基于非线性反锐化掩模算法的CR图像边缘增强

数字CR(computed radiography)医学放射图像动态范围宽、细节丰富、对比度差,只有对其进行增强处理才能满足医生临床诊断的需要。由于目前通用的CR图像增强算法的对比度和噪声增强过度,丢失了细节,为了对CR图像进行边缘细节增强,提出了一种非线性反锐化掩模算法。该算法使用钝化模糊影像来增加对选择空间频率的响应,以增强CR图像的结构边缘和细节。算法能根据CR图像的灰度特性来调节增强程度的加权因数K,从而可非线性地增强CR影像的边缘细节。实验证明,经算法处理后的CR图像细节丰富,信噪比高,细节方差与背景方差之比为通用算法的9.6倍,增强后的CR图像具有良好的视觉效果,是一种增强CR医学放射图像边缘细节的好方法。     

基于像素灰阶熵的自适应增强算法在乳腺CR图像中的应用

乳腺完全是由密度接近软组织构成,因此乳腺CR(Computed Radiography)放射图像对比度小,轻微的差别变化都可能是肿瘤的表现,要对其进行增强处理方能满足医生临床诊断的需要。而目前通用的乳腺CR图像增强算法对比度和噪声增强过度,丢失细节,为此提出了采用一种基于像素灰阶熵的自适应边缘增强算法对乳腺CR图像进行增强。该算法使用模糊影像增加对选择空间频率的响应,以增强乳腺CR图像结构边缘和细节;算法能根据乳腺CR图像灰度特性即像素灰阶熵来自适应的调节增强程度的加权因数K。实验证明,该算法处理后的乳腺CR图像细节丰富,信噪比高,增强后的图像具有良好的视觉效果,该算法是一种有效的适合乳腺CR医学图像的边缘细节增强算法。     

MPPC low-level-light imaging enhancement algorithm based on sub-window box filtering北大核心CSCD

针对多像素光子计数器(MPPC)进行微光成像时,图像受光照不足和噪声影响出现的图像亮度低、对比度差、边缘模糊等问题,提出一种基于子窗口盒式滤波的自适应微光图像处理算法。为了减少算法运行时间的同时突出图像的边缘细节信息,利用子窗口盒式滤波器对图像进行分层得到基础层和细节层;对基础层图像采用自适应阈值直方图均衡化拉伸对比度,细节层图像采用自适应增益控制方式进行增强;根据基础层图像中有效灰度值个数占总灰度的比值自适应确定融合系数,将基础层图像与细节层图像融合得到增强后图像。通过微光实验平台设置3组不同照度的微光环境进行实验仿真,验证了本文算法在保持边缘信息和增强细节方面获得了更好的效果。实验结果表明本文算法在标准差、信息熵、平均梯度等客观评价方面优于改进前算法,提升了微光图像的成像效果。     

闪光照相CCD图像的自适应中值滤波方法

中值滤波是一种在去除噪声的同时能较好地保护图像边缘细节的非线性图像处理方法。为了滤除闪光照相CCD图像中的脉冲噪声，同时能更好地保护图像边缘，提出了一种改进的自适应中值滤波方法。该方法采用局部中值和局部方差作为判断噪声点的阈值，实现了局部自适应的中值滤波，克服了传统自适应中值滤波方法的缺点，对椒盐噪声和随机脉冲噪声均有较好的滤波效果。实验结果表明，该方法消除图像脉冲噪声十分有效，对闪光照相CCD图像的处理结果也较好。     

基于引导滤波的自适应红外图像增强改进算法

在红外图像处理中,细节增强和噪声抑制尤为重要,重点在于将高动态范围的红外图像压缩至低动态范围的同时保留细节信息、抑制图像噪声。以引导滤波的自适应红外图像增强算法为基础,提出一种基于引导滤波的自适应红外图像增强改进算法。通过引导滤波平滑初始输入图像,将初始输入图像与平滑后的图像做差获得包含大动态温度信息的基础层图像和小动态温度信息的细节层图像,分别对基础层图像、细节层图像进行压缩处理和噪声抑制;以不同的融合比例将处理后的基础层图像、细节层图像进行融合获得输出图像。为了减少算法运算时间、突出图像细节信息的同时减小细节层噪声对输出图像的影响且达到自适应场景的效果,利用可用于筛选有效灰度值的自适应门限参数和直方图分布信息设计出一维压缩数组对图像进行压缩,并将图像融合中的定值比例系数更改为自适应融合比例系数。通过直方图分布信息中的最大值、最小值确定自适应门限参数,同时利用直方图分布信息设计出一维压缩数组对图像进行压缩;获取直方图中有效灰度值个数,通过有效灰度值个数与总灰度值个数之间的比值对图像的场景信息进行判断,根据不同的场景信息确定基础层图像与细节层图像的自适应融合比例系数,实现图像融合。实验结果分别与直方图均衡算法、基于引导滤波的高动态红外图像增强算法、基于引导滤波的自适应红外图像增强算法进行比较,选用四种不同的场景从主观、客观两种层面进行分析。对比结果从主观分析得出该算法处理后的图像可突出细节轮廓信息、减少细节层噪声对融合后输出图像的影响。从客观评价得出该算法在四种场景下的平均计算时间为0.753 5 s,低于对比算法计算时间;并且使基础层图像和细节层图像的融合比例系数达到自适应场景的效果。     

对一种新的基于局部标准差的自适应对比度增强算法的评价

介绍一种基于图像局部标准差变换的自适应增强算法通过将图像的局部标准差映射为高斯函数得到一个非线性对比度增益函数,使图像的细节区域得到较大幅度的增强,同时抑制平滑区域的噪声以及发生于陡峭边缘的“振铃伪迹”(Ringing Artifact)通过不同类型的图像以及对比度-噪声比(Contrast-to-Noise Ratio)演示了算法的性能,并与几种常用的图像增强方法进行了比较结果表明该算法对于低对比度的图像细节具有较好的增强效果,同时能够避免平滑区域噪声的过度增强及陡峭边缘的振铃伪迹.     

基于Contourlet变换的自适应SAR图像相干斑噪声抑制算法

为了保持高岛分辨率合成孔径雷达(SAR)图像中的纹理结构,提出了一种基于BivaShrink模型的Contourlet 域SAR图像相干斑噪声抑制算法.联合当前层和父层的Contourlet系数,通过计算局部方差一致性范数和区域能量比,自适应地确定方差估计区域的形状和大小.从而对原始图像方差进行最优估计.实验结果表明,算法在噪声的去除和结构信息等细节的保持上均不同程度的优于小波BivaShrink去噪算法和Contourlet 阈值去噪算法,主观效果和数值指标都有较好改进.     

基于改进CLAHE的SF_6红外图像增强

针对六氟化硫(SF_6)红外图像对比度低、纹理细节模糊而难以增强泄漏区域的问题,提出了基于改进限制对比度的自适应直方图均衡化(CLAHE)的SF_6红外图像增强算法。采用双边滤波将原始图像分为基础图像和细节图像;采用CLAHE算法来处理基础图像,提高泄漏区域的对比度;对细节图像进行分段线性变换和拉普拉斯变换图像,以突出图像的边缘;将两幅图像进行线性叠加以获取最终的红外图像,实现图像增强。实验结果表明,算法对SF_6红外图像泄漏区域的增强效果优于常见的几种红外图像增强算法,不仅有效地抑制了噪声和提高泄漏区域的对比度,而且突出泄漏区域的边缘,丰富了细节信息。     

多算法融合的自适应图像增强方法

提出一种多算法融合的图像增强方法,用于工程应用中的复杂降质图像的细节特征恢复.该方法汲取了Laplacian变换法、Sobel梯度法、盒状滤波法、非锐化掩蔽法及灰度幂律法等算法的优点,可对模糊图像进行自适应增强.通过拉普拉斯滤波器和梯度滤波器将原始图像分为基础层、细节层及边缘特征层;对微小细节信息及边缘特征信息进行增强,对基础信息进行压缩;然后采用盒装滤波器对图像的三个分层进行平滑过度及噪音过滤,最后使用非锐化掩蔽法和灰度变换来增加图像灰度的动态范围,从而得到增强后的图像.在相同的工况下,该方法分别与直方图均衡法、自适应伽马矫正法及小波变换的图像增强法实验结果进行对比,结果表明,该方法将图像的清晰度提高了13.1%~126.1%,能有效地处理复杂型感染的图像,避免图像过度增强,可以获得适合人眼的最佳视觉细节内容的增强效果.     

基于图像分割和动态直方图均衡的电润湿显示器图像增强算法

针对电润湿电子纸存在油墨回流、接触角迟滞、电荷捕获等现象导致图像对比度不高、纹理边缘不清晰和细节丢失等问题,本文提出了一种基于图像分割和动态直方图均衡的电润湿显示器图像增强算法.该算法综合了最大类间方差法(Otsu法)和最大熵分割算法的优点,提出了基于方差权重的最大类间方差和最大熵阈值分割算法.利用该分割算法把图像分割...     

基于人眼视觉特性的彩色图像自适应增强算法

针对有些图像增强算法对噪声比较敏感,提出了一种自适应图像增强算法.利用原算法的基本原理,结合人眼的视觉特性自适应地生成算法的参数,这样首先保留了原算法实现容易、运算速度快等特点,其次,对噪声具有一定的抑制作用,再次,可以增强和保留图像细节信息.通过实验比较,所提算法能够自适应地生成算法的参数,并在保持了原算法原有的容易实现的优点的基础上,提高了算法抑制噪声方面的性能,将该算法应用于彩色图像增强也取得了相当理想的结果.     

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。     

基于高斯函数假设的图像频谱恢复特性分析方法

为了对图像复原算法频谱恢复特性进行分析和评价,提出了一种基于高斯函数假设的分析新方法。该方法假设光学传递函数H和退化图像频谱函数G为高斯函数,采用方差以及提出的方差比作为频谱宽度指标,对图像复原算法的频谱恢复特性进行定量分析和评价。分析中对H和G曲线设定两组方差,分无噪声和有噪声两种情况,计算出约束最小平方滤波法(CLS)和最大似然法(PML)等图像复原算法复原的图像频谱曲线及其方差和方差比,采用计算结果对复原算法进行定量的分析和评价,获得良好的效果。分析指出,最大似然法的频谱外推能力和噪声抑制特性均明显好于约束最小平方滤波法。对两种算法的分析评价实验表明,高斯函数假设分析方法是一种简便有效的图像频谱恢复特性分析方法。     

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。     

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.     

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。