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。     

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.     

一种适用于胸部CR图像自适应增强方法

人体胸部各种组织器官较多,造成胸部的CR(Computed Radiography)图像动态范围大,是所有临床CR图像中最为复杂的一种。一般的图像增强方法只对胸腔中的部分组织起到了增强的效果,而对另一部分组织不会有良好的增强的效果,甚至会出现对比度变差、细节模糊、噪声增加等不理想的结果。提出了基于邻域灰度方差与噪声方差之比的自适应增强方法,可根据胸部CR图像的灰度特性调节增强程度的加权因数K,自适应的增强胸部CR图像边缘细节,丰富图像的细节信息,提高图像的诊断价值。实验证明,该算法处理后的胸部CR图像细节丰富,信噪比高,细节方差和背景方差之比(DV/BV)比通用算法高,增强后的CR图像具有良好的视觉效果,是一种有效的适合胸部CR医学图像的边缘细节增强方法。     

一种基于对比度增强和柯西模糊函数的红外与弱可见光图像融合算法

由于可见光图像在低光照环境下其可视性较差,为了提高红外与弱可见光图像融合的效果,提出了一种基于对比度增强和柯西模糊函数的图像融合算法.首先用改进的引导滤波自适应增强提高弱可见光图像暗区域的可视性;其次,利用非下采样剪切波变换将红外和增强后的弱可见光图像分解,得到相应的低频和高频子带;再后,分别用直觉模糊集构建柯西隶属函数和自适应双通道脉冲发放皮层模型对低频、高频子带进行融合;最后,使用非下采样剪切波变换对融合得到的高低频子带进行逆变换重构得到融合图像.实验结果表明,与其它融合算法相比,该算法有效地增强了弱可见光图像的暗区域,保留了更多的背景信息,从而提高了融合图像的对比度和清晰度.     

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。     

基于局部自适应拉升窗的复合图像增强算法

针对含有低亮度低对比度区域的图像,提出基于局部自适应拉升窗(LASW)的复合图像增强算法.通过研究目前一系列基于局部操作的空域图像增强算法,提出全局和局部操作结合的总体思路;首先使用高提升拉普拉斯(Laplacian)反锐化掩模(UM)增强以获得较多的隐藏细节和边缘信息,然后构造局部自适应拉升窗大幅增强低对比度图像细节,同时使用自适应滤波器进行掩模平滑操作;最后根据局部增强结果进行全局修正.仿真实验表明,在绝对误差、图像熵等评价指标下,该算法使低对比度图像尤其当含有低亮度微弱局部信息时,获得了较好的增强效果.     

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.     

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。     

基于MDLatLRR和KPCA的光场图像全聚焦融合

为了提升光场成像的空间分辨率,结合光场图像数字重聚焦与多聚焦图像融合,提出了一种基于多尺度潜在低秩分解和核主成分分析的光场图像全聚焦融合算法。首先,对光场图像进行数字重聚焦得到重聚焦图像,然后对各重聚焦图像进行多尺度分解提取出基础层和显著层,对基础层、显著层分别采用局部梯度差值加权算法和多尺度梯度域显著性提取算法计算相应的特征系数;其次,联立基础层和各显著层的特征系数矩阵,然后用核主成分分析进行降维融合得到融合特征系数矩阵,使得经融合特征系数生成的聚焦决策图能充分考虑基础层和显著层的特征信息;最后,用聚焦决策图引导重聚焦图像进行全聚焦融合。实验结果表明,该算法与传统方法相比在视觉效果和边缘信息丰富度上具有更优表现,所生成的光场全聚焦图像具有更高的分辨率和更好的视觉效果。     

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。     

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.     

Retinex-Based Fast Algorithm for Low-Light Image Enhancement

We proposed the Retinex-based fast algorithm (RBFA) to achieve low-light image enhancement in this paper, which can restore information that is covered by low illuminance. The proposed algorithm consists of the following parts. Firstly, we convert the low-light image from the RGB (red, green, blue) color space to the HSV (hue, saturation, value) color space and use the linear function to stretch the original gray level dynamic range of the V component. Then, we estimate the illumination image via adaptive gamma correction and use the Retinex model to achieve the brightness enhancement. After that, we further stretch the gray level dynamic range to avoid low image contrast. Finally, we design another mapping function to achieve color saturation correction and convert the enhanced image from the HSV color space to the RGB color space after which we can obtain the clear image. The experimental results show that the enhanced images with the proposed method have better qualitative and quantitative evaluations and lower computational complexity than other state-of-the-art methods.     

一种照明无关的小波多尺度相乘边缘检测方法

提出了一种照明无关的小波多尺度相乘边缘检测方法,用于从非均匀的弱照明图像中提取边缘。根据照明反射图像形成模板与CCD相机成像原理,推导出图像的对应小波变换公式。然后,对图像局部区域中噪声、边缘与背景像素的小波系数进行比较分析,设计了一种照明无关的小波边缘检测公式。为增强边缘并抑制噪声,提出了一种改善的小波多尺度相乘边缘检测方法,并依照小波变换后边缘像素的特征,提取单像素的边缘。采用仿真和真实的非均匀的弱照明图像对该边缘检测算法进行验证,并与另外两种边缘检测方法进行定性的和定量的比较。实验结果证实了这种边缘检测方法能够从灰度不均匀的低衬比度图像中正确有效地提取边缘。     

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 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.     

融合Retinex和离散小波奇异值分解的远距离目标图像清晰化

针对远距离成像系统获取的低照度降质图像增强问题,提出了一种融合Retinex和离散小波奇异值分解的图像清晰化算法。该方法首先利用自适应全尺度Retinex（adaptive full-scale retinex, AFSR）“粗”提取照度分量和反射分量,然后通过离散小波变换将所提取的图像反射分量分解为4个频率子带并估计出低频子带图像的奇异值矩阵,最后应用逆小波变换“精”重建图像。实验结果表明:所提方法处理后的低照度降质图像视觉增强效果较好,在图像对比度、信息熵、平均梯度和边缘密度等客观评价指标方面优于其他经典算法。     

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。