基于神经网络的低照度彩色图像增强算法

由于低照度彩色图像存在整体亮度低、对比度低、颜色偏暗和信噪比低等特点,所以经典图像增强算法对其增强效果非常有限。提出了一种利用BP神经网络进行彩色图像增强的算法,并将RGB图像转换成HSI图像,以保证增强处理不引起图像的色彩失真。实验证明:该方法显著地改善了低照度彩色图像的视觉效果,提高了图像整体亮度和图像的信噪比,可调节图像的动态范围,能增强图像的对比度和细节,可增加图像信息熵。     

一种可控的视频图像动态对比度增强算法

为增强显示设备进行视频信号显示时的图像对比度,提出了一种幅度可控的动态对比度增强算法。该算法利用一组归一化线性直方图数据和输入图像的归一化灰度直方图数据的结合,实现对输入图像的权重化直方图均衡化处理,进而达到幅度可控的动态对比度增强效果。该算法可以通过控制对比度增强幅度来避免传统直方图均衡化产生的过增强现象。将基于该算法的实时图像处理器应用于50英寸AC PDP上,实验结果表明,其对比度获得显著提升,并且能够根据外部接口的调节实现幅度可控的对比度增强效果。     

基于动态直方图均匀化的对比度增强方法

为增强显示设备进行视频信号显示时的图像对比度,提出了一种动态直方图均匀化算法,该算法根据对比度增强系数可实现在不同灰度范围内的直方图均匀化,达到不同程度的对比度增强效果。同时为减少进行对比度增强所需的帧存储器,开发出了一种快速简单的输入视频图像帧间相似性检测方法及电路实现,当判定输入视频图像具有相似性时,后续帧的图像采用前面输入图像的对比度增强映射函数。仿真结果表明,提出的对比度增强方法能根据对比度增强系数实现不同程度的对比度增强,有效地提高了显示设备的图像显示质量。     

多尺度Retinex截断区间对图像质量影响的分析

研究了多尺度Retinex算法对曝光量不足的彩色图像增强处理的结果。改进型多尺度Retinex算法是使用多尺度Retinex增强后在亮度平均值附近以k倍标准差进行截取、拉伸。采用亮度与对比度乘积、图像信息熵等2个判据,实验结果表明在亮度平均值附近k=1倍标准差进行截取后再拉伸得到的图像其2个判据的值都较大,图像最佳。     

同步辐射X射线图像对比度增强算法研究EI北大核心CSCD

在同步辐射X射线成像中,时常会出现对比度不高或对比度不均匀的问题,这将导致图像中样品的一些细节信息难以被观察和分析。针对这一问题,提出一种X射线图像对比度增强的算法。该算法以同态滤波为核心,结合图像降噪预处理及灰度调整,以现图像的对比度增强,并提高图像质量。编写程序实现该算法,并通过对分辨率靶图像和海洋鱼类样品的X射线图像进行测试。结果表明,该算法可以很好地增强灰度分布不均匀的低对比度X射线图像,使样品信息显示更清晰,灰度分布更均匀。同时,对X射线图像的降噪效果明显。     

修正Retinex照射反射模型的彩色图像增强

介绍了修正Retinex照射反射模型的彩色图像增强方法,引入了非线性变换函数修正彩色图像的照射分量和反射分量。由于全局对比度增强函数能够拉伸图像的照射分量,所以改善了全局视觉效果。非线性S型函数对较大和较小的反射分量值改变较小,对中间值改变较大,从而改善了图像的局部对比度。在RGB彩色空间和其他色度亮度彩色空间中的处理结果都没有出现彩色失真的现象。     

同步辐射X射线图像对比度增强算法研究

在同步辐射X射线成像中,时常会出现对比度不高或对比度不均匀的问题,这将导致图像中样品的一些细节信息难以被观察和分析。针对这一问题,提出一种X射线图像对比度增强的算法。该算法以同态滤波为核心,结合图像降噪预处理及灰度调整,以现图像的对比度增强,并提高图像质量。编写程序实现该算法,并通过对分辨率靶图像和海洋鱼类样品的X射线图像进行测试。结果表明,该算法可以很好地增强灰度分布不均匀的低对比度X射线图像,使样品信息显示更清晰,灰度分布更均匀。同时,对X射线图像的降噪效果明显。     

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。     

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.     

基于空频结合的图像增强的脑肿瘤分割

针对脑部核磁共振图像中含有噪音、对比度低及肿瘤边界不连续模糊等造成肿瘤难以准确分割的问题,提出了一种基于空频域图像增强的脑肿瘤分割算法.首先,采用空频域相结合的增强方法对图像进行增强处理.该方法利用基于邻域的方法,结合了空间域增强算法与基于方向滤波器组的频率域增强算法,具有它们优点的同时,克服了前者导致的图像细节模糊的缺陷及后者带来的对比度降低的缺陷.然后,利用液体向量流的分割方法,对增强后的图像进行分割,得到脑肿瘤区域.实验结果表明,本文的增强方法在增强肿瘤边界特征的同时改善了图像的对比度和清晰度,提高了脑肿瘤分割的准确性.     

一种基于混合人工鱼群的图像模糊增强算法

模糊隶属度函数的形式直接影响灰度图像增强的质量。为进一步改善图像模糊增强的效果,对目前的模糊隶属度函数进行研究,并提出一种改进的参数化 型模糊隶属度函数用于图像增强。所提算法利用图像对比度的质量评价模型,结合人工鱼群算法和Powell算法搜索 型函数中的未知参数值,进而确定该模糊隶属度函数。通过实验结果表明：该算法能够较好的改善灰度图像质量,并且控制参数可通过优化算法自适应获得,具有较好的通用性,是一种有效的图像模糊增强算法。     

Global brightness and local contrast adaptive enhancement for low illumination color image

An adaptive enhancement algorithm is proposed in the paper for low illumination color image which is low brightness and low contrast. The algorithm is realized through three steps: the global brightness adaptive adjustment, locally adaptive contrast enhancement and color restore. Experiments show that the brightness and local contrast of low illumination color image can be effectively enhanced. The details, especially in the dark region of enhanced image are more prominent and the enhanced image is more vivid than some other methods for low illumination color image enhancement.     

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.     

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。     

Global and local contrast enhancement algorithm for image using wavelet neural network and stationary wavelet transform

A new contrast enhancement algorithm for image is proposed employing wavelet neural network (WNN)and stationary wavelet transform (SWT). Incomplete Beta transform (IBT) is used to enhance the global contrast for image. In order to avoid the expensive time for traditional contrast enhancement algorithms,which search optimal gray transform parameters in the whole gray transform parameter space, a new criterion is proposed with gray level histogram. Contrast type for original image is determined employing the new criterion. Gray transform parameter space is given respectively according to different contrast types,which shrinks the parameter space greatly. Nonlinear transform parameters are searched by simulated annealing algorithm (SA) so as to obtain optimal gray transform parameters. Thus the searching direction and selection of initial values of simulated annealing is guided by the new parameter space. In order to calculate IBT in the whole image, a kind of WNN is proposed to approximate the IBT. Having enhanced the global contrast to input image, discrete SWT is done to the image which has been processed by previous global enhancement method, local contrast enhancement is implemented by a kind of nonlinear operator in the high frequency sub-band images of each decomposition level respectively. Experimental results show that the new algorithm is able to adaptively enhance the global contrast for the original image while it also extrudes the detail of the targets in the original image well. The computation complexity for the new algorithm is O(MN) log(MN), where M and N are width and height of the original image, respectively.     

一种全局参数估计的水下主动偏振去雾算法

为改善水下主动光照明条件下后向散射光对成像的影响，通过分析水下主动偏振成像模型，提出一种基于拟合函数的全局参数估计的水下主动偏振去雾算法。该算法结合图像增强作为图像预处理，再设定二元多项式函数，利用最小二乘法进行后向散射光偏振度变量的拟合求解，得到对比度更高、信息更丰富的水下复原图像。实验结果表明:该算法可有效改善主动光照明条件下的水下图像质量，提高图像对比度，复原被淹没的细节信息，复原图像的图像增强测量值较以往算法相比提升70%，且能适用于不同浓度介质的情况。     

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.