基于视觉注意机制的感兴趣区检测

提出了一种基于视觉注意机制的感兴趣区检测方法：使用分水岭方法分割图像区域;根据生物的视觉注意机制特性,选用中央周边差的采样方式提取图像特征,将不同维的图像特征融合为显著图;显著点经过竞争得到的注意焦点作为分水岭分割的种子点,然后融合显著图和分水岭分割区得到感兴趣区;遵循返回抑制和邻近优先的准则选择并转移注意焦点,从而计算区域的重要性或兴趣度.实验结果表明该方法符合生物的视觉注意机制,在自动检测感兴趣区时可以有效减少过分割,也能较好的处理大对象.     

基于视觉注意机制的红外弱小目标检测

为了提升基于人类视觉系统检测方法的检测率、检测速度和场景适应能力,构建了一个多场景红外弱小目标数据集,提出了一种基于视觉注意机制的红外弱小目标检测算法.从自底向上的机制出发,提出多尺度灰度-方差估计,快速计算显著图并估计出最优目标尺寸,使用基于加速分割测试特征的角点检测算法快速提取候选目标,并引入非极大值抑制去除冗余....     

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。     

面向目标检测的视觉注意机制波段选择研究

近年来,波段选择在高光谱图像降维处理中得到了广泛地应用,然而常用的数据降维方法并没能将与人类视觉系统相关的信息进行有效利用,如果将人类与生俱来的视觉注意机制能力应用到高光谱图像中目标的视觉显著性特征的增强或识别,对于高光谱图像的目标检测研究无疑会产生相当的促进作用。研究提出引入视觉注意机制理论应用于波段选择研究,构建面向目标检测应用的视觉注意机制波段选择模型。通过分析计算波段图幅的目标与背景的可识别程度,量化所在波段对地物目标与背景的判别能力,提出了基于目标视觉可识别度的波段选择方法;利用LC显著性算法进行空间域的视觉显著性目标分析,计算背景与目标的显著性差异绝对值,提出基于LC显著目标结构分布的波段选择方法。将这两种方法结合提出的改进子空间划分方法,建立面向目标检测的视觉注意机制波段选择模型,并经高光谱遥感AVIRIS San Diego公开数据集进行目标检测实验验证,结果表明所提出的基于视觉注意机制的波段选择模型对于目标检测应用具有较好的检测效果,实现了数据降维和高效的计算处理。     

基于FPGA的实时图像增强设计

局部直方图均衡是以全局直方图均衡化方法为基础,对图像中每个像素点所在的邻域范围求出灰度转换函数,然后仅应用在该中心点处。为了提高算法的运算速度,特别是在处理视频图像时,采取传统的DSP的设计方法在速度上很难满足需要,因此,利用FPGA实现是一个很好的选择。为使局部直方图均衡方法能够在FPGA上具体实现,从空间域的角度改进了图像灰度直方图均衡算法,并利用VHDL语言对算法进行了完全可综合的RTL级描述,最后在硬件平台上验证了结果。     

一种基于K means改进聚类的图像增强算法

在低光照环境下,CMOS成像器件无法拍摄出清晰的图像。为了提升低照度条件成像器件输出图像的质量,根据低照度图像的特点,提出一种基于K means聚类的图像增强算法。通过改进的K means算法将图像分块,并根据每一块图像的信息量分别进行直方图均衡。该方法与CMOS成像器件进行实验,可以在保留约98.6%图像细节（信息熵）的前提下,将图像的对比度提升至原图像的17倍,平均梯度提升至原图像的4倍。     

多子直方图均衡微光图像增强及FPGA实现

针对微光图像对比度低,目标难以识别的问题,对微光图像增强算法进行了研究。提出了一种多子直方图均衡增强算法,该算法首先将直方图按面积平均分割成4个子直方图,利用平均像素数量作为阈值切割直方图降低过度增强现象,然后加入尺度因子对动态范围进行调整,最后分别对子直方图均衡得到增强效果。此算法用Verilog语言在现场可编程门阵列（FPGA）上具体实现,并给出了主观和客观的评价,改进算法能产生更清晰的图像,在硬件平台上也能实时显示增强效果,一帧图像处理时延约为0.45 ms。实验结果表明,改进算法不会产生饱和、噪声放大的现象,图像细节保持较好,满足视频图像处理实时性要求,得到了具有较好视觉效果的增强图像。     

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...     

基于人眼视觉特性的火炮内膛图像增强方法

为了提高窥膛图像的观测效果,减小背景和噪声对目标图像的模糊度,根据图像特点提出了一种基于人眼视觉特性的图像增强新方法.该方法根据目标图像与背景、噪声图像特性的差异来进行不同的处理,使待测的疵病图像相对增强,目标图像突出,便于人眼观察.     

基于视觉熵的视觉注意计算模型

提出了一种基于视觉熵的模拟生物视觉信息处理的视觉沣意计算模型,在使用图像的低层特征的基础上,充分考虑了视觉熵中人眼对图像信息的主观量度.该模型首先将图像分成4×4的图像块,分别计算每个图像块的均值、方差、幅度和亮度变化率;采用中央邻域差算子得到各图像的特征图,合并成一个显著图;计算该图中每个显著区域的视觉熵,将最显著Ⅸ域作为视觉注意的焦点,利用人类视觉注意的抑制返回机制,实现视觉注意焦点的转移,从而完成模拟人类视觉注意的整个过程.实验结果表明,该模型基本上能够模拟视觉注意的过程,而且复杂度较低,具有较高的实用价值.     

基于灰度冗余图像融合增强研究

为了改善原图像直方图像素灰度分布集中于低灰度级,与经过常规直方图均衡化处理的图像直方图像素灰度分布集中于高灰度级且均具有灰度冗余的图像增强效果,提出了一种新的图像增强算法.对原始图像进行常规直方图均衡处理,并对原始图像与进行了常规直方图均衡处理的图像分别在尽可能大的范围内进行映射,使两者变换后都尽可能去除灰度冗余而有较大的动态范围.取变换后的两图像各自的优点,融合成一幅效果最好的图像.实验结果验证了理论分析的正确性.     

基于视觉注意的彩色图像检索方法

基于视觉注意模型提取的特征能够反映图像高层语义的新特征,将视觉注意机制引入到图像分析领域能有效地减小语义鸿沟,获得高效的图像检索性能.根据视觉感知的特点,对Itti视觉注意模型进行了改进.采用主分量图表示亮度图,将纹理粗糙度信息融入视觉注意模型,进而提出了一种基于视觉注意空间分布特征的图像检索算法.首先由改进视觉注意模型将图像分解得到38个视觉特征图,然后采用网格平分法提取视觉特征图的空间分布信息,组成特征矢量来多层次地对图像特征进行描述,用于图像检索.实验结果表明,该算法利用基于改进注意力模型方法来提取图像空间分布特征进行图像检索,能获得较高的检索率.     

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.     

基于平台直方图的红外图像自适应增强算法

针对红外图像的特点, 提出了一种基于平台直方图均衡化的自适应红外图像增强算法. 该算法通过自适应地选择平台阈值, 对红外图像进行增强处理, 克服了采用一般直方图均衡化增强红外图像的缺点, 同时算法的运算量远远小于其他平台直方图均衡化算法, 便于实时实现. 理论分析和仿真结果均表明, 该算法对红外图像具有很好的增强效果, 可较好的抑制背景的增强, 突出目标.     

Low Light Image Enhancement Algorithm Based on Detail Prediction and Attention Mechanism

Most LLIE algorithms focus solely on enhancing the brightness of the image and ignore the extraction of image details, leading to losing much of the information that reflects the semantics of the image, losing the edges, textures, and shape features, resulting in image distortion. In this paper, the DELLIE algorithm is proposed, an algorithmic framework with deep learning as the central premise that focuses on the extraction and fusion of image detail features. Unlike existing methods, basic enhancement preprocessing is performed first, and then the detail enhancement components are obtained by using the proposed detail component prediction model. Then, the V-channel is decomposed into a reflectance map and an illumination map by proposed decomposition network, where the enhancement component is used to enhance the reflectance map. Then, the S and H channels are nonlinearly constrained using an improved adaptive loss function, while the attention mechanism is introduced into the algorithm proposed in this paper. Finally, the three channels are fused to obtain the final enhancement effect. The experimental results show that, compared with the current mainstream LLIE algorithm, the DELLIE algorithm proposed in this paper can extract and recover the image detail information well while improving the luminance, and the PSNR, SSIM, and NIQE are optimized by 1.85%, 4.00%, and 2.43% on average on recognized datasets.     

基于DDE技术分析的红外图像细节增强算法

在光电设备中,高位宽红外探测器由于具有高灵敏度、低噪声的特点而得到广泛应用。而通常的显示设备或快速处理只要求8位数据宽度,所以需要将高位宽的图像数据压缩至8位位宽。但是如果压缩方法处理不当,可能会造成原有信息丢失,在显示图像中表现为图像细节的损失。通过对FLIR公司数字图像细节增强（DDE）技术的分析,比较了DDE技术与以往常用红外图像动态范围压缩算法的区别,总结并提出了符合DDE思想的红外图像动态范围压缩细节增强算法,该算法在全面增强图像细节的同时能够抑制图像背景中的杂波,增强弱小目标,既满足图像显示的视觉效果,又有利于在图像上进行目标提取。     

Image enhancement via Median-Mean Based Sub-Image-Clipped Histogram Equalization

This paper presents a robust contrast enhancement algorithm based on histogram equalization methods named Median-Mean Based Sub-Image-Clipped Histogram Equalization (MMSICHE). The proposed algorithm undergoes three steps: (i) The Median and Mean brightness values of the image are calculated. (ii) The histogram is clipped using a plateau limit set as the median of the occupied intensity. (iii) The clipped histogram is first bisected based on median intensity then further divided into four sub images based on individual mean intensity, subsequently performing histogram equalization for each sub image. This method achieves multi objective of preserving brightness as well as image information content (entropy) along with control over enhancement rate, which in turn suits for consumer electronics applications. This method avoids excessive enhancement and produces images with natural enhancement. The simulation results show that MMSICHE method outperforms other HE methods in terms of various image quality measures, i.e. average luminance, average information content (entropy), absolute mean brightness error (AMBE) and background gray level.     

基于灰度冗余的红外图像自适应输出窗技术

根据红外图像的特点,提出了一种基于灰度冗余的红外图像自适应输出窗技术.该技术通过对图像灰度直方图的统计,设定适当的阈值,将灰度像素分布为零的灰度级进行完全压缩,将小于阈值的灰度级映射到阈值灰度级,然后将有效灰度级在整个可显示灰度级范围内作等间距排列.该算法在压缩灰度冗余的同时,实现了对有效图像灰度级的无损均衡,提高了图像质量,并能实现实时处理.     

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.