自适应直方图均衡方法研究与应用

本文介绍了直方图均衡(HE)和自适应直方图均衡(AHE)对比度增强方法,进而提出了一种基于幂函数形式的加权自适应直方图均衡法(WAHE),并给出其滑动窗口权矩阵生成方法及直方图分布计算方法,最后给出数字X光胸腔图象的处理结果。

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。

电能表数据采集终端负载自适应均衡方法研究

针对电能表数据采集终端数据量及访问量高导致的负载失衡问题,研究基于元模型的电能表数据采集终端负载自适应均衡方法。将电能表数据采集终端的电能表数据作为模型元数据,经数据提取、转化、加载处理后,将处理完成的数据存储至元数据仓库内。在元数据负载大小未知条件下,创新性地采用基本负载均衡算法分配元数据仓库中元数据的负载,以求解元数据的负载量。当负载过大时,通过迁移负载低节点的目录子树,均衡处理了元数据的负载量,实现了电能表数据采集终端访问负载均衡。实例测试结果表明,该方法应对速度快。该方法降低了电能表数据采集终端负载,解决了元数据请求激增问题,提高了集群负载的均衡程度。

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。

基于自适应色彩均衡及改进IBLA的水下图像增强

针对水下环境采集图像和视频存在对比度低、色彩不均衡等颜色失真问题,提出了一种自适应色彩均衡与水下场景深度估计融合的水下图像增强算法。该算法的核心思想由3个步骤组成:首先针对图像色偏严重问题,对色偏严重的通道进行颜色自适应均衡化预处理,以突出纹理特征;其次,根据图像整体的纹理分布特性进行特征提取,并对图像通道进行背景光估计、场景深度估计以及传输系数映射估计;最后,采用场景亮度恢复模型进行特征融合,并基于直方图均衡算法得到水下增强图像。为证明该算法的有效性与先进性,选取真实水下降质图像为处理对象,利用质量评价指标(UIQM)对增强图像进行总体比较。结果表明,该算法有效增强了水下降质图像的清晰度与色彩度,并且清晰地恢复了图像细节。

一种改进的自适应直方图均衡化增强档案图像的方法

直方图均衡化能够调节图像的动态灰度范围,是一种经典有效的图像增强方法,但它建立在合并相似像素灰度的基础之上,模糊了图像的细节。强调细节的自适应图像均衡化(DEAHE)不但保持了图像均衡化具有动态范围调节的优点,而且也可以放大图像细节。考虑到档案图像在数码化过程种可能受噪声的干扰,DEAHE方法在强调图像细节的同时,也放大了噪声,因此,本文提出一种改进的DEAHE方法,即IDEAHE方法,它使得增强后的档案图像噪声得到抑制、图像细节得以放大、整幅图像的灰度范围得到调节。实验表明,经过IDEAHE方法增强后的档案图像,其主观视觉效果改善明显,可用于实际的数码档案生产过程中。

自适应加权直方图均衡化的红外图像增强

鉴于现有的红外图像增强方法存在欠增强、过增强和放大噪声等缺陷,提出了自适应加权直方图均衡化的红外图像增强方法。该方法提出了直方图的自适应加权系数,其反比于每个灰度级对应直方图频次的平方根,适当地提升频次较小的直方图,而适当压制频次较大的直方图。用自适应加权系数对各个灰度级的直方图频次进行加权后,进行直方图均衡化处理,最后经灰度级映射得到增强图像。实验结果显示,相对于现有的方法,本方法的增强图像对比度更高,边缘细节信息更丰富,信息熵、平均梯度和标准差分别比现有方法高出0.23、2.2和3.7以上。因此,本文方法的红外图像增强效果优于最新提出的现有方法。

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。

基于自适应局部灰度修正的直方图均衡算法

分析了图像直方图均衡增强算法中信息损失的内在机理,提出基于自适应局部灰度修正的直方图均衡算法。首先对图像作常规直方图均衡处理,然后分析比较处理后图像和原图的梯度变化,以此为依据对图像作局部灰度修正,从而减小直方图均衡处理过程中信息损失的程度,最后通过实验验证了算法的有效性。

自适应图像直方图均衡算法

为了改善直方图均衡对低灰度层密集分布图像的处理效果,通过分析图像直方图均衡理论对同一灰度像素在处理后映射到同一灰度的过程中存在的理论缺陷,提出了一种高效的、自适应的算法.该算法首先对图像进行常规的直方图均衡处理,然后对处理后所形成的图像灰度在一个较大的灰度范围内进行映射,保证变换后的图像有较大的灰度动态范围,最后对结果进行适当的亮度修正,保证变换图像整体有较高的对比度,便于观察图像的细节.通过实验证明,改进后的算法可以明显地改善直方图均衡处理低灰度层密集分布图像的效果,同时具有较高的算法效率,适合在实时图像处理系统中采用.

自适应直方图均衡化图像增强算法研究

直方图均衡化图像增强算法原理简单,同时是可逆操作,即只要知道变换函数,就可以通过其逆函数来得到原始的直方图,并且处理的数据量也不是很大,但在增强处理过程中因大量灰度级被合并而导致处理后图像出现不自然的情况。为此,提出了自适应直方图均衡化图像增强算法。该算法根据原始图像的直方图,自适应地确定一个剪切系数,然后按照剪切系数对直方图进行剪切,最后进行均衡化处理。算法的创新点在于自适应确定剪切系数,解决有高峰直方图图像增强后局部不自然的问题。试验结果表明,该算法对直方图有高峰的图像有较好的增强效果并避免过度增强不自然的问题,在计算机图像处理上有较高的应用价值。

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。

结合边缘细节局部自适应增强的直方图均衡化

在保持图像亮度的双直方图基础上,结合Canny算子提取边缘细节,并根据提取边缘的幅值结果建立自适应增强公式.实验结果表明将空间边缘信息和局部灰度信息相结合的算法在满足全图灰度均衡分布的同时增强了局部细节,并且有较强抗噪性.

基于自适应直方图均衡化耦合拉普拉斯变换的红外图像增强算法

当前较多红外图像增强方法利用图像灰度特征增强图像,这类方法忽略了图像灰度分布的不均匀性,导致增强结果存在细节丢失和对比度不理想等问题,为了克服上述问题,提出了一种自适应直方图均衡化耦合拉普拉斯变换的红外图像增强算法。将输入图像进行均匀分割后,借助洛伦兹曲线的基尼系数,求取了图像灰度分布的不均匀性程度,从而构造了自适应的上、下限阈值,用于对图像进行自适应直方图均衡化,以实现对图像进行对比度增强;引入平滑滤波方法,去除图像中的噪声。并在传统拉普拉斯变换的基础上,融入图像像素值的对角二阶导数信息,形成8邻域拉普拉斯变换,以完成图像边缘等细节内容的锐化处理,以增强图像清晰度;利用本算法对不同红外图像进行了增强实验,结果显示,本算法具有更好的增强质量,其输出图像拥有更高的对比度和清晰度,呈现出更好的视觉效果。

一种快速自适应直方图均衡叠代算法

本文提出了一种快速的自适应直方图均衡叠代算法（FAHE）。该算法基于滑动窗口移动前后两个直方图的相关性。同基本的AHE方法相比，对于一256灰阶的512×512图象，在486／33兼容机上采用65×65的滑动窗口，FAHE的计算时间从原来的大约5小时降低到4分钟。

基于双直方图均衡的自适应图像增强算法

基于双直方图均衡算法,提出一种自适应图像增强算法。该算法综合考虑图像的熵及输入输出图像的亮度均值差,自适应地选择合适的阈值将图像分割成2个子图进行双直方图均衡和灰度均匀化处理,使得输出图像的亮度均值和原图接近的同时输出图像的熵尽可能大,并避免了过增强现象的出现。实验结果证明,该处理方法能取得较好的增强效果。

利用无约束函数的QAM信号自适应盲均衡方法

本文针对正交幅度调制(QAM)信号的盲均衡与载波相位恢复问题,首先在对现有的基于功率最大化盲均衡算法分析的基础上,依据向量范数间的关系,给出了一种QAM信号盲均衡与载波相位恢复的无约束代价函数;然后对代价函数的收敛性和解的唯一性进行严格论证,证明代价函数在取得最优解时能够同时实现盲均衡与载波相位恢复;之后将其转化为采用随机梯度法实现的自适应算法。相对CMA、MMA等其他自适应算法,新算法可获得更好的性能,通过对高阶QAM信号的均衡仿真,进一步验证了算法的有效性。

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.

基于小波变换和自适应直方图均衡的红外图像增强

针对实际应用中红外图像的对比度较低、存在噪声的缺点,结合人的视觉特征,在已有图像增强方法的基础上,采用小波变换与自适应直方图均衡相结合的方法对红外图像进行增强.该方法不但解决了红外图像对比度低的问题,而且降低了噪声,突出了图像细节.

反距离加权插值自适应图像直方图均衡化算法

提出了一种基于反距离加权插值的自适应图像直方图均衡化算法:在非重叠子块直方图均衡化方法的基础上,用反距离加权插值函数的权值描述图像像素之间的相关性,利用权值下降指数调节图像中局部区域的增强效果,通过设置平滑参数控制插值算法的平滑效应。遥感图像增强实验结果表明了该方法的可行性。