器的模糊裁剪对比度受限自适应直方图均衡化(ADFS-CLAHE-FC)图像增强技术,从图像中提取有意义的信息。首先通过PCA对图像进行降噪处理,然后利用ADFS-CLAHE-FC对降噪后的图像作增强处理,最后基于ADFS-CLAHE-FC进一步降低图片的噪声,保持对比度和亮度。实验表明,该方法在增强图像对比度的同时消除了图像噪声,在视觉上效果更好,相较于直方图均衡化(HE)、对比度受限自适应直方图均衡化(CLAHE)方法及其他方法在提升图像质量和保持图像细节方面性能更优,有助于提升图像分割和提取的准确性。

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。

基于自适应直方图算法的红外增强处理及实现

红外图像具有低信噪比、低地对比度、边缘模糊等缺点。这篇文章主要介绍基于自适应平台直方图算法对红外图像进行处理及FPGA硬件的实现。首先,我们将红外图像转换为灰度直方图,接着进行图像的均衡化处理,最后通过自适应的方法选取合适的平台阈值,来提高红外图像的对比度。本文将该算法用在FPAG上实现,红外图像的细节明显得到增强,边缘清晰度和目标对比度得到了提高,同时抑制了噪声,很好地改善了图像的效果。因此,该方法是适应于各种红外图像的增强处理。

基于CLAHE与卡尔曼滤波的掘进机机载视频稳像算法

掘进机等煤机装备在行进或作业期间,易因车体振动引起机载相机视频模糊,导致基于机载视频的机器视觉检测精度和可靠性下降。针对该问题,提出一种基于CLAHE与卡尔曼滤波的掘进机机载视频稳像算法。该算法由运动估计、轨迹平滑和运动补偿3个部分组成。在运动估计阶段,先采用限制对比度自适应直方图均衡(CLAHE)算法对井下巷道图像进行增强处理,再利用Shi-Tomasi算法获取每帧图像的特征点,对获取的特征点进行光流追踪和匹配,进而计算出相机的运动轨迹。在轨迹平滑阶段,利用卡尔曼滤波,根据视频前一帧的最优值预测当前时刻值,避免均值滤波需预先存储采样数据的问题,提高稳像的实时性。在运动补偿阶段,根据原始运动路径和平滑路径的关系对抖动视频逐帧补偿,生成稳定的视频序列。实验结果表明:(1)经CLAHE增强处理后,特征点匹配成功率比未增强处理时提高了58%,比HE增强处理时提高了43%,说明CLAHE算法可有效提高图像特征点匹配数。(2)通过像素偏移分析、差分图分析、峰值信噪比(PSNR)分析,验证了基于CLAHE与卡尔曼滤波的掘进机机载视频稳像算法具有较好的稳像效果。(3)与传统的HE+均值滤波算法相比,基于CLAHE与卡尔曼滤波的算法处理100帧视频图像的整体耗时减少了0.379 s,在去除抖动的同时,有效提高了稳像的实时性。

基于CLAHE与维纳滤波的实时声呐图像增强

声呐成像一直是水下调查领域的主要传感解决方案,特别是在无人潜航器的应用中。最新一代前视成像声呐能够以高帧率获取高分辨率图像,图像质量几乎可以与使用光学相机获得的视频图像相媲美。然而声呐图像经常受到各类噪声的影响,导致图像质量下降,影响后续的数据分析和处理。为解决此类问题,文章提出一种基于限制对比度自适应直方图均衡化(Contrast Limited Adaptive Histogram Equalization,CLAHE)与维纳滤波的声呐图像降噪增强算法。该算法具有更高的实时性,可以快速有效地处理噪声问题。为验证算法的性能,采用前瞻性成像声呐技术获取声呐图像,开展一系列实验。实验结果表明,文章所提的算法能够显著降低噪声的影响,提高声呐图像可视性,为声呐成像在水下调查中的应用提供了更可靠的解决方案。

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的苹果树树枝迭代阈值分割方法研究

针对农业采摘机器人自主导航和采摘过程中的障碍物树枝识别问题,为解决迭代阈值分割算法在目标与背景图像灰度差别不明显情况下的分割缺陷,提出了基于对比度受限自适应直方图均衡化基础上的果树树枝迭代阈值分割方法。首先,通过颜色空间变换,将RGB颜色空间的果树树枝图像转换到XYZ和I1I2I3颜色空间,并提取出X-Y色差因子和I2颜色因子,对其进行灰度差别分析;然后,对灰度差别不明显的图像进行对比度受限直方图均衡化处理后,再进行迭代阈值分割,从而剥离出树枝区域。实验结果显示,采用本文方法,树枝图像分割成功率为92%。