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。

局部对比度自适应直方图均衡化图像增强的算法研究

在雾天或者雨天等特殊天气情况下,人们的视野会因为天气因素受到影响,导致观察对象不清晰。一些图像采集系统同样会受到影响,因此,图像的增强研究具有很大应用价值和研究价值。笔者在原有的直方图均衡化的基础上,研究了局部对比度自适应直方图均衡化,改进了原来的整体灰度变化,对感兴趣的局部图像进行均衡化处理。对比不同的算法,可以看到局部对比度自适应直方图均衡化算法在雾天图像增强处理之处有很好的效果。

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。

改进后的Otsu自适应背景分离的局部直方图均衡化增强算法

Otsu自适应背景分离的局部直方图均衡化增强算法是综合改进后的Otsu自适应背景分离算法和局部直方图均衡化增强算法的一种新处理方法,首先,利用改进后的Otsu算法对图像进行目标区域和背景区域的分离,然后利用分离出来的目标区域进行直方图均衡化处理。实验结果表明,图像经过处理后,目标区域对比度明显增强。

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。

基于自适应直方图算法的红外增强处理及实现

红外图像具有低信噪比、低地对比度、边缘模糊等缺点。这篇文章主要介绍基于自适应平台直方图算法对红外图像进行处理及FPGA硬件的实现。首先,我们将红外图像转换为灰度直方图,接着进行图像的均衡化处理,最后通过自适应的方法选取合适的平台阈值,来提高红外图像的对比度。本文将该算法用在FPAG上实现,红外图像的细节明显得到增强,边缘清晰度和目标对比度得到了提高,同时抑制了噪声,很好地改善了图像的效果。因此,该方法是适应于各种红外图像的增强处理。

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。

改进YOLOv5s的弱光水下生物目标检测算法

针对水下光学图像目标检测过程中由于水中光线衰弱严重、图像环境复杂和拍摄设备移动等造成的生物识别精度低的问题,提出了基于改进YOLOv5s的弱光水下生物目标实时检测算法YOLOv5s-underwater。针对弱光水下光线衰弱的问题,引入了限制对比度自适应直方图均衡(CLAHE)算法对输入图像进行预处理,解决了颜色失真和图像毛糙的问题。针对复杂的弱光水下图像环境,提出了快速空间金字塔池化(SPPF)模块,解决了水下物体区分度低和特征损失严重的问题。针对拍摄设备移动带来的场景和形态变化问题,提出了一种基于旋转窗口的Swin-Transformer模块,提高了模型的泛化能力。针对水下小目标,修改了网络模型结构,提高了小目标的检测能力。仿真和实验结果表明:所提算法相较于YOLOv5s检测精度提高30.7%,证明了算法的有效性。

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。

融合边缘信息的对比度增强算法

针对红外图像中对比度低,细节不清晰,视觉效果模糊等问题,提出一种结合边缘信息的对比度增强算法。首先,使用引导滤波将原始红外图像分解为基础图像和细节图像,并且通过使用对比度限制的直方图均衡来处理基础图像,提高图像对比度,克服“过度增强”现象;利用Gamma变换处理细节图像,增强细节信息;再将处理后的两幅图像融合成图ImageSD;然后为了有效地改善ImageSD的亮度不均匀的现象,对原始图像进行自适应直方图均衡和拉普拉斯锐化滤波;最后,将两个图像进行线性加权并融合以重建出最终的红外图像。结果表明,该方法可以更好地提升原始图像的对比度,丰富细节信息。

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。

低对比度胸片中管线检测方法

一般在重症监护病房中常用便携式胸片机来辅助医生监控患者的病情进展,了解各种医用管线在病人体内的具体位置。但便携式X光机得到的胸片有着低对比度、噪声多的缺陷,且胸片中的管线并不清晰,使得医生不便于观测管线的位置。文中提出一种在ICU病房中胸片的管线检测方法,在得到病人的胸片后,使用对比度限制的自适应直方图均衡化处理方法来调整对比度,再对其进行双边滤波来去除噪声,同时增强管线的细节信息,然后再做管线检测。将文中方法应用在100余张便携式胸片中,结果显示所提方法可有效检测医用管线,且有效准确率接近90%。

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。

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。