基于模糊熵的自适应图像多层次模糊增强算法

该文对图像模糊增强算法中的非线性变换进行了较深入的研究,发现了其存在的问题,例如变换的强度较小,运算速度较慢,丢失部分灰度信息等缺点.提出了一种新的模糊增强变换算子,该变换算子不但克服了上述缺点,而且具有封闭性、变换强度可调性以及移植性好等优点.并将该算子成功地引入到多层次图像模糊增强算法中,取得了较好的效果;另外,该文针对以往算法需要人工介入设置阈值参数方可进行图像增强的缺点,通过模糊熵的引入,新算法可以自动地选取最佳的阈值参数而不需人为的介入,因而成功的解决了这一难题;最后,将新的多层次模糊增强算法应用于图像边缘检测中,取得了优于现有模糊增强方法的效果.     

基于自动色阶和多尺度Retinex彩色图像增强算法

为了解决多尺度Retinex算法(MSR)在增强光照不均的单彩色图像时出现的细节模糊、颜色失真的问题,提出一种基于自动色阶和多尺度Retinex算法(Auto-colorMSR)。对图像进行双边滤波去噪,利用添加光照参数调节的MSR算法对去噪图像进行增强,并通过自动色阶进行色彩恢复得到增强图像。实验结果表明,提出的算法优于传统算法,图像增强后具有更好颜色保真和边缘细节保留特性。     

基于微粒群的图像增强算法研究

图像增强处理中,对比度变换是一种较为有效的方法.如何根据输入图像自动选择规则化Beta函数的两个参数实现自适应增强仍是一个较为复杂的问题.提出了一种基于微粒群的自适应图像增强算法,此算法通过自动寻找最优的Beta函数参数实现图像对比度的自适应增强.仿真实验表明了该算法的有效性和可行性.     

多层次的红外图像模糊增强算法

在分析现有模糊增强算法的基础上,提出了一种基于图像灰度特性的隶属度函数,该隶属度函数减少了人为设定的参数,并利用最大熵原理实现了参数的优化设置.然后将提出的隶属度函数应用到多层次的模糊增强算法中.通过对红外图像的仿真实验表明, 该算法能够提高图像的对比度,突出图像中不同层次的灰度信息和边缘信息,取得了较好的增强效果.     

基于模糊增强信息的图像边缘检测改进算法

针对经典的Pal和King模糊增强算法存在的固有缺陷,提出改进的模糊增强算法;为增强图像的对比度而获取更多的图像边缘细节信息,提出基于模糊对比度的图像增强算法;结合全局模糊增强与局部模糊对比度增强两种算法思想,提出基于模糊增强信息的图像边缘检测改进算法,由于该算法在增强图像边缘细节信息的同时也增强了噪声,因此,采用中值平滑滤波方法消除噪声.实验证明,该算法取得了良好的边缘检测效果.     

基于相对熵的水下图像模糊增强与边缘检测算法

采用一种基于相对熵的水下图像模糊增强算法对深海结核分布丰度图像进行处理.该算法首先使用基于阈值选取的图像分割原理确定一个阈值参数,然后根据此阈值参数定义隶属函数,从而将图像转化为等效的图像模糊特征平面,通过在模糊平面上采用相对熵的算法对图像进行增强运算,最后实现对图像的边缘检测.仿真结果表明该算法是有效的.     

一种模糊边缘检测的算法研究及硬件实现

讨论一种基于模糊理论的图像边缘检测算法中模糊因子对边缘检测结果的影响.通过大量实验,用典型实验结果说明并讨论了模糊因子在图像边缘检测和图像增强中的最佳取值区间及其影响.并用一种客观评价方法进行对比评价.最后给出了这种算法的硬件实现方案.     

基于Laplacian塔式分解的自适应图像模糊增强

为解决部分数字图像对比度偏低、细节模糊等问题,提出了一种非线性拉伸与模糊增强相结合的自适应图像增强算法。使用Laplacian塔式分解对图像进行分解,高频子带系数采用贝叶斯萎缩阈值和非线性增益函数进行处理,以增强后高频子带系数信息熵为目标,自适应选取控制增益曲线形状参数和控制增益强度参数;低频子带系数采用模糊增强算法进行处理,对隶属度函数和模糊增强算子进行改进,并提出了一种模糊增强算子中阈值参数的自适应选取算法。实验结果表明,该算法能有效提高图像对比度和清晰度,突显图像细节信息,且实现了增强参数的自适应选择,更有利于图像的检测与识别。     

基于模糊聚类算法的边缘图像增强技术

通过边缘图像增强处理,提高模糊图像的辨识能力和成像质量。针对边缘图像像素差异性较大,导致成像质量差的问题,提出一种基于模糊聚类算法的边缘图像增强技术。对图像进行小波降噪处理,提取降噪输出图像的灰度直方图特征信息参量,在仿射不变区域对特征量进行模糊聚类,采用C均值聚类算法实现灰度像素点的边缘聚敛和信息增强,进行图像的边缘轮廓特征提取。仿真结果表明,采用该方法进行图像增强处理,提高了输出图像的峰值信噪比,图像的辨识性能得到改善。     

基于模糊自适应算法的胸片图像增强研究

胸片图像增强是计算机辅助诊断的关键之一,更适合医生对病人的观察或机器的分析处理。本文在基于模糊理论的基础上,通过研究经典的Pal和King模糊增强算法中的不足,对胸片图像进行增强处理。提出了一种自适应阈值的广义模糊增强算法。将图像引入广义模糊空间;然后定义一个衡量图像质量标准的参数。改进的算法通过调节参数使图像更加清晰...     

基于模糊集的图像增强算法研究

该文通过定义新的隶属函数形式提出了一种自动图像增强的方法,该方法将图像转化为等效的图像模糊特征平面,在此基础上进行模糊增强,最后再转换为空域图像;模糊增强提高了低灰度区域和高灰度区域之间的对比度,从而使增强后图像的效果更好;最后对具有多峰直方图分布图像的模糊增强方法进行了推广。     

基于Contourlet变换和模糊理论的红外图像增强算法

红外图像具有噪声大、对比度低等特点,针对该特点,提出了一种基于Contourlet变换与模糊理论的红外图像增强算法。首先对图像进行Contourlet变换,得到多尺度多方向的低通子带和带通子带。对低通子带,进行基于子带系数最大最小值的线性变换,提高图像的整体对比度;对于带通子带,先估计噪声阈值,对子带系数进行抑制噪声处理,然后通过模糊增强算法,对高频系数进行非线性增强,增强目标边缘纹理的特征,抑制背景信号。最后经过Contourlet逆变换得到对比度增强,噪声被抑制的图像。经过算法仿真,与几种现有的图像增强算法相比,该算法更能有效地抑制噪声,增强图像的对比度,突出图像的边缘与细节纹理信息。     

梯度稀疏和最小平方约束下的低照度图像分解及细节增强

低照度图像存在细节模糊、对比度低等问题.针对这些问题,本文提出一种低照度彩色图像增强算法.首先建立梯度稀疏和最小平方约束模型,将图像分解为结构层和细节层;然后采用提出的多尺度边缘保护细节增强算法强化图像的细节信息并滤波;最后把细节增强的图像经改进的Retinex算法映射,最终得到细节增强、亮度适宜、对比度较强的修复图像.实验结果表明,主观上：图像细节增强,亮度适宜;客观上：结构层图像的一维像素线性图显示其平滑特性效果较好,细节增强图的NIQE（5.5202）、BRISQE（31.1893）和PSNR（25.3625）特征较好,修复图像的熵值（7.4421）、边缘强度（128.3231）和平均亮度（121.1827）较好.本文算法实现了对低照度图像的有效分解及细节增强,并提高了图像综合质量.     

基于小波分析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,实际应用中需要进行增强处理。将小波分析与模糊逻辑相结合,提出了一种基于小波变换的红外图像非线性增强算法。该算法首先利用小波分析对图像进行分解,提取图像的多尺度特征信息;然后通过模糊非线性增强算子分别对各个分解层的子带系数进行运算以改变目标特征的强度;最后利用小波反变换重构图像,实现图像的对比度增强和背景抑制。与几种常用的红外图像增强算法进行了实验对比,验证了该算法的有效性。     

基于视觉对比度分辨率的红外图像增强算法

针对传统红外图像增强方法存在增强后目标边缘模糊及背景噪声过增强的缺陷,结合人眼视觉特性,提出了基于视觉对比度分辨率的非线性变换算法。该算法根据人类视觉在不同背景灰度下分辨目标的能力不同,自适应调整灰度变换曲线,使目标映射到人眼分辨的敏感区域,同时使背景噪声映射到人眼分辨的不敏感区域。经测试表明:提出的算法与传统算法相比更易突出红外图像目标的细节信息及其边缘轮廓,峰值信噪比提高近1倍,对比度增益提高近0.5倍。     

基于模糊逻辑的指纹图像增强滤波

本文提出了一种新的基于模糊逻辑技术的指纹图像增强滤波器，通过模糊边缘判别器在对任一像素点属于边缘的程度进行模糊软判决的同时完成边缘检测，并针对指纹图像的平滑区域和边缘区域分别采用不同的模糊规则进行增强滤波。实验结果表明这种滤波器在图像的平滑区域具有好的滤波性能，对于边缘区域，则能够在保持边缘细节的同时滤除噪声。     

基于视觉感受野的夜间彩色图像自适应增强算法

针对夜间环境造成的图像对比度下降和增强过程中带来的噪声、过曝和光晕效应等问题,提出了一种基于视觉感受野的夜间彩色图像自适应增强算法。首先将图像转换到HSV空间,鉴于视觉感知的对比度敏感特性,利用中心兴奋区及外周抑制区组成的拮抗式同心圆双高斯差(DOG)感受野模型对图像亮度空间V进行对比度自适应调节,并对模型参数σ1、σ2和局部对比度都进行量化水平为4的均匀量化,局部对比度较高的量化区间采用较小模型参数,局部对比度较低的量化区间采用较大的模型参数,模型参数A2与局部对比度成反比进行微调,最后将图像转换到回RGB空间。通过与流行算法MSRCR、NPE及LIME的对比实验表明,该算法获得了较好的主观视觉效果,且在对比度、亮度提高的同时避免了暗区域噪声过大,并更好地增强了轮廓信息。     

基于边界特征增强的模糊图像配准

二维特征点的检测和提取是进行图像配准的关键技术。由于不同传感器的成像机理不同,检测和提取的方法也有所不同。针对模糊图像的弱点,分析了通过增强象素模糊属性对比度来提取边界特征的基本原理,实现了两幅图像的配准。计算机模拟实验结果也表明了在实现模糊图像配准的过程中,采用增强象素模糊属性对比度的方法可有效解决图像的边界特征提取问题而且具有较高的配准精度。