有雾天气图像的清晰化方法

为了改善雾天图像的退化现象,本文提出了一种有雾天气图像的清晰化方法。该方法根据正态分布将图像分为非天空区域与天空区域,然后以全局直方图均衡算法(HE)和子块部分重叠的局部直方图均衡算法(POSHE)为基础对雾天图像进行均衡化处理,均衡后的图像能够保持图像细节,同时也能够避免图像的过增强。实验结果表明:该算法能够有效改善图像的退化现象,提高图像的对比度和分辨率,增强后的图像更加自然。     

一种雾天视觉图像增强新算法

通过对基于移动模板的雾天图像增强算法研究,针对其难以匹配模板内景物深度突变信息问题,提出了一种基于幂函数的自适应加权部分重叠直方图均衡(POSHE)改进算法.该方法首先设定移动模板大小,利用幂函数构造相应维数的自适应权矩阵,并引入子块直方图均衡得到变换函数,最后将邻域内子块变换函数加权求和,得到当前子块的变换函数,实验结果表明,该方法能有效增强雾天图像局部纹理细节,同时抑制噪声,具有较好的通用性和实用性.     

直方图处理在图像空间域增强处理中的应用

图像的灰度级变换增强是图像增强处理技术中一种直接的基于空间域的处理方法。主要研究了将灰度图像的灰度级数用直方图来表示,在MATLAB平台中,通过编程研究了直方图均衡化和直方图规定化算法,使直方图分布均匀,达到图像的增强。     

改进的图像增强直方图统计方法

为了在不增加图像增强算法复杂度, 便于硬件实现的同时得到更加清晰自然的图像, 提出了一种新的直方图统计方法。给出了改进的直方图统计和分布调整算法, 将亮度控制与直方图分区域均衡相结合, 对直方图整体分布进行修正, 以改进亮度饱和问题; 采用固定的直方图分割点分区域均衡直方图, 通过均衡后的直方图映射出增强后的图像。实验结果表明, 该方法在计算量增加较少的情况下图像具有较好的增强效果, 既避免了图像亮度出现过饱和的现象, 又突出了图像细节, 视觉效果明显优于传统方法。     

一种基于小波突出点颜色及空间分布熵的图像检索方法

分析了基于兴趣点的图像检索方法的缺点，提出了一种基于小波突出点的图像检索新方法．该方法在小波域提取突出点，这些突出点既表示了全局变化也表示了局部变化；然后以小波突出点为线索，设计了基于小波突出点的颜色分布熵，既利用了小波突出点的局部特征，又考虑了小波突出点的空间分布结构；用图像间的颜色分布熵来度量图像间的相似性．该检索算法不但保证了对图像旋转、平移鲁棒性，而且克服了传统直方图没有空间位置的缺陷．实验结果表明，该方法对图像检索是有效的．     

用于实现医学图像对比度增强的密文域可逆信息隐藏算法

针对现有密文域医学图像可逆信息隐藏算法存在解密图像视觉质量较低的问题,提出了一种基于差值直方图平移的密文域可逆信息隐藏算法。首先,发送方采用具有同态密文比较性质的加密算法对原始医学图像进行加密,从而保证医学图像的隐私内容不被泄露。然后,嵌入方利用同态性质对接收到的密文图像计算差值直方图,并通过平移差值直方图在密文图像中嵌入信息。为了获得较大的嵌入率,嵌入方可对密文图像进行多轮次信息嵌入。最后,接收方根据拥有的密钥种类对接收到的含有嵌入信息的密文图像进行信息提取、图像解密和图像恢复。实验结果表明,本文算法提升了解密医学图像的视觉质量,同时具有较高的嵌入率和安全性。     

基于灰度直方图和互相关方法的医学图像检索

采用基于灰度直方图和互相关相结合的方法实现对医学图像的检索,灰度直方图方法虽具有比较,旋转和位移不变性等特点,但不能充分表示空间分布信息,而将图像之间的经相关 特性应用于医学图像检索的方法正好可以弥补直方图表达空间信息的不足,将这两种方法相结合实现了对医学图像的快速,准确的检索效果,该算法容易实现,在医学图像检索中具有推广应用的价值。     

基于图像分割的双直方图均衡算法

双直方图均衡化是一种经典的亮度保持的图像对比度增强算法.为了使直方图分割与图像聚类相关联,提出一种基于K-Means图像分割的双直方图均衡算法.首先利用K-Means对图像进行聚类,得到两个子图像;然后再对两个子图像分别进行直方图均衡;最后合并两个子图.实验结果表明,该算法不仅保持了原图像亮度,而且其对比度增强效果比传统方法更自然.     

基于BP神经网络的图像异常辩识算法设计

为了解决经典图像异常辨识算法中图像辨识率不高、稳定性较差的问题,提出了一种改进算法。将先进的BP神经网络算法理论改进并引入到图像异常识别领域,用经过BP神经网络训练后的相关函数进行图像异常辨识,由于该算法充分考虑了图像像素的位置特征,并能根据图像内容进行自我学习,同传统采用灰度直方图进行辨识的算法相比,具有自适应、鲁棒性强的优点,可获得更高的辨识率。试验结果表明,同传统方法比较,该算法在稳定性和图像辨识率等方面都有明显提高。     

基于小波变换的一种红外图像增强算法

图像增强处理是红外图像预处理的必要和关键环节,但目标物体信号弱造成红外图像的对比度差,外界噪声干扰严重造成图像质量差。基于此,提出了一种基于小波变换与奇异值分解和阈值滤波相结合的增强算法。本文用小波分解将红外图像的高频与低频系数分开,低频域用奇异值分解处理方法来增强对比度和图像质量,高频域用阈值滤波处理来消除噪声突出细节;最后,经过小波逆变换和小波重构得到最终的增强图像。实验结果表明：此方法对比传统的红外增强算法,可以将红外图像的对比度提高,增强红外图像细节,在直观上更符合人的感官感应,是一种有效的红外图像增强方法。