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。     

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。     

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。     

基于曲率滤波和梯度变换的图像增强

针对基于梯度变换的图像增强算法抗噪声干扰能力差的问题,引入曲率滤波理论,提出了基于高斯曲率滤波和梯度变换的图像增强算法.该算法通过对图像梯度场进行非线性变换来增强图像对比度,通过构造能量泛函,采用梯度下降法从变换后的梯度场重构出增强后的图像,并利用高斯曲率滤波对梯度下降法迭代过程中的重构图像及其各阶偏微分进行平滑,有效解决了图像重构过程中的噪声非线性放大和扩散问题,同时保留了丰富的细节信息.采用多组边缘模糊图像进行仿真实验,实验结果表明该算法在增强图像边缘对比度的同时,能够有效抑制噪声.     

基于主特征提取的Retinex多谱段图像增强

根据Retinex视觉模型中照射分量和反射分量的统计特性,融合多尺度主特征提取法、平台直方图算法、非局部均值滤波及局部细节增强算法可对多谱段图像进行有效增强.首先利用多尺度主特征提取法估计照射分量,对照射分量进行平台直方图操作,增强全局对比度及图像主结构边缘细节;然后将原图与照射分量相除获取反射分量,对反射分量进行非局部均值滤波抑制噪声,再进行基于局部方差的局部细节增强;最后将增强后的照射分量与反射分量相乘,即为增强图像.从主观和客观两方面,对X光图像、紫外图像、可见光图像、低照度可见光图像和红外图像实验结果的分析表明,本文算法能够有效地抑制图像噪声、增强图像对比度及细节、改善图像视觉效果,是一种通用有效的多谱段图像增强算法.     

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.     

基于二代小波变换的红外图像非线性增强算法

红外图像具有对比度低和信噪比低等特点,实用中必须进行增强处理.将小波分析与模糊逻辑相结合,提出了一种基于二代小波变换的红外图像非线性增强算法.该算法首先利用二代小波变换对图像进行分解,提取图像的多尺度细节特征,然后,根据目标和背景噪声信号的差异,通过模糊非线性增强算子分别对各个分解层的高频子带进行非线性增强来改变目标特征的强度,抑制背景信号,最后利用小波反变换重构图像,以实现图像的对比度增强和背景抑制.与几种常用的图像增强算法实验结果相比,此算法能有效地抑制图像中的背景噪声,增强目标内容信息,取得了较好的增强效果.     

一种使用混合智能优化算法的图像增强方法

对比度增强在图像处理系统中常用来提高降质图像质量或增强图像细节。从优化问题的角度来处理图像增强,提出了用混合智能算法,结合细菌觅食优化算法和粒子群优化算法的优点,对图像增强算子的参数进行优化,使图像质量达到最佳。使用的增强算子取决于源图像的局部灰度信息和全局统计信息,采用的适应度函数是基于图像的边缘信息和熵信息。仿真和实验结果表明该方法不仅能实现图像对比度增强还能有效提高目标图像的细节,并有效抑制噪声。     

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。     

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.     

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.     

基于粗糙集与小波反锐化掩模的图像增强

为了有效去除图像中的干扰噪音,改善模糊不清晰的有用边缘细节信息,提高图像的层次感和清晰度,提出将粗糙集和小波反锐化掩模相结合的方法来实现图像增强.运用粗糙集中的近似及等价属性关系将知识化后的图像划分成不同的区域,再根据估计好的阈值进行数据约简,实现有效去除噪音.运用小波反锐化掩模法对图像的轮廓及细节信息进行增强处理,完成图像的最终增强.实验结果表明,不论在主观的视觉效果上,还是客观的噪音均方误差,该方法的处理结果都是较为理想的.     

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。     

Sharpening enhancement of ultrasound images using contourlet transform

The furry regions of ultrasound images are to be enhanced for good quality visual perception. This paper proposes a contourlet transform (CT) based sharpening technique (ST) for contrast enhancement in ultrasound (US) images. While sharpening, noise emphasize is the drawback of the classical ST methods. The proposed ST is operated on the multiscale, multidirectional CT decomposition of the underlying US image. The new ST not only sharpens the US image but also control the noise effect with tunable parameters. The results are compared with common unsharp masking and recently proposed nonlinear unsharp masking. The parameters like enhancement measure, structural similarity, and blind image quality measure evaluate the improved performances of the proposed technique.     

Infrared image detail enhancement based on local adaptive gamma correction

An infrared image detail enhancement method based on local adaptive gamma correction (LAGC) is proposed. The local adaptive gamma values are designed based on the Weber curve to enhance effectively the image details. Subsequently, the active grayscale range of the image processed by LAGC is further extended by using our proposed histogram statistical stretching. The experimental results show that the proposed algorithm could considerably increase the image details and improve the contrast of the entire image. Thus, it has significant potential for practical applications.     

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.     

Image enhancement algorithm based on improved lateral inhibition network

There is often substantial noise and blurred details in the images captured by cameras. To solve this problem, we propose a novel image enhancement algorithm combined with an improved lateral inhibition network. Firstly, we built a mathematical model of a lateral inhibition network in conjunction with biological visual perception; this model helped to realize enhanced contrast and improved edge definition in images. Secondly, we proposed that the adaptive lateral inhibition coefficient adhere to an exponential distribution thus making the model more flexible and more universal. Finally, we added median filtering and a compensation measure factor to build the framework with high pass filtering functionality thus eliminating image noise and improving edge contrast, addressing problems with blurred image edges. Our experimental results show that our algorithm is able to eliminate noise and the blurring phenomena, and enhance the details of visible and infrared images.