Image contrast enhancement using adjacent-blocks-based modification for local histogram equalization

Infrared images usually have some non-ideal characteristics such as weak target-to-background contrast and strong noise. Because of these characteristics, it is necessary to apply the contrast enhancement algorithm to improve the visual quality of infrared images. Histogram equalization (HE) algorithm is a widely used contrast enhancement algorithm due to its effectiveness and simple implementation. But a drawback of HE algorithm is that the local contrast of an image cannot be equally enhanced. Local histogram equalization algorithms are proved to be the effective techniques for local image contrast enhancement. However, over-enhancement of noise and artifacts can be easily found in the local histogram equalization enhanced images. In this paper, a new contrast enhancement technique based on local histogram equalization algorithm is proposed to overcome the drawbacks mentioned above. The input images are segmented into three kinds of overlapped sub-blocks using the gradients of them. To overcome the over-enhancement effect, the histograms of these sub-blocks are then modified by adjacent sub-blocks. We pay more attention to improve the contrast of detail information while the brightness of the flat region in these sub-blocks is well preserved. It will be shown that the proposed algorithm outperforms other related algorithms by enhancing the local contrast without introducing over-enhancement effects and additional noise.     

基于自适应平台阈值和拉普拉斯变换的红外图像增强

针对红外图像对比度低和边缘模糊的特点,提出了一种结合自适应平台直方图均衡化和拉普拉斯变换的方法。采用双数字信号处理器(DSP)并行处理,其中一片DSP采用自适应平台直方图均衡化的方法获得对比度增强后的图像;另一片DSP则进行拉普拉斯变换获得原始图像的边缘图像;最后由第二片DSP完成两幅图像按系数相乘后的叠加融合。实验结果表明:该算法增强效果和实时性较好,处理频率可达50 Hz,既提高了图像对比度又清晰了图像边缘,是提高图像对比度和边缘清晰度的高效算法。     

自适应红外目标特征增强算法

利用直方图均衡化和灰度变换增强算法,不能有效增强红外图像目标。鉴于此,在研究红外图像特点的基础上,提出了一种自适应红外目标特征增强算法。该算法先对红外图像进行中值滤波,滤除掉图像中的随机噪声,然后利用直方图分割将红外图像分为目标和背景2部分,通过线性加权叠加抑制背景和增强目标。实验表明,该算法不仅能够根据红外图像中目标的灰度特性自适应地选取直方图分割阈值,而且在去除噪声和增加对比度的同时还抑制了背景,达到了预期的效果。该算法尤其适用于目标和背景像素比例相近时直方图具有局域双峰特征的红外图像中目标的增强。     

A new adaptive contrast enhancement algorithm for infrared images based on double plateaus histogram equalization

In infrared images, detail pixels are easily immerged in large quantity of low-contrast background pixels. According to these characteristics, an adaptive contrast enhancement algorithm based on double plateaus histogram equalization for infrared images was presented in this paper. Traditional double plateaus histogram equalization algorithm used constant threshold and could not change the threshold value in various scenes, so that its practical usage is limited. In the proposed algorithm, the upper and lower threshold value could be calculated by searching local maximum and predicting minimum gray interval and be updated in real time. With the proposed algorithm, the background of infrared image was constrained while the details could also be enhanced. Experimental results proved that the proposed algorithm can effectively enhance the contrast of infrared images, especially the details of infrared images.     

基于自适应平台阈值和拉普拉斯变换的红外图像增强

针对红外图像对比度低和边缘模糊的特点,提出了一种结合自适应平台直方图均衡化和拉普拉斯变换的方法。采用双数字信号处理器（DSP）并行处理,其中一片DSP采用自适应平台直方图均衡化的方法获得对比度增强后的图像;另一片DSP则进行拉普拉斯变换获得原始图像的边缘图像;最后由第二片DSP完成两幅图像按系数相乘后的叠加融合。实验结果表明：该算法增强效果和实时性较好,处理频率可达50 Hz,既提高了图像对比度又清晰了图像边缘,是提高图像对比度和边缘清晰度的高效算法。     

极值温差红外图像的自适应双局部增强算法

针对目前红外焦平面成像系统在观察目标、特别是极值温差目标时,各温度段灰度描述不均匀和细节不够的问题,提出了一种自适应红外图像双局部增强算法。详细介绍了通过空间分布和灰度统计特性两个方向实现对极值温差图像自适应增强的方法,该方法首先从红外图像的空间分布特性出发,将图像切割成多个局部图像,然后再从直方图灰度分布出发,将局部图像的直方图进行聚类分段,并对分段直方图均衡增强,最后对生成的每个局部图像增强结果进行线性插值拼接完成增强算法。通过在红外焦平面系统中实验证明了极值温差自适应的红外图像双局部增强算法的可行性,并获得了很好的效果,成像质量有明显提高。     

基于平台直方图的红外图像自适应增强算法

针对红外图像的特点, 提出了一种基于平台直方图均衡化的自适应红外图像增强算法. 该算法通过自适应地选择平台阈值, 对红外图像进行增强处理, 克服了采用一般直方图均衡化增强红外图像的缺点, 同时算法的运算量远远小于其他平台直方图均衡化算法, 便于实时实现. 理论分析和仿真结果均表明, 该算法对红外图像具有很好的增强效果, 可较好的抑制背景的增强, 突出目标.     

基于改进型平台直方图的红外均衡化算法

针对红外图像特别是红外弱小目标图像的特点,提出了一种基于改进型平台的直方图均衡算法。在设置统计上限平台阈值的基础上,设置了累计直方图上限阈值,并用修改的映射函数算法对图像进行均衡化处理。算法中的上限统计平台阈值对噪声进行了适当抑制,累计平台阈值自适应控制映射动态范围,从而克服了平台直方图均衡化对动态范围较窄的红外图像过分拉仲的缺点。相对平台直方图的均衡算法,该方法能够对多种复杂场景增强图像整体效果,在抑制噪声的同时较好地保持了图像细节。     

几种直方图变换法在输电接头红外热像增强中的对比研究

由红外热像仪直接得到的热像会受很多外来因素的干扰而致使图像模糊不清、对比度差,由此在故障诊断过程中,需要对热像进行后续增强处理。总结了影响热故障红外检测准确性的外部因素,分析了输电接头热像的基本特征,采用了基于平方根灰度变换直方图修正和全局均衡化两种方法对热像进行了增强处理。在分析上述两种方法优劣的基础上,提出了一种基于线性平滑滤波的局部均衡化方法。结果表明,基于线性平滑滤波的局部均衡化方法对于处理输电接头热像更有效。     

Gaussian mixture model-based gradient field reconstruction for infrared image detail enhancement and denoising

Infrared images are characterized by low signal-to-noise ratio and low contrast. Therefore, the edge details are easily immerged in the background and noise, making it much difficult to achieve infrared image edge detail enhancement and denoising. This article proposes a novel method of Gaussian mixture model-based gradient field reconstruction, which enhances image edge details while suppressing noise. First, by analyzing the gradient histogram of noisy infrared image, Gaussian mixture model is adopted to simulate the distribution of the gradient histogram, and divides the image information into three parts corresponding to faint details, noise and the edges of clear targets, respectively. Then, the piecewise function is constructed based on the characteristics of the image to increase gradients of faint details and suppress gradients of noise. Finally, anisotropic diffusion constraint is added while visualizing enhanced image from the transformed gradient field to further suppress noise. The experimental results show that the method possesses unique advantage of effectively enhancing infrared image edge details and suppressing noise as well, compared with the existing methods. In addition, it can be used to effectively enhance other types of images such as the visible and medical images.     

基于光照-反射成像模型和形态学操作的多谱段图像增强算法

为解决多谱段降质图像增强问题,提出了一种基于光照-反射成像模型和形态学操作的多谱段图像增强算法.首先对图像饱和度使用自适应非线性拉伸函数进行拉伸,使增强后的图像色彩更加饱和、自然;接下来利用引导滤波算法提取出图像的光照分量,提出了一种基于细节特征的加权融合策略,利用光照分布特性构造了一种自适应Gamma校正函数对光照分量进行处理,并将其与利用对比度受限的自适应直方图均衡化方法处理后的光照分量以及原始光照分量进行融合;然后在反射分量校正时,构造了一种形态学操作函数来校正反射信息;最后合并光照分量和反射分量,并与处理后的饱和度分量和色调分量一起得到增强图像.采用主客观评价指标对可见光低照度图像、水下图像、高动态范围图像、沙尘暴图像、雾天图像和热红外图像6种降质多谱段图像实验结果进行分析比较,结果表明本文算法能够有效地抑制图像噪声、增强图像细节信息、改善图像视觉效果,可应用于多种图像增强领域.     

基于双阈值canny均衡化算法的太赫兹图像增强

存在于微波与远红外之间的太赫兹波,因其无损害,稳定性高等独特性质使太赫兹光谱与成像技术在近几年来得到了迅猛的发展。太赫兹波独有的无损伤检测特性,在安全检测方面具有良好的发展前景,获得广大学者的研究和关注。经过太赫兹成像系统获得的太赫兹图像,虽然可以识别出隐藏的武器或其他金属制品,但是太赫兹图像的对比度和清晰度均较差,不能完全符合人眼的视觉效果,也不利于机器识别。目前,对太赫兹图像质量的提高和改善,成为太赫兹成像技术长远发展和广泛应用的关键问题。实验采用太赫兹波投射式成像系统对藏于物体中的金属心型吊坠和金属箭头进行成像,扫描步长0.5 mm,由于太赫兹光源大,能量起伏等系统缺陷,以及外部环境的复杂与干扰,导致成像所得图像均有背景噪声严重,边界模糊等问题,成像质量较差。提出一种基于双阈值的canny均衡化太赫兹图像增强算法,根据太赫兹图像自身性质限制,确定阈值和对图像均衡化的范围,实现图像降噪并引入双阈值canny算法和梯度幅值算法,使图像的对比度和清晰得到整体提高,并保留和突出太赫兹图像的细节信息,获得高分辨率、边缘清晰的图像。实验表明该算法对太赫兹图像具有良好的降噪效果,能够保留图像细节信息,图像对比度和图像质量得到增强和提高,同时增强了太赫兹成像技术对隐藏缺陷或隐藏物体的辨别能力和透视能力,为其在安检应用方面提供必要保证。     

一种结合小波分析与直方图的红外图像增强方法

针对传统红外图像增强算法中存在的问题,提出一种结合小波分析与直方图的红外图像增强方法.采用正交小波变换对红外图像进行处理,得到小波各层的分解系数;运用双向直方图均衡法对红外图像的低频子带小波系数进行处理,利用阈值滤波的细节系数增强法对红外图像的高频子带小波系数进行处理,经小波逆变换图像重构得到增强后的红外图像.实验结果...     

基于Retinex理论与概率非局部均值的红外图像增强方法

针对传统红外图像增强算法中细节模糊及过度增强的问题,提出了一种基于Retinex理论与概率非局部均值相结合的红外图像增强方法.首先通过单尺度Retinex方法调整图像中过暗与过亮部分的灰度级;然后利用概率非局部均值对图像进行分解处理得到基本层与细节层,对基本层采用直方图均衡化拉伸对比度,对细节层采用非线性函数进行增强;最后,将不同层次的结果融合得到对比度与细节增强的红外图像.用该方法对多组不同场景的红外图像进行仿真实验,并将其与多种增强方法进行主、客观对比分析,结果表明所提方法在红外图像的细节及对比度增强方面都获得了更好的效果.     

图像增强算法综述

图像增强算法能够提高图像整体和局部的对比度,突出图像的细节信息,使增强后的图像更符合人眼的视觉特性且易于机器识别,在军事和民用领域具有广泛的应用。本文从图像增强算法的原理出发,归纳总结了近年来应用比较广泛的4类图像增强算法及其改进算法,包括直方图均衡图像增强算法、小波变换图像增强算法、偏微分方程图像增强算法和基于Retinex理论的图像增强算法。结合人眼视觉特性、噪声抑制、亮度保持和信息熵最大化等图像增强的改进算法,在保证增强图像具有较高对比度的前提下,可进一步提升图像的质量。实现了9种较为典型的图像增强算法,采用主观和客观的评价方法对增强效果进行了对比,分析了不同增强算法的优缺点,并给出了这些算法的计算时间。对这些算法的深入研究能够推动图像增强技术向更高水平发展,从而使图像增强技术在多个学科领域发挥重要作用。     

融合改进直方图PDE和二维Tsallis熵多阈值SAR分割

针对合成孔径雷达(SAR)图像中存在大量的相干斑噪声,对SAR图像进行分割易出现分割不精、边缘模糊等问题,融合改进的直方图PDE和二维Tsallis熵多阈值,提出了一种SAR图像分割算法。根据PDE直方图均衡化方法,将图像去噪与图像增强加权融合,利用各自权值调整去噪项与图像增强项;同时将二维Tsallis熵单阈值分割方法扩展到多阈值分割, 建立基于多阈值的选取方法,并引入萤火虫算法来求解最优阈值对,实现了二维Tsallis熵多阈值对去噪增强SAR图像的有效分割。仿真结果表明:与其他3种分割算法相比,该文算法在处理噪声大、灰度差值小的图像时具有较高的分割精度,PRI至少提升2.53%、VOI降低8.48%、GCE降低11.14%。     

一种基于K means改进聚类的图像增强算法

在低光照环境下,CMOS成像器件无法拍摄出清晰的图像。为了提升低照度条件成像器件输出图像的质量,根据低照度图像的特点,提出一种基于K means聚类的图像增强算法。通过改进的K means算法将图像分块,并根据每一块图像的信息量分别进行直方图均衡。该方法与CMOS成像器件进行实验,可以在保留约98.6%图像细节（信息熵）的前提下,将图像的对比度提升至原图像的17倍,平均梯度提升至原图像的4倍。     

多子直方图均衡微光图像增强及FPGA实现

针对微光图像对比度低,目标难以识别的问题,对微光图像增强算法进行了研究。提出了一种多子直方图均衡增强算法,该算法首先将直方图按面积平均分割成4个子直方图,利用平均像素数量作为阈值切割直方图降低过度增强现象,然后加入尺度因子对动态范围进行调整,最后分别对子直方图均衡得到增强效果。此算法用Verilog语言在现场可编程门阵列（FPGA）上具体实现,并给出了主观和客观的评价,改进算法能产生更清晰的图像,在硬件平台上也能实时显示增强效果,一帧图像处理时延约为0.45 ms。实验结果表明,改进算法不会产生饱和、噪声放大的现象,图像细节保持较好,满足视频图像处理实时性要求,得到了具有较好视觉效果的增强图像。     

Image enhancement via Median-Mean Based Sub-Image-Clipped Histogram Equalization

This paper presents a robust contrast enhancement algorithm based on histogram equalization methods named Median-Mean Based Sub-Image-Clipped Histogram Equalization (MMSICHE). The proposed algorithm undergoes three steps: (i) The Median and Mean brightness values of the image are calculated. (ii) The histogram is clipped using a plateau limit set as the median of the occupied intensity. (iii) The clipped histogram is first bisected based on median intensity then further divided into four sub images based on individual mean intensity, subsequently performing histogram equalization for each sub image. This method achieves multi objective of preserving brightness as well as image information content (entropy) along with control over enhancement rate, which in turn suits for consumer electronics applications. This method avoids excessive enhancement and produces images with natural enhancement. The simulation results show that MMSICHE method outperforms other HE methods in terms of various image quality measures, i.e. average luminance, average information content (entropy), absolute mean brightness error (AMBE) and background gray level.     

基于照射_反射模型和有界运算的多谱段图像增强

根据多尺度照射_反射模型, 结合广义有界运算模型和引导滤波, 能够有效地解决多谱段降质图像的增强问题. 算法采用自适应的引导滤波核函数作为环绕函数, 估计反映图像整体结构的不同尺度的低频照射分量; 利用有界广义对数比(general log-radio, GLR)模型加法代替Retinex理论中的对数变换运算; 再由GLR模型减法去除照射分量, 将不同尺度的反射分量从原始图像中分割出来; 对不同尺度反射分量的有效信息采用有界GLR模型乘法和加法进行融合, 有效地避免光晕伪影现象及越界现象的发生, 得到多尺度反射分量图像, 即最终的增强图像. 通过对可见光波段的低照度图像和雾霾图像、红外图像、X光医学图像四组多谱段降质图像实验分析, 以对比度和信息熵作为评价指标, 与同类算法进行了图像增强效果的定性和定量对比, 结果表明本文算法增强后的图像纹理和边缘细节更加丰富、对比度更高、视觉效果更佳, 可广泛地应用于多种图像增强领域.