高斯变邻域差分的灰度图像增强算法

灰度图像增强问题可以转化为一个目标优化问题,但是该目标函数实质是一个多峰值的优化问题,对此提出一种高斯变邻域差分进化算法用于灰度图像的增强。首先,利用高斯变异方式具有快速收敛特性以及变邻域方式在种群多样性保持方面的优势,对差分进化算法的变异进行改进,目的是平衡算法在快速收敛和保持种群多样性方面的能力,提高算法的整体效能。然后利用该算法对灰度图像增强问题进行研究,通过与基于标准DE,PSO及均衡直方图灰度图像增强效果进行对比,高斯变邻域差分灰度图像增强算法能够更有效的对灰度图像进行增强。

一种基于粒子群优化的高斯混合灰度图像增强算法

提出一种采用粒子群优化(PSO)的高斯混合灰度图像增强算法。该算法首先采用高斯混合模型(GMM)对输入图像的灰度直方图建模,并采用模型中高斯成分的有效交点来分割直方图。随后,该算法将每个直方图区间的灰度值转换到合适的输出区间,生成增强后的灰度图像,其中转换函数由输入直方图区间的高斯成分和累积分布经过粒子群优化后的参数决定。实验结果显示,该方法生成的图像视觉效果较好,对原图像和纹理细节丰富图像分别进行图像增强,增强后的图像信息熵分别是4.746 6和7.952 6,灰度平均梯度为6.970 6和37.386 1。

场致发射显示器图像低灰度增强技术

介绍了FED子行驱动灰度调制视频显示系统的工作原理。针对行扫描脉冲存在的上升沿和下降沿时间导致列驱动脉冲无效使屏无法发光,造成低灰度图像数据丢失影响图像显示效果,通过调整各子行的显示顺序,调整时序,消除低灰度信息损失,改善图像质量。同时针对FED显示屏响应时间造成的低灰度损失,通过时间补偿的方法对低灰度损失进行校正,改善了图像的显示质量。结合人眼的视觉特性,将基于子行驱动图像低灰度增强技术应用于FED显示系统中,使视频图像显示的对比度有所提高,画质更为细腻,更加接近人眼的视觉效果。