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 .

相机视频图像自适应对比度增强系统的研制

介绍了基于图像处理方法的自适应对比度增强系统的组成、工作原理、硬件电路设计与软件设计.针对监察相机工作环境照度变化范围大的特点,提出一种改进的灰度直方图均衡化方法.应用此方法所研制的系统,能够自适应于多种光照条件下获得的低对比度图像,自动进行对比度调整,改善监察相机输出视频图像的质量.对于清晰图像,经调整后图像质量至少无明显降低.

基于粒子群优化的自适应对比度增强算法在中子照相中的应用

由于成像机理和中子源的限制,中子照相成像图像易出现对比度不足的缺陷,利用对比度增强算法改善图像质量成为解决问题的常用方法。新提出的自适应对比度增强算法利用粒子群优化算法对中子图像全局像素进行迭代分析,确定自适应处理过程中的关键增益因子系数,可实现图像对比度自动寻优增强。利用该算法对多幅中子图像进行处理并与传统优化算法处理结果进行对比分析。结果显示:新算法对于不同中子照相的图像均具有明显的对比度增强效果,且该算法优化图像的信息熵、灰度平均梯度和对比度等参数相比传统优化算法均有提高,具备推广应用价值。

邻域相关自适应对比度均衡遥感图像增强方法

提出了一种改进的自适应对比度均衡遥感图像增强方法,首先将图像划分为互不重叠的子块,在计算当前对比度均衡图像子块局部统计参数系数时,引入了一个覆盖该图像子块邻域图像子块的矩形滑动模板,利用模板内图像的局部统计参数计算对比度均衡变换系数。在增强对比度的过程中引入了平滑因子,在增强图像的同时抑制了图像中噪声。遥感图像增强实验结果验证了改进方法的有效性。

彩色图像局部自适应对比度增强算法研究

图像增强是大多数图像处理技术的前提工作,对于彩色图像,既要达到图像增强的目的又要保持色调不变成为一个难点。在研究RGB颜色空间和HSV颜色空间特点、数学形态学图像处理技术的基础上,在HSV颜色空间把一种灰度图像对比度增强算法推广到彩色图像处理算法。实验结果表明,该算法在局部自适应增强图像对比度的同时,能够保持图像色调,提高图像质量。

基于AlexNet模型和自适应对比度增强的乳腺结节超声图像分类

乳腺癌是女性是最常见的恶性肿瘤之一,其发病率有逐年增高的趋势,严重威胁着患者健康。如何取代传统活体穿刺,快速准确地对乳腺结节进行良恶性判断,近年越来越受到关注。医学研究表明,良恶性结节在边缘处呈现较为显著的差异,因此对边界加强处理的算法为判断乳腺结节良恶性的深度学习提供了新思路。文中实验数据库的构建基础得到首都医科大学附属北京友谊医院的支持。在比较5种边界增强算法后对图像进行扩增,并采用在图像分类方面十分出色的AlexNet网络模型。将分别经过线性、非线性对比度拉伸、直方图均衡化、直方图阈值化以及自适应对比度增强算法处理后的数据用于AlexNet模型,比较5种算法对AlexNet模型准确度的影响,得出更适用于乳腺结节超声图像的预处理算法。扩增后的数据集图像总数量超过一万张,其中训练集占80%,验证集与测试集各占10%。最终,通过绘制ROC曲线计算敏感度、特异度、精确度参数,对测试结果进行评估,并得到了较好的测试结果。

基于深度学习与自适应对比度增强的臂丛神经超声图像优化

现代医学中,利用臂丛神经分割与识别后的图像经过对比度增强优化后,可以更利于医师识别出病症和肿瘤。在上肢手术与术后护理中需要进行麻醉护理,而臂丛神经阻滞是一种常用的局部麻醉方式。为了精确确定臂丛神经的位置,在实际治疗过程中广泛应用超声设备对神经系统进行检测和定位。文中阐述了基于深度学习以及神经网络,在超声动态影像中准确地识别并分割臂丛神经,且在截出的图像中通过自适应对比度增强来优化超声图像的显示。实验数据来自于北京积水潭医院,分为病人的超声影像以及对应的良性恶性肿瘤图片。文中运用了增强对比度的算法对所提取的特征进行处理,结果表明增强了图像的对比度和显示内容的精确度。

基于颜色校正与改进的对比度增强的水下图像增强方法

针对水下介质分布不均匀引起的光吸收和散射导致图像颜色失真、对比度低、细节模糊,严重影响ORBSLAM2算法前端特征提取与匹配鲁棒性的问题,文中提出一种基于颜色校正与改进的自适应对比度增强的图像处理方法。首先,利用一种改进的颜色通道补偿和颜色通道拉伸方法去除色偏;其次,采用改进的自适应对比度增强方法提高图像的亮度与对比度;最后,将彩色校正图像与对比度增强图像在HSV空间中融合。此外,将提出的算法与一些其他算法进行主客观的评价,并将处理好的图片进行特征提取和匹配。结果表明,该算法处理的图片不仅在主客观评价上均优于对比算法,而且增加了特征点的匹配数量,为水下图像处理提供了借鉴。

投影球幕对比度自适应快速上采样锐化算法

多通道投影球幕在融合过程中仅会采样原始渲染图像的部分内容且采样点分布不均匀,导致清晰度在不同的区域会有不同程度的下降。以此为切入点,提出了一种对比度自适应快速上采样锐化的视觉增强算法,以改善其显示效果,该算法包含自适应上采样和自适应锐化两个阶段,应用于图形渲染管线的后处理部分,可以快速地进行上采样锐化操作。通过对比实验,对比度自适应快速上采样锐化算法能够在保证高帧率的同时提高三维场景渲染结果的分辨率,同时通过锐化技术增强其显示效果,并提升多源投影球幕显示实时三维场景的清晰度和细节。

保持图像亮度的自适应局部对比度增强

目前保持亮度的局部直方图均衡算法用于对比度增强时,大多以亮度均值和中值为图像的亮度分割点,这些方法能较好地保持图像的亮度,但同时也会产生局部过增强。为此提出了一种亮度误差最小的自适应局部对比度增强算法,根据亮度均值绝对误差自适应的选择最佳亮度分割点,然后用保持亮度的双直方图均衡算法对被分割的子图像进行均衡,最后用滤波器消除块效应。实验结果表明,该算法不仅保持了输入图像的亮度,同时也实现了局部对比度增强。

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。

基于对比度受限自适应直方图均衡的乳腺图像增强

采用对比度受限自适应直方图均衡对乳腺图像进行增强,有效地增强了乳腺图像中的细节,如钙化点、乳导管等组织;并通过对算法中相关参数研究,得到应用于乳腺图像增强的参数优选值,以求获得较好的增强效果,为医师分析影像提供方便。通过与灰度直方图均衡的结果进行比较得出:对比度受限自适应直方图均衡为乳腺数字图像增强的有效方法,在计算机辅助乳腺诊断方面有较高应用价值。

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。

红外偏振舰船目标自适应尺度局部对比度检测

针对海天场景复杂干扰情况下多尺度检测红外偏振图像中舰船目标困难的问题,本文提出一种基于引导滤波和自适应尺度局部对比度的舰船目标检测方法。首先将强度信息作为引导信息对红外偏振图像利用引导滤波,得到目标背景对比度、局部信噪比更高的融合图像;然后基于融合图像显著的海天线垂直梯度特征,提出一种检测海天线方法,再对融合图像进行海天线加权抑制海杂波干扰;最后基于单尺度局部对比度算法与舰船目标比例特征,提出自适应尺度局部对比度方法,当尺度与目标匹配时响应最大,通过不同尺度对目标的响应结果确定最大尺度,得到舰船目标检测结果。实验结果表明,引导滤波融合方法的提高图像的目标背景对比度和局部信杂比,与典型检测方法对比,本文方法能够有效抑制干扰并能够检测海天场景不同尺度舰船目标,具有较高的鲁棒性和准确性,检测率、虚警率分别为95.0%,3.5%,为红外偏振图像目标检测提供了新的方法。

基于对比度受限自适应直方图多种路面裂缝检测与识别

传统的人工检测路面裂缝会造成人力资源浪费,且检测工人作业危险性和劳动效率等因素限制了路面裂缝的及时修补。本文提出了一种新的路面裂缝检测与识别方法:对来自车载系统拍摄的道路图片进行分析,通过对比度受限自适应直方图均衡(CLAHE)和中值滤波等去除图像中的噪声,利用形态学处理技术去除伪裂缝区域,并且根据投影信息完成对裂缝的标定、提取裂缝的骨架信息。对于不同路面的不同形状的裂缝,运用本文提出的算法,平均识别率达92%,能够较好地满足当前城乡路面裂缝检测的要求。

水下图像的颜色校正及对比度增强算法研究

通常水对光的吸收以及水中的悬浮物会使水下图像出现色偏、对比度差、光照不均匀等问题。为解决这些问题,首先,采用统计学的方法来对水下色偏图像进行颜色矫正;其次,通过对比度代码图像(CCI)改进的局部自适应对比度增强(ACE)算法以及限制对比度自适应直方图均衡(CLAHE)算法的处理后,得到两个不同版本的对比度增强图像;最后,为获得高质量水下增强图像,借助多尺度融合算法,将可变邻域自适应对比度细节增强图像和局部限制对比度增强及亮度均衡图像融合。在890张有可参考图像的UIEB数据集中,通过对现有的一些算法从定性和定量的角度进行比较分析,结果表明,所提出的算法能够有效地改善图像色彩并提高图像对比清晰度。

低照度自适应图像增强方法研究

在夜间低照度情况下,应用于智能交通的目标检测与跟踪算法性能急剧下降,不能满足实际需求。为此提出一种夜间低照度彩色图像增强方法,提高图像的视觉效果,使智能交通系统全时工作成为可能。采用RGB三通道联合增强的方式,从亮度和对比度两方面协同改善图像质量;打破伽玛校正用于对比度增强的惯例,利用伽玛校正进行亮度调节并联合对比度增强函数来实现图像增强;通过对图像质量整体评价自适应计算变换参数。实验结果表明:算法简洁、效果良好,具有一定的使用价值。

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。

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。