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PCA降噪的改进型CLAHE算法

为解决可见光成像设备采集的图像细节特征识别困难的问题,结合两种不同方法提出一种主成分分析和改进型的各向异性扩散滤波器的模糊裁剪对比度受限自适应直方图均衡化(ADFS-CLAHE-FC)图像增强技术,从图像中提取有意义的信息。首先通过PCA对图像进行降噪处理,然后利用ADFS-CLAHE-FC对降噪后的图像作增强处理,最后基于ADFS-CLAHE-FC进一步降低图片的噪声,保持对比度和亮度。实验表明,该方法在增强图像对比度的同时消除了图像噪声,在视觉上效果更好,相较于直方图均衡化(HE)、对比度受限自适应直方图均衡化(CLAHE)方法及其他方法在提升图像质量和保持图像细节方面性能更优,有助于提升图像分割和提取的准确性。

基于CLAHE与卡尔曼滤波的掘进机机载视频稳像算法

掘进机等煤机装备在行进或作业期间,易因车体振动引起机载相机视频模糊,导致基于机载视频的机器视觉检测精度和可靠性下降。针对该问题,提出一种基于CLAHE与卡尔曼滤波的掘进机机载视频稳像算法。该算法由运动估计、轨迹平滑和运动补偿3个部分组成。在运动估计阶段,先采用限制对比度自适应直方图均衡(CLAHE)算法对井下巷道图像进行增强处理,再利用Shi-Tomasi算法获取每帧图像的特征点,对获取的特征点进行光流追踪和匹配,进而计算出相机的运动轨迹。在轨迹平滑阶段,利用卡尔曼滤波,根据视频前一帧的最优值预测当前时刻值,避免均值滤波需预先存储采样数据的问题,提高稳像的实时性。在运动补偿阶段,根据原始运动路径和平滑路径的关系对抖动视频逐帧补偿,生成稳定的视频序列。实验结果表明:(1)经CLAHE增强处理后,特征点匹配成功率比未增强处理时提高了58%,比HE增强处理时提高了43%,说明CLAHE算法可有效提高图像特征点匹配数。(2)通过像素偏移分析、差分图分析、峰值信噪比(PSNR)分析,验证了基于CLAHE与卡尔曼滤波的掘进机机载视频稳像算法具有较好的稳像效果。(3)与传统的HE+均值滤波算法相比,基于CLAHE与卡尔曼滤波的算法处理100帧视频图像的整体耗时减少了0.379 s,在去除抖动的同时,有效提高了稳像的实时性。

基于CLAHE与维纳滤波的实时声呐图像增强

声呐成像一直是水下调查领域的主要传感解决方案,特别是在无人潜航器的应用中。最新一代前视成像声呐能够以高帧率获取高分辨率图像,图像质量几乎可以与使用光学相机获得的视频图像相媲美。然而声呐图像经常受到各类噪声的影响,导致图像质量下降,影响后续的数据分析和处理。为解决此类问题,文章提出一种基于限制对比度自适应直方图均衡化(Contrast Limited Adaptive Histogram Equalization,CLAHE)与维纳滤波的声呐图像降噪增强算法。该算法具有更高的实时性,可以快速有效地处理噪声问题。为验证算法的性能,采用前瞻性成像声呐技术获取声呐图像,开展一系列实验。实验结果表明,文章所提的算法能够显著降低噪声的影响,提高声呐图像可视性,为声呐成像在水下调查中的应用提供了更可靠的解决方案。

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CLAHE和top-hat变换的手背静脉图像增强算法

为了克服光强,手背厚度对手背静脉图像的影响,提出一种新的手背静脉图像增强方法,对比度受限的局部直方图均衡(CLAHE)和top-hat变换相结合的方法。在进行CLAHE处理的基础上,利用top-hat变换提取图像的波峰和波谷,并将提取的波峰和波谷进行直方图修正,拉开灰度分布,再与之进行加减运算。实验表明,该算法能得到很清晰的增强效果。

基于CLAHE的苹果树树枝迭代阈值分割方法研究

针对农业采摘机器人自主导航和采摘过程中的障碍物树枝识别问题,为解决迭代阈值分割算法在目标与背景图像灰度差别不明显情况下的分割缺陷,提出了基于对比度受限自适应直方图均衡化基础上的果树树枝迭代阈值分割方法。首先,通过颜色空间变换,将RGB颜色空间的果树树枝图像转换到XYZ和I1I2I3颜色空间,并提取出X-Y色差因子和I2颜色因子,对其进行灰度差别分析;然后,对灰度差别不明显的图像进行对比度受限直方图均衡化处理后,再进行迭代阈值分割,从而剥离出树枝区域。实验结果显示,采用本文方法,树枝图像分割成功率为92%。

一种改进CLAHE算法在医学试纸条图像增强中的应用

在图像对比度增强算法中,结合自适应直方图均衡化和对比度受限两项技术的对比度受限自适应直方图均衡化算法（CLAHE）是一种常用的低对比度图像增强算法。为了解决快速诊断试剂中的过敏原检测试纸条图像对比度低的问题,尝试给出一种改进的CLAHE图像增强新算法。新算法在传统的CLAHE算法的基础上,通过引入一个自适应参数T来自动调整图像每个子块的像素点重新分配的范围,从而达到增强图像细节的目的。通过对过敏原检测试纸条图像增强的实验对比分析,表明改进后的CLAHE算法可有效地改善该类医学试纸条图像的增强视觉效果,为后续医学试纸条的分割和识别奠定基础。与此同时,以图像均方根对比度为定量统计依据,与传统CLAHE算法的结果比较得出：改进的CLAHE算法明显提高图像均方根对比度,传统的CLAHE算法平均提高原图像均方根对比度1~2倍,而改进的CLAHE算法平均提高3~4倍,进一步验证新算法是一种对过敏原检测试纸条图像增强更为有效的方法。

基于CLAHE增强的GIS局放脉冲序列识别算法

为了研究气体绝缘组合电器(gas insulated switchgear,GIS)的特高频局部放电脉冲序列识别算法,进而提高其绝缘故障诊断的正确率,提出利用限制对比度自适应直方图均衡化(contrast limited adaptive histogram equalization,CLAHE)算法对脉冲序列分布(phase resolved pulse sequence,PRPS)图谱进行预处理,实现放电脉冲目标的强化,从而增强数据集视觉特征的方法;然后计算增强图谱的均匀局部二值模式(uniform local binary pattern,ULBP)作为特征向量,利用Adaboost级联分类器不断提高识别率直至收敛,从而实现GIS内部绝缘故障类型的识别。实验结果表明:CLAHE增强将识别率的上限从93.36%提高到了96.09%;在变化的外施电压下,ULBP特征向量比传统图像特征的识别率提高了10.71%~15.72%;Adaboost强分类器在训练时对样本数量的要求降低了约1/3。故所提算法进一步扩大了优化空间,增强了传统算法的泛化能力,提高了训练效率。

基于CLAHE的X射线行李图像增强

提出了一种基于对比度受限自适应直方图均衡化(CLAHE)的X射线行李图像增强算法.首先使用一种背景区域快速填充方法降低背景噪声的干扰,然后采用CLAHE技术增强图像的对比度,最后采用一套组合锐化方案增强图像的细节.实验结果表明,使用所提方法能够快速有效地增强X射线行李图像的对比度,突出行李物品的细节.

基于三级图像融合与CLAHE的机场安检X光图像增强算法

针对CLAHE增强机场安检X光图像出现的颜色失真及背景噪声放大问题,提出一种基于三级图像融合与CLAHE的X光图像增强算法.首先将X光图像分别转换成RGB、HSV图像并分别进行CLAHE增强,将增强后的图像通过欧几里得范数实现第1级融合.然后将融合后的图像进行USM锐化,锐化过程中根据掩膜进行图像第2级融合.最后将锐化后的图像与原图像按系数进行合并,完成第3级融合.仿真实验结果表明,本文提出的算法能够有效提高安检X光图像的对比度,PSNR平均值提高了7 dB,同时可以抑制增强图像颜色失真及背景噪声.该算法有助于提高X光图像中违禁物品的识别准确率,对平安机场的构建具有积极意义.

基于改进CLAHE的水下彩色图像增强算法

为了克服水下成像过程中,由于水体介质对光线的吸收和散射作用导致的水下图像对比度低、光照不均等问题,提出一种基于改进CLAHE的水下图像增强算法。针对CLAHE算法采用统一的裁剪幅值而导致部分子块得不到增强的问题,提出根据每个子块的像素值分布确定相应的裁剪幅值对直方图进行裁剪、分配;然后对超出裁剪幅值部分进行二次分配,并引入自适应上下限阈值,确定二次分配的动态范围,以进一步增强图像细节;最后,引入同态滤波,将灰度图像与明度分量V进行加权求和,以改善图像过亮或过暗区域。实验结果表明,改进算法可以增强对比度,改善光照不均,有效提升图像质量。

融合同态滤波和CLAHE算法的布匹疵点图像增强

针对布匹疵点图像对比度低、细节信息对比不明显等问题,采用融合同态滤波和对比度限制自适应直方图均衡化(Contrast Limited Adaptive Histogram Equalization,CLAHE)算法的图像增强方法进行了图像增强。首先,采用同态滤波对布匹疵点图像整体的对比度进行增强,增强布匹图像中疵点与背景的对比度;其次,为了更好地突出疵点图像的细节信息,采用对比度限制自适应直方图均衡化方法对疵点图像的低频部分进行二次增强;最后对常见的5种布匹疵点进行增强,并通过实验来验证算法的有效性。实验结果表明,采用融合同态滤波和CLAHE算法的布匹疵点图像增强方法,可提高图像的整体对比度,在一定程度上突出疵点图像的细节信息。

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。

基于CLAHE和图像分解的去雾方法

针对雾天条件下拍摄到的图像对比度低、细节模糊以及颜色暗淡的现象,提出一种基于CLAHE和图像分解的去雾方法。首先,采用限制对比度直方图均衡化(limited contrast histogram equalization,CLAHE)对有雾图像进行增强,有效地提升图像的对比度;然后,在照明—反射模型的基础上,根据照射分量与反射分量的不同特征对增强后的图像进行梯度滤波,将图像进行分解,获得最终包含图像所有细节的反射图像;最后,对反射图像进行Gamma变换,提升图像的亮度,获得最终的去雾图像。利用信息熵、空间频率、平均梯度和运算时间等客观评价标准,与带色彩恢复多尺度Retinex算法(MSRCR算法)和基于暗通道先验去雾算法(He算法)进行对比。实验结果的主观评价和客观评价表明,在雾天图像细节增强和色彩保持方面,本文方法比MSRCR算法和He算法具有更好的效果。

基于CLAHE和开闭运算的绿色苹果图像分割

依据绿色苹果图像的自身特点,设计了一种分区域提取而后合并的图像分割方法;首先对图像进行限制对比度自适应直方图均衡化(contrast limited adaptive histogram equalization,CLAHE),增大果实和背景的颜色差,而后获取R-B色差图像,得到以光常区域为主的区域;然后用CLAHE处理后的图像进行开闭运算,提取局部极大值,得到以高亮区域为主的区域;最后将两区域合并获得完整的果实目标区域;为了验证该方法的有效性,运用Hough算法检测圆,并用相对偏差、圆心相对误差及半径相对误差3个评价指标来定量评价;试验结果表明,提取区域与果实目标区域相比,顺光下,相对偏差、圆心和半径相对误差平均值分别为3.59%,4.76%和2.60%;逆光下,3个指标的平均值分别为10.77%、16.77%、11.49%;无论是顺光还是逆光都有很好的识别效果,能满足机器人采摘果实的精确定位的要求。

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。

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。

CLAHE算法在不同彩色空间中的图像增强效果评估

直方图均衡是一种常用的灰度图像增强算法,很多研究者对其做了各种改进,但少有人研究其在不同颜色空间上的增强效果。研究了对比度限制的自适应直方图均衡(CLAHE)图像增强算法,并介绍了图像和视频处理中常用的RGB、HSV、YIQ、YCbCr和Lab 5种颜色空间,给出了均方误差(MSE)、峰值信噪比(PSNR)、彩色增强因子(CEF)和结构相似度(SSIM)4个图像质量评价指标的计算公式,并用这4个指标评价了CLAHE算法在5种颜色空间上的增强效果。实验结果表明,相比于其它4种颜色空间,CLAHE算法在HSV颜色空间上取得了最好的增强效果。

基于CLAHE的红外图像增强算法

针对原始红外图像信息在压缩转换中数据信息丢失或弱化的问题,提出一种基于CLAHE(对比度受限自适应直方图均衡)的红外图像增强算法。该算法首先对14位原始红外图像的像素灰度级进行调整,然后通过CLAHE算法获得基图像,再通过原始图像与双边滤波后图像的差值获得细节图像,进一步通过高斯滤波算法滤除细节图像的噪声,最后合成得到输出图像。仿真结果显示:通过该算法,原始图像的对比度及边缘细节信息得到很大程度的增强。本文算法的图像增强效果优于PE算法和CLAHE算法。