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。

自适应直方图均衡化改进的全变分图像修复

为了解决全变分(TV)模型修复窄带图像缺陷时产生的视觉不连通的问题,改善图像修复的效果.采用可以强化细节的自适应直方图均衡化(CLAHE)操作来扩大图像的动态范围;在全变分变换后对图像不连通区域做形态学运算来平滑并消除图像中的孤立点.文章给出了算法原理和实现步骤,实验结果表明修复之后的图像峰值信噪比提高,视觉连通效果较好.

受限直方图均衡化的低频DCT系数重变换算法

针对现实人脸识别中由于光照、表情、姿态或其他物体引起的面部遮挡而严重影响识别率的问题,提出了受限直方图均衡化的低频DCT系数重变换算法。首先,将图像划分成多个互不重叠的局部小块,使用受限直方图均衡化对局部子块进行局部对比拉伸以实现去噪;然后,通过缩减适当数目的低频DCT系数来消除人脸图像中的光照变化;最后,利用核主成分分析进行特征提取,最近邻分类器完成最终的人脸识别。在ORL、扩展Yale B及1个户外人脸数据库上的实验验证了所提算法的有效性及鲁棒性,表明相比几种线性表示算法,本文算法在处理鲁棒人脸识别时取得了更高的识别率。

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。

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。

基于非参数直方图模型的鲁棒说话人识别算法

建立一种非参数模型来刻画说话人的特征分布,并采用地面移动距离来度量分布之间的相似性。该方法能有效地利用有限的数据表达说话人的身份信息,直接计算特征分布与测试语音分布之间的距离,与传统的矢量量化和高斯混合模型相比,不需要通过对所有语音帧计算总平均失真误差和最小相似度,计算简单,主要能够降低系统对数据量的依赖性。并且通过自适应直方图均衡化方法对原始语音特征进行修正,使得噪声环境下获得的语音特征经过修正后更符合真实分布,增强了特征的抗噪性。实验表明,本文提出的方法在噪声环境下的短语音说话人识别系统中表现出较强的优势。

基于交互式数据语言MRI图像直方图增强方法的比较

目的:比较不同直方图增强方法对改善MRI图像质量的作用效果。方法:基于交互式数据语言编程环境,分别采用直方图均衡化、自适应直方图均衡化和直方图规定化对颈髓MRIT2W图像进行增强处理,利用峰值信号噪声比和图像信息熵评价图像暗区细节的表现性能以及图像噪声水平。结果:直方图均衡化对图像暗区细节的增强效果一般,图像整体对比度反而有所下降;自适应直方图均衡化增强细节的同时放大了图像噪声,并在边缘形成伪影;直方图规定化可选择匹配直方图函数的类型,充分显示图像暗区细节,图像噪声水平低于前两种方法。结论:应用直方图增强方法处理颈髓MRIT2加权图像,在图像暗区细节表现和图像低噪声水平上,直方图规定化明显优于直方图均衡化和自适应直方图均衡化。

基于MATLAB的乳腺钼靶图像直方图增强方法的比较

目的比较不同直方图增强方法对改善乳腺钼靶图像质量的效果。方法基于MATLAB编程,分别采用直方图均衡化(HE)、直方图规定化(HS)和对比度受限自适应直方图均衡化(CLAHE)对乳腺钼靶图像进行增强处理;利用峰值信噪比(PSNR)客观评价图像的噪声水平。结果HE对图像对比度的增强效果一般,图像细节反而有所下降;HS可选择匹配直方图函数的类型,从而选择性增强所需灰度范围,但图像噪声水平在三种方法中最高;CLAHE能很好地增强图像各部分的对比度,且图像噪声水平最低。结论应用直方图增强方法处理乳腺钼靶图像,在图像噪声水平和灰度增强上,CLAHE明显优于HE和HS。

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。

自适应目标的U型皮肤病变图像分割算法

针对皮肤病变图像分割问题,提出一种自动适应目标形状的U型皮肤病变图像分割算法。对原始病变图片依次进行灰度化、归一化和限制对比度自适应直方图均衡化处理,提高前景与背景的对比度;将预处理后的图片输入到U型网络中进行训练,该网络将调制可变形卷积块融合到U-Net的编码器和解码器中,使其自动适应病变目标的比例和形状,让复杂的病变结构能被更好地检测到;通过Softmax分类器得到分割结果。在ISBI2016皮肤病变图像数据集的实验结果显示,分割精度、Dice系数和灵敏度分别为97.87%、94.01%、94.70%。该算法可精确分割皮肤病变区域,总体性能优于现有算法。

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。

改进Retinex的低照度图像增强研究

针对低照度图像在增强过程中出现的色彩失真、亮度不均、细节模糊等问题,提出一种改进Retinex低照度图像增强算法。算法基于HSI色彩空间,首先利用Retinex模型将亮度分量I分解为L成分和R成分;采用对比度受限自适应直方图均衡化拉伸L成分,提升图像对比度,基于均方差量化R成分,增强图像整体亮度;并利用均值滤波提取图像细节层,提升图像细节信息;根据I分量与S分量的相关性,提出一种饱和度分量S的自适应拉伸函数,调整图像色彩,最后将增强图像转回RGB色彩空间。实验结果表明,所提算法图像亮度增强适宜,对比度有效提升,细节清晰,图像色彩舒适自然,符合人眼视觉习惯;峰值信噪比、结构相似性、信息熵分别最高达到18.79 dB、0.92、7.59,均高于对比算法。

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。

基于Faster R-CNN的肺炎目标检测

针对肺炎图像中病灶组织与正常组织难以区分,导致的肺炎检测准确率低的问题,提出一种基于改进Faster R-CNN的肺炎目标检测算法。通过CRP-CLAHELS的流程在增强图像对比度的同时提取图像的边缘特征,提出IN-ResNet50网络作为特征提取主干网络,提取更丰富的图像特征。在此基础上,引入Soft-NMS改进候选框合并策略,提高网络在多个目标肺炎区域下的检测准确率。在RSNA数据集上的实验结果表明,该算法相比Faster R-CNN平均精度均值提高7.26%,与其它目标检测主流算法SSD、YOLOv3相比平均精度均值分别提高8.83%、7.02%,验证了其有效性。

基于改进YOLOv4的输电线路耐张线夹缺陷检测

为了减少耐张线夹压接缺陷判别过程中人为因素对结果的干扰,提升评判效率,提出一种基于改进YOLOv4的输电线路耐张线夹缺陷检测方法。首先,通过“三跨”线路耐张线夹X光探伤工程,建立包含6类常见压接缺陷的图像样本集;其次,依次采用对比度拉伸、拉普拉斯算子增强、限制对比度自适应直方图均衡化及高斯滤波等图像处理方法对数据集进行预处理;然后,引入卷积块注意力模块和残差结构对原始YOLOv4模型的路径聚合网络层和空间金字塔池化层进行改进,增强模型对空间和通道维度的关注度,优化模型多感受野特征表达能力,提升算法对深层语义特征的提取效果;接着,利用预处理数据对YOLOv4及其改进模型进行训练与测试;最后,根据YOLOv4及其改进模型对各类压接缺陷的检测性能不尽相同这一特点,采用2次非极大值抑制搭建多网络融合缺陷检测模型,并完成模型的测试。先后的测试结果表明,改进YOLOv4、多网络融合模型对6类压接缺陷检测的平均精度均值分别为92.22%、93.08%,可实现对耐张线夹压接缺陷的有效检测。