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.     

基于亮度对比度传递的红外与可见光图像融合方法研究

基于亮度一对比度传递技术提出了一种红外和彩色可见光图像的融合方法,该算法通过对红外图像和可见光图像在HIS空间进行二次融合,保留了可见光图像的颜色特性,并获得一幅具有良好亮度和对比度效果的融合图像。实验结果表明该方法融合噪声小、细节缺失少、融合速度快。     

基于潜在低秩表示与复合滤波的红外与弱可见光增强图像融合方法

针对传统红外与弱可见光图像融合算法中存在的亮度与对比度低、细节轮廓信息缺失、可视性差等问题,提出一种基于潜在低秩表示与复合滤波的红外与弱可见光增强图像融合方法.该方法首先利用改进的高动态范围压缩增强方法增强可见光图像提高亮度;然后利用基于潜在低秩表示与复合滤波的分解方法分别对红外与增强后的弱可见光图像进行分解,得到相应的低频和高频层;再分别使用改进的对比度增强视觉显著图融合方法与改进的加权最小二乘优化融合方法对得到的低频和高频层进行融合;最后将得到的低频和高频融合层进行线性叠加得到最终的融合图像.与其他方法的对比实验结果表明,用该方法得到的融合图像细节信息丰富,清晰度高,具有良好的可视性.     

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.     

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.     

二尺度分解和显著性提取的红外与可见光图像融合

为增强红外与可见光图像融合可视性,克服红外与可见光图像融合结果中细节丢失、目标不显著和对比度低等问题,提出一种基于二尺度分解和显著性提取的红外与可见光图像融合方法。首先,以人类视觉感知理论为基础,针对人眼对图像不同区域敏感性不同特性,在跨模态融合任务中需要对源图像进行不同层次分解,避免高频分量和低频分量混合减少光晕效应,采用二尺度分解方法对源红外与可见光图像进行分解,分别获取各自的基本层和细节层,该分解方法能够很好的表达图像并具有很好的实时性;然后,针对基本层的融合提出一种基于视觉显著图(VSM)的加权平均融合规则,VSM方法能够很好提取源图像中的显著结构和目标。采用基于VSM的加权平均融合规则对基本层融合,能够有效避免直接使用加权平均策略而导致对比度损失,使融合图像可视性更好;针对细节层的融合,采用Kirsch算子对源图像分别提取得到显著图,然后通过VGG-19网络对显著图进行特征提取获取权值图,并与细节层进行融合,得到融合的细节层;Kirsch算子能在八个方向上快速提取图像边缘,显著图中将包含更多边缘信息和更少噪声,且VGG-19网络能够提取到图像更深层特征信息,获取的权值图中将包...     

基于相位一致性和Hough变换的多源图像配准方法

由于红外图像与可见光图像对比度不同,常用基于梯度幅值的特征匹配方法难以正确配准。在分析红外图像与可见光图像成像机制的基础上,提出了一种结合相位一致性边缘检测与Hough变换的多源图像配准新方法。该算法首先采用高通滤波和平台直方图均衡方法对红外图像进行预处理以提高红外图像的对比度,再利用具有图像对比度不变性的相位一致性边缘检测法提取两幅图像的边缘,结合Hough变换选取图像空间中最长的线作为特征,采用改进相位相关法作为相似性度量,在对数极坐标域下计算出两幅图像的几何变形参数。仿真实验结果表明,该方法能够以较高查准率实现红外与可见光图像自动配准,并具有较强的鲁棒性。     

红外和彩色可见光图像亮度-对比度传递融合算法

以红外和彩色可见光图像为研究对象,提出了一种基于亮度-对比度传递（LCT）技术的彩色图像融合算法。首先借助灰度融合方法将红外图像与彩色可见光图像亮度分量融合,然后用LCT技术改善灰度融合结果的亮度和对比度,最后利用快速YCBCR变换融合策略在RGB空间内直接生成彩色融合图像。文中利用像素平均融合法和多分辨率融合法作为不同的灰度融合措施以分别满足高实时性和高融合质量的需求。实验结果表明,提出算法的融合结果不仅具有与输入彩色可见光图像相近的自然色彩,而且具备令人满意的亮度和对比度,即使采用运算简单的像素平均法进行灰度融合,同样可以获得良好的融合效果。     

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。     

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。     

基于改进型平台直方图的红外均衡化算法

针对红外图像特别是红外弱小目标图像的特点,提出了一种基于改进型平台的直方图均衡算法。在设置统计上限平台阈值的基础上,设置了累计直方图上限阈值,并用修改的映射函数算法对图像进行均衡化处理。算法中的上限统计平台阈值对噪声进行了适当抑制,累计平台阈值自适应控制映射动态范围,从而克服了平台直方图均衡化对动态范围较窄的红外图像过分拉仲的缺点。相对平台直方图的均衡算法,该方法能够对多种复杂场景增强图像整体效果,在抑制噪声的同时较好地保持了图像细节。     

基于Mean-shift的灰度目标跟踪新算法

Mean-shift算法是一种非参数密度估计算法,可以实现快速的最优匹配,在目标的实时跟踪领域起着非常重要的作用。为了有效的将Mean-shift算法应用到灰度图像中,采用了以方向直方图建立目标模型的策略,提出了在灰度图像中以Mean-shift为核心的目标跟踪算法。实验结果表明,该算法具有不受光照条件影响的优点,在低对比度的情况下仍能实现稳定、实时的跟踪目标。     

基于矢量量化及Hopfield模型的灰度级图像识别

提出了一种新的识别灰度级图像的方法，该方法基于矢量量化的基本思想，通过对图像的分割，将灰度级图像映射成神经元仅取少数和几种状态的Ｈｏｐｆｉｅｌｄ神经网络模型，理论和模拟实验证明：这种低状态的ｏｐｆｉｅｌｄ与传统灰度图像识别模型相比，不仅神经元的数目较少，互连密度较低，而且网络具有较好的联想能力。     

One color contrast enhanced infrared and visible image fusion method

Color constancy (Toet and Franken, 2003 [2]; Toet, 2003 [7]) and color contrast (Scribner et al., 2000 [21]; Lee et al., 2005 [23]) are two important topics for color image fusion. The paper focuses on the low color contrast problem of linear fusion algorithms with color transfer method. Color transfer technology is popular in infrared (IR) and visible image fusion to give the fused image a natural day-time color appearance (Toet, 2003 [7]; Wang et al., 2007 [8]; Zheng and Essock, 2008 [9]). However, in the color transfer step, all three channels of the color space are processed with the same linear mapping without color enhancement, resulting in low color contrast between the target and the background (Wang et al., 2007 [8]). Based on the characteristics of the IR image, we introduce a ratio of local to global divergence of the IR image to improve the color contrast. The enhancement ratios for both hot and cold targets are larger than one, while it tends to one for the background. As a result, the proposed method pops out both hot and cold targets in color, where hot targets will appear intense red, and cold targets will appear cyan. Subjective results show visible color contrast enhancement effects. Target detection experiments through hue and saturation components of the fused image show an improvement in the hit rate for target detection, owing to larger color distance between the target and the background.     

Improving histogram-based image contrast enhancement using gray-level information histogram with application to X-ray images

Many applications of histogram-based techniques for the purposes of image enhancement are well known. However, these techniques often fail to produce satisfactory results for a broad variety of low-contrast images (e.g., X-ray images). In this paper, we propose a new form of histogram for image contrast enhancement. The input image is first divided into several equal-sized regions according to the intensities of gradients, their corresponding statistical values of gray levels are then modified respectively, and finally the processed histogram for the whole image is obtained by the summation of all the weighted values of regions. The fundamental characteristic of this new form of histogram is that the amplitudes of its components can objectively reflect the contribution of the gray levels to the representation of image information. Accordingly, this new histogram is called gray-level information histogram. The performance of many histogram-based enhancement techniques might be improved dramatically using the proposed histogram. Testing on the X-ray images validates the effectiveness of the new histogram.     

Fusion of the low-light-level visible and infrared images for night-vision context enhancement

For better night-vision applications using the low-light-level visible and infrared imaging, a fusion framework for night-vision context enhancement(FNCE) method is proposed. An adaptive brightness stretching method is first proposed for enhancing the visible image. Then, a hybrid multi-scale decomposition with edge-preserving filtering is proposed to decompose the source images. Finally, the fused result is obtained via a combination of the decomposed images in three different rules. Experimental results demonstrate that the FNCE method has better performance on the details(edges), the contrast, the sharpness, and the human visual perception. Therefore,better results for the night-vision context enhancement can be achieved.     

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.