一种基于直方图非线性变换的图像对比度增强方法

针对可见光图像的特性,提出一种基于直方图分段非线性插值的对比度增强处理技术.通过将整幅图像分为背景段、过渡段和目标段,依据各部分的特点分别对不同的灰度段采用直方图非线性拉伸,即根据各段直方图的分布特性进行图像直方图灰度轴的横向非均匀拉伸,并采用基于冗余去除的灰度均衡方法实现图像增强.实验结果表明,该技术有效地增强了图像的对比度,同时抑制了背景噪音.     

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.     

结合小波域变换和空间域变换的图像增强方法

提出了一种结合了小波域和空间域处理方法的图像增强算法. 该算法首先对小波域中的高频系数进行修正,使图像具有更好的局部对比度和更丰富的细节,由于双树复小波变换（Dual-tree Complex Wavelet Transform,DT CWT）具有更好的方向选择性,在小波变换的过程中选用了这一方法;然后,通过空间域中的非线性变换,调整图像的整体对比度. 该算法可根据图像本身的特性实现参数的自动选择. 经过本文方法的处理所得的图像,无论在视觉效果上还是在统计上,都优于前人工作的结果.     

一种基于系统变量的线性和非线性变换实现混沌控制的方法

提出了一种通过系统变量的线性和非线性变换实现混沌控制的方法,以Henon映象和Lorenz系统作为两个典型的例子,验证了这种控制方法的有效性.结果表明,通过改变系统变量之间的线性变换矩阵,可以实现混沌系统中各种不稳定周期轨道的稳定控制.将这种方法推广到非线性(神经网络)变换,可以获得稳定的新的动力学行为.同时,从信息熵的角度,讨论了这种混沌控制方法的物理机制. 关键词：     

一种新的自定标算法--图像变换法

提出了一种新的基于图像变换的自定标算法,由于绝对二次曲线的像的各个元素不在一个数量级上,导致自定标过程中对噪音极其敏感.该方法针对于这一缺点,首先估计一个内参矩阵,然后通过图像变换,使绝对二次曲线的像的各个元素在一个数量级上.理论分析及模拟图像序列和真实图像序列的实验结果表明,该自定标算法能够提高定标准确度及鲁棒性.     

基于分段直方图变换的图像非线性增强

针对可见光图像的特性,依据图像的灰度性质与概率密度,提出一种分段直方图灰度图像非线性增强法.根据图像灰度的性质,将图像灰度级分成背景段、过渡段和目标段,由灰度级的累计概率密度,分别构造三部分灰度级的变换函数,压缩背景段灰度差,保持过渡段灰度差,提高目标段灰度,避免图像过度增强,提高了图像的清晰度.以低对比度的可见光图像进行验证,实验结果和理论分析证实了此方法的合理性和有效性,表明此方法不仅实现了图像增强,保留了图像零灰度级附近的灰度,而且减少了细节信息的损失,避免了直方图均衡化和直方图双向均衡化方法中图像过度增强的现象,提高了图像清晰度,获得更加符合人眼视觉的增强效果.     

一种基于灰度变换的红外图像增强算法

针对红外图像，采用双门限分割法进行图像分割，然后采用分段灰度变换法进行图像增强。根据具体图像，通过人机交互的方式确定2个阈值，将图像分割为目标区、过渡区和背景区3部分；按照每一部分的特点，设计不同的灰度变换，对图像进行分段线性增强，得到感兴趣目标区的最佳视觉效果。通过对16位红外图像进行实验，得到了满意的结果。实验表明,该算法灵活便捷，在增加对比度和去除噪声的同时，还抑制了背景，达到了预期的效果。     

基于Contourlet变换和形态学的图像增强方法

传统的图像增强算法在增强图像时,增大噪音,同时丢失细节.针对该问题,结合Contourlet变换中相关系数理论,提出了基于Contourlet变换和数学形态学的图像增强新算法.首先,对图像进行Contourlet变换分解,采用数学形态学算子对高频细节部分区分为细节信息和噪音产生的系数,然后,对变换系数采用非线性映射函数进行增强.最后,利用修改后的变换系数进行Contourlet逆变换得到增强后的图像.实验表明,该方法无论是增强效果还是抗噪性能都明显优于传统的图像增强算法.     

基于Contourlet变换的红外图像非线性增强算法

针对红外图像对比度低、噪声大等特点,提出一种基于Contourlet变换的红外图像非线性增强算法.Contourlet变换是一种有效的方向多尺度变换分析方法,能在任意尺度上实现任意方向的分解.首先采用Contourlet变换对图像进行多尺度、多方向分解,得到低频子带系数和各带通方向子带系数.引入非完全贝塔函数对低频子带系数进行处理,提升图像整体对比度;采用非线性增益函数对各带通方向子带系数进行处理,通过估计噪声水平设定阈值,抑制绝对值小于阈值的系数,增强大于阈值的系数.最后经Contourlet逆变换得到增强图像.实际实验结果表明,该方法可以有效地增强低对比度红外图像,无论是在视觉效果上还是在图像对比度评估值定量指标上均明显优于直方图均衡化、小波变换增强等方法,且能保持更多的图像轮廓特征,克服了这些方法对噪声增强过度和图像细节增强不足等缺点.     

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Contourlet的遥感图像放大与增强

提出一种遥感图像放大和增强的新方法.应用拉普拉斯塔形变换（LP）构建原图像的细节图像,采取双三次插值的方法分别放大原图像和细节图像,并将两个放大后的图像相加后线性处理.经过二级Contourlet分解变换,构造非线性增强函数增强Contourlet系数.最后用原图像取代Contourlet分解变换后的低频子带后重构图像,完成图像的放大和增强.结果表明,此方法能丰富放大后图像的细节,增强效果良好,有效提高放大后遥感图像的空间分辨率.     

基于径向希尔伯特变换的图像边缘增强特性研究

研究了基于螺旋相位频谱滤波器滤波的径向希尔伯特变换对不同边缘分布图像的增强特性.给出了拓扑荷n=1的有限孔径螺旋相位滤波器点扩散函数的解析表达式,并利用圆孔、汉字和人像等三幅不同边缘分布密度的图像进行了边缘增强的模拟计算.结果表明,基于螺旋相位频谱滤波的径向希尔伯特变换会使边缘增强图像具有立体浮雕效果,并且随着输入图像的边缘分布密度变大,立体浮雕效果会越显著.通过理论分析得出,这一现象是由螺旋相位滤波器点扩散函数中的次极大分布与输入图像边缘卷积引起的.这一结论为图像的信息处理提供了一些有利的手段.     

基于小波变换的数字胸片自适应增强

利用图像自适应增强原理, 推导出小波域中的等价表示. 根据视觉生理心理学原理, 具体的增益系数由图像的背景灰度确定. 同时考虑到胸片中重要的细节信息位于中间频率的特性, 增益系数需要进行调整. 实验结果表明, 调整增益后的小波自适应增强方法能有效的增强数字胸片中的细节信息.     

基于小波域三状态HMT模型的含噪图像增强

针对含噪图像增强问题,提出一种基于小波域三状态隐马尔可夫树模型的方法,采用三状态的高斯混合模型逼近小波系数的分布,不需要设定精确的阈值,依据期望最大算法训练得到的每个系数所属状态的后验概率,将系数区分为噪声系数、弱边缘系数和强边缘系数,然后通过抑制噪声系数,增强细节特征系数来达到对含噪图像增强的目的,并引入循环平移策略避免人工失真.通过对含噪的标准图像和人脑核磁共振图像进行仿真实验,并与几种经典的图像增强方法作视觉上的对比和定量分析.实验结果表明,本文所提出的方法具有很好的鲁棒性,在突出了图像中更多的细节信息的同时,可以有效抑制噪声.     

Color Enhancement in Multispectral Image Using the Karhunen-Loeve Transform

We propose a new method for the color enhancement of multispectral image in the visible wavelength region. The purpose of the proposed method is to explore the weak features contained in a specific wavelength by discounting the major color distribution. Such examination will be valuable in visual inspection applications, for example, a medical examination using color image to find a small spectral change of an abnormal part. In this method, Karhunen-Loeve (KL) transform is applied to multispectral data, and specific wavelength components of only high-order KL coefficients are amplified while low-order coefficients are not changed to retain the major color distribution. In the experiment, this method was applied to multispectral images: a printed test image and a human skin image of a bruised arm were captured by a 16-band multispectral camera. The resultant images were compared with the images obtained by saturation enhancement and that obtained by applying the proposed method to the 3-band image. The method successfully visualized the features, which are almost invisible in natural color images, with less change in background color than saturation enhancement.     

基于小波变换的图像融合新算法

针对现有图像融合技术中的尺度系数卷积法存在的边缘细节损失和对比度下降问题,提出了将Canny边缘检测算子等价于提取图像的小波变换模极大值点这一思想引入图像的低频分量融合规则以及用于高频子带融合的局部对比度结合方向方差方法.最后通过仿真试验以及熵值数据证明该算法有效改善了边缘细节的准确度,提高了分辨率,并使局部对比度信息得以保留,从而更加符合人类的视觉特性.     

一种实用的可见光图像自适应对比度增强方法

提出了一种基于图像一阶、二阶统计特性的自适应可见光图像对比度增强方法。通过分析可见光图像数字特性,提取了图像序列两个时间平稳的特征,即均值和方差。以此为基础,在灰度域对图像进行对比度增强。实验结果表明,提出的方法有效地增强了图像的对比度,同时抑制了部分起伏的背景。该算法在视觉质量上优于传统的基于图像最大最小值的对比度增强方法和直方图均衡方法,而且易于实现。     

脊小波变换域模糊自适应图像增强算法

提出了基于脊小波(ridgelet)变换域的模糊自适应图像增强算法,利用脊小波变换在表示图像线性奇异边缘时具有独特的优越性,达到突出边缘和抑制噪声的目的。利用频域内傅里叶投影变换定理,提出优化有限拉东(Radon)变换系数顺序的方法,使得拉东变换后图像的折回现象得到改善;利用广义模糊集合概念和最大模糊熵原理,提出一种自适应设置模糊增强函数方法,使得增强后的图像在抑制噪声、增强特征方面达到较好折衷。通过模拟实验显示,该算法优于传统的增强方式,在低信噪比情况(2.5~5.5 dB)下,其边缘检测概率大于二维小波增强方式约50%。应用于含有局部线形裂纹的路面病害图像的增强,可以将裂纹信号基本增强出来,且对路面上离散的油滴、石子等点噪声抑制较好。