对比度受限自适应直方图均衡算法在鼻咽癌放疗摆位中的应用

目的探讨对比度受限自适应直方图均衡算法在鼻咽癌放疗摆位中的应用。方法利用单曝光定位照相技术,应用对比度受限自适应直方图均衡算法对射野图像进行增强,把增强后的图像与计划系统中的DRR图像进行比较。结果对比度受限自适应直方图均衡算法可以有效地提高射野图像的分辨率和对比度,可以清楚地分辨出主要的骨性标志。在摆位质量控制中可以检验出射野图像与DRR图像的射野中心的位移变化。结论单曝光定位照相技术结合对比度受限自适应直方图均衡算法可以减少鼻咽癌放疗摆位误差,确保放射治疗计划准确的实施。

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.

中值直方图均衡的单帧红外图像非均匀校正算法

为了实现红外图像的自适应校正,利用红外焦平面的非均匀性成列分布的特性,提出了一种针对红外图像进行非均匀校正的新方法。新算法统计图像每列的直方图,对列局部的直方图进行排序,得到局部直方图的中值,然后对中值直方图进行均衡,通过均衡直方图灰度映射得到校正后的图像。算法实现不需要任何运动补偿或累加计算,在单帧图像内完成非均匀校正。实际应用证明,与同类自适应校正算法相比,该算法具有校正精度高、速度快、抑制目标退化能力强的优点。

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。

基于改进双直方图均衡化的舰载图像去雾方法

舰载图像具有大面积同色高亮区域,现有直方图均衡化在舰载图像去雾时存在亮区过度增强现象。针对这一问题,论文提出一种基于改进双直方图均衡化的舰载图像去雾算法,首先对归一化直方图中小于1的部分gamma校正,并设置过度增强阈值T对较大的直方图数据限制,然后以中位数像素作为分割点,计算左、右子直方图的灰度分布概率直方图并获得映射表;最后将两映射表合并,获得去雾后图像。实验结果表明,以论文自制舰载图像数据集为测试集,相比于基于灰度图像均值分割的直方图均衡化和等面积的双直方图均衡化,论文算法平均亮度误差分别缩短了46.27和7.10,结构相似性分别提高了0.25和0.16,可以有效改善现有直方图均衡化在对舰载图像去雾时的亮区过度增强问题。

基于分级直方图均衡化的白细胞识别研究

通过对运动白细胞显微图像的特征分析,提出一种分级直方图均衡算法,能有效增强细胞与周围背景的对比度,在较好保持细胞边界信息的同时可以起到滤波作用,较好消除噪声影响。在Matlab 7环境下对100帧白细胞连续图像序列处理,平均误检率为1.50%,平均漏检率为0.55%,表明该算法能提高检测性能,避免或减少细胞误检和漏检,提高多细胞跟踪质量。

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。

CLAHE算法在数字钼靶图像增强中的应用研究

重点研究了对比受限自适应直方图均衡算法(Contrast-Limited Adaptive Histogram Equalization,CLAHE)在数字钼靶图像增强中的应用,分析和对比了几种图像增强算法的优劣。根据数字钼靶图像处理实时性的需要,通过分析CLAHE算法流程,对CLAHE算法的延迟问题进行了研究,并得出一套可应用于数字钼靶图像增强的方案。

铁路综合视频图像去雾算法研究与探讨

受雾霾等复杂介质环境影响,铁路视频监控系统获得的视频图像降质严重,使得雾霾天图像复原方法研究成为亟待解决的关键性问题。铁路雾霾视频监控图像具有分辨率低、灰度分布集中等主要特点,深入研究分析直方图均衡算法、Retinex图像增强算法和暗通道先验去雾算法的图像处理原理,分析图像处理效果。利用3种算法对铁路室外图像进行分析处理,结果表明3种算法均可以实现去雾,直方图均衡算法存在颜色失真和光晕现象; Retinex图像增强算法清晰度最好,但处理后的图像存在部分失真;暗通道先验去雾算法处理图像较为自然。

基于红色暗通道先验理论与CLAHE算法的水下图像增强算法

[目的]水下图像是水下视觉感知技术领域应用的基础,由于水对光的吸收以及水中颗粒对光的散射作用,使水下图像具有对比度低、边缘模糊等特点,导致图像质量下降。为此,提出一种削弱水介质对水下图像影响的图像增强算法。[方法]首先,研究了水下成像数学模型,并且依据Lambert-Beer定律推导出了未退化的图像数学模型。其次,利用红色暗通道先验(RDCP)理论得到未退化图像模型中的红色暗通道透射率图像,并通过引导滤波算法对该图像进行滤波细化处理,获得了对比度比较高的未退化图像。然后,针对去模糊后水下图像对比度仍然不理想的情况,采用对比度受限直方图均衡化算法(CLAHE)提升水下图像对比度。[结果]基于常用图像评价标准,通过实验评价了本文算法的有效性,[结论]本文算法能够显著提升水下图像信息熵、对比度和平均梯度,更能凸显图片信息的细节特征。

恶劣天气环境下退化图像的清晰化算法

针对恶劣天气环境下的户外检测系统,提出一种退化图像清晰化算法。将近似点扩散函数估计算法与改进的部分重叠子块直方图均衡化去雾算法相结合,以去除影响图像质量的气象因素,根据图像大小选择子块的尺寸和步长,使用固定参数经验值进行图像处理,实现降质图像的复原。实验结果表明,该算法具有较强的自适应性和实时性。

采用自适应全局亮度补偿的夜间去雾算法

针对夜间雾霾天气情况下还原的去雾图像存在颜色失真、纹理损失严重、去雾效果差等问题,本文提出了一种夜间去雾算法,采用自适应全局亮度补偿、同态滤波、限制对比度自适应直方图均衡化算法以及联合双边滤波对降质图像进行处理,结合大气散射模型得到还原的去雾图像。实验结果表明,该算法的夜间去雾效果好、处理速度快,较对比算法在对比度、平均梯度以及信息熵上均有改善,有效减少了还原图像的颜色失真、纹理损失。

基于ASHE和SWT的低对比度自然场景图像文字定位

为解决在自然场景下光照不均匀使得图像对比度低,导致图像文字定位错检的问题,采用自适应子直方图均衡算法(Adaptive Sub-Histogram Equalization,ASHE)对图像进行对比度增强处理;采用最大稳定极值区域算法提取候选区域,结合形态学与启发式规则进行初步定位;通过改进的笔画宽度变换算法(SWT)与汉字特征进行精确定位;使用字符链融合算法,将文字区域合并,实现最终文本定位。实验结果表明改进算法对自然场景低对比度图像中文字具有较高的定位准确率,并且有效地降低了时间复杂度。

雾霾图像清晰化处理算法的研究

近年来雾霾日益严重,空气中的悬浮颗粒有散射作用,便使视频监控、检测、交通导航等户外视觉系统采集到的图像严重降质,为了保障户外系统能可靠、稳定地工作,因此需对雾霾图像进行清晰化处理。论文采用直方图均衡化法与Retinex算法对雾霾图像处理,实验结果表明:采用MSRCR算法得到的图像清晰,包含的细节信息多,图像增强效果较好较稳定。

基于线阵相机的透明胶囊漏液检测方法研究

人工检测透明胶囊是否漏液的方法耗时长、人工成本高。提出一种基于线阵相机的胶囊漏液检测方法。首先,利用线阵相机拍摄胶囊图像,成像处理后使用双边滤波方法将图像分为背景层和细节层。然后,采用自适应直方图均衡化(AHE)和Sobel operator算法,分别对分层图像进行平滑和锐化处理。最后,按权重对处理后的图像作线性融合,凸显胶囊漏液位置特征,从而确定漏液位置。试验结果表明,相比于传统人工方法,胶囊的漏液检测误差率缩小、检测效率提高,为实现透明胶囊生产线实时检测提供技术储备和数据支撑。该研究为工业、医疗、科研与安全等领域在利用电荷耦合元件线阵相机检测连续材料方面提供了有效的方法,并为图像处理中的算法融合提出了可行性建议。

基于Faster-YOLOv7的带式输送机异物实时检测

基于深度学习的目标检测算法在异物检测中具有较好的识别效果,但模型内存需求大,检测速度慢;轻量化深度学习网络能够大幅减少模型内存需求,提升检测速度,但在井下弱光环境中检测精度低。针对上述问题,提出了一种基于Faster-YOLOv7的带式输送机异物实时检测算法。通过限制对比度自适应直方图均衡化算法(CLAHE)进行图像增强,提高弱光环境中异物对比度;基于Mobilenetv3对YOLOv7主干网络进行轻量化设计,减少YOLOv7模型的计算量、参数量;添加有效通道注意力机制,缓解因特征通道数减少而导致的高层特征信息丢失问题;采用Alpha-IoU作为损失函数提高异物检测精度。实验结果表明:(1)Faster-YOLOv7的初始损失为0.143,最终稳定在0.039左右。(2)Faster-YOLOv7的检测速度可达42帧/s,较YOLOv5、YOLOv7分别提升了17,20帧/s;Faster-YOLOv7内存为14 MiB,较YOLOv5、YOLOv7分别降低了29,57 MiB;检测准确率达91.3%,较YOLOv5提升了8.8%。(3)将SSD、YOLOv5、轻量化YOLOv7、Faster-YOLOv7目标检测算法应用到煤矿井下带式输送机运煤图像及视频中,发现SSD在视频检测时发生了漏检现象,YOLO系列模型均有效地识别出待测异物,且Faster-YOLOv7识别结果的置信度更高。

有雾天气图像的清晰化方法

为了改善雾天图像的退化现象,本文提出了一种有雾天气图像的清晰化方法。该方法根据正态分布将图像分为非天空区域与天空区域,然后以全局直方图均衡算法(HE)和子块部分重叠的局部直方图均衡算法(POSHE)为基础对雾天图像进行均衡化处理,均衡后的图像能够保持图像细节,同时也能够避免图像的过增强。实验结果表明:该算法能够有效改善图像的退化现象,提高图像的对比度和分辨率,增强后的图像更加自然。

基于改进同态滤波的低对比度图像增强

针对传统同态滤波算法计算量大、参数设置困难、实验难度大等问题,提出一种改进同态滤波和对比度约束自适应直方图均衡相结合的低对比度图像增强算法。对原始图像进行均衡,保留图像的细节,增强图像的对比度;通过对同态滤波算法进行改进,进一步提高预处理图像的对比度。改进同态滤波算法利用滤波器特性对滤波函数进行简化,不但保证了原始算法的效果,而且在很大程度上减少了计算。结果表明,该算法是可控的,效果明显,细节更加完整。

图像增强的智能变电站表盘识别方法研究

针对传统变电站表盘识别方法误差较大的问题,设计了一种新型表盘图像识别方法,通过直方图均衡算法对CMOS采集的变电站表盘图像信息进行处理,提高图像对比度,使表盘图像识别更加精准,利用高效(Hough)变换指针检测法减少表盘识别过程中产生的误差,使识别误差波形更加稳定,保证表盘识别数据的准确性。最后通过Visual计算机仿真软件对本研究与传统方法进行误差分析仿真比较发现,本研究误差波形更加稳定,基本稳定在0.2%,传统识别方法在0.1%~0.8%之间波动,证明了本设计方法的可行性。

基于双目相机的水下视觉SLAM前端改进

为使机器人能够在昏暗且模糊的水下环境中实现较为清晰的地图构建和准确的自身定位,基于Rtab⁃map算法对其前端进行优化。通过直方图均衡化算法对双目相机采集到的水中图像进行预处理,提高图像的亮度和细节处的清晰度。使用ORB算法提取和匹配图像特征点,采用RANSAC算法剔除图像误匹配点对,提高相机位置估计的精度。实验结果表明:使用直方图均衡化算法处理水下的模糊图像,特征匹配点对数明显增加。基于公开数据集对优化后的Rtab⁃map算法进行测试,所得到的多项误差明显降低。在实验室水槽条件下进行试验,验证了采用优化后的算法得到的三维点云图质量更优。