基于多尺度局部边缘保持滤波的X射线图像色调映射算法

为了使工业和医疗检测系统获取的高动态范围X射线图像显示于普通显示器并保留丰富的细节信息,提出了一种基于多尺度局部边缘保持(local edge-preserving,LEP)滤波的色调映射算法。原始图像通过LEP滤波器得到代表近似信息的基础层图像,并与基础层图像对应位置灰度值作差,得到代表细微边缘的细节层图像。对该基础层图像进行两次类似的分解后,原始图像被分解成一个基础层和三个细节层图像。各细节层图像的细节信息增强后与基础层图像融合,并通过直方图均衡化提高图像的对比度,得到保留了原始图像中丰富细节的低动态范围图像。实验结果表明,所提算法在结构保真度、自然度、图像质量评分的表现上都得到了较大改进,有效地优化了图像质量,提高了X射线检测系统的检测效率。     

具有细节补偿和色彩恢复的多尺度Retinex色调映射算法

针对带色彩恢复的多尺度Retinex色调映射算法(MSRCR)在分离图像光照信息时未保留部分细节信息,导致结果图像出现细节模糊和颜色失真的问题,提出了一种具有细节补偿和色彩恢复的多尺度Retinex色调映射算法(MSRCD).该算法利用Retinex理论的基本原理将高动态范围图像分为反射层和光照层,先使用双边滤波从图像光照层中提取出细节信息进行补偿,然后从图像的反射层中分离出基本层信息并进行自适应调整,压缩其动态范围,最后通过色彩校正还原图像颜色.实验结果表明,与MSRCR算法及基于双边滤波的算法相比,MSRCD算法的处理结果保留了更丰富的细节信息,色彩逼近于真实场景且避免了光晕的产生.     

基于协同滤波的多尺度色调映射

高动态范围(HDR)图像是一类包含丰富的图像细节、具有较高明暗对比度、接近真实场景色彩的图像.HDR图像具有广阔的研究前景和实际应用价值.与传统图像相比,这类图像具有很高的动态范围,因而HDR图像在一般显示设备上难以得到比较满意的显示效果.为了克服这一问题,本文提出一个基于协同滤波的多尺度色调映射模型,该模型先利用滤波方法将HDR图像分解为不同细节尺度的图像层,再对各个图像层的动态范围进行不同程度的调整,从而同时达到压缩动态范围和增强细节的效果.实验表明该模型能较好地在一般显示设备重现原场景,具有较好的视觉效果.     

一种新型X射线安检图像增强算法

针对X射线安检图像噪声大、对比度低和边缘不清晰等特点,提出一种基于对比度受限自适应直方图均衡化(CLAHE)变换和图像灰度最大值融合的双重能量X射线图像增强算法。首先,应用CLAHE变换分别对高能和低能X射线图像分别进行处理得到初步增强结果;然后采用空域灰度值最大融合算法融合经过CLAHE变换后的高能和低能X射线图像从而得到最终增强X射线图像。实验结果表明该算法能更有效地提高双重能量X射线图像的对比度,显著改善图像质量。     

自适应分区的色调映射算法

针对HDR图像色调再生提出了一种自适应分区映射算法.首先将HDR图像的色度和亮度信息分离,根据直方图特征对亮度进行自适应分区,并构造分段线性色调调整函数,将显示亮度范围分别分配给不同的亮度分区,以增加再现图像的感知对比度;然后通过双边滤波技术提取图像细节进行补偿,保证了再现图像细节可见;最后将彩色和非彩色信息合成,并对亮度压缩带来的彩度损失进行色彩校正.实验表明:新算法在动态范围压缩、细节保持和颜色表现上均优于传统算法.     

参数控制的混合色调映射方法

为解决高动态图像的真实影像再现问题,提出了一种基于参数控制的混合色调映射方法.对图像进行全局预处理,保持整幅图像的亮度和对比度;采用参数控制的混合算子获取图像的局部对比度和细节;采用双边滤波解决色调映射过程中产生的光晕问题.仿真实验表明,该方法压缩了原始高动态图像的动态范围,保持了整体亮度,增强了局部细节而去除光晕效应影响,比现有的Sigmoid算法在各个参数上有显著提高.      

一种邻域相关的高动态范围图像显示方法

高动态范围图像的动态范围压缩主要利用局部色调算法来实现,提出了一种基于邻域数据的高动态范围图像映射技术。为了简化数据操作,采用图像亮度值进行处理。首先进行双边滤波处理,然后对所得数据进行邻域伽马校正。试验结果表明,该方法可以有效压缩图像动态范围,能够满足低动态设备的显示要求,并且很好的保持了图像的对比度和颜色信息。     

基于双边滤波的HDR图像色调映射算法

高动态范围(HDR)图像是一种表达了超过一般显示器所能表示的真实场景中亮度大范围变化的图像类型,能够很好地区分场景的明暗区域,呈现更多的细节信息.为了能够在低动态范围显示器上显示HDR图像,需要进行动态范围压缩.采用一种基于双边滤波的HDR图像动态范围压缩算法,首先计算每个像素点亮度值,然后对其进行双边滤波处理,最后进行对比度的压缩并生成最终的图像.实验结果表明,该算法合成的HDR图像整体明暗效果较好,细节信息丰富.     

基于CLAHE的X射线行李图像增强

提出了一种基于对比度受限自适应直方图均衡化(CLAHE)的X射线行李图像增强算法.首先使用一种背景区域快速填充方法降低背景噪声的干扰,然后采用CLAHE技术增强图像的对比度,最后采用一套组合锐化方案增强图像的细节.实验结果表明,使用所提方法能够快速有效地增强X射线行李图像的对比度,突出行李物品的细节.     

基于加权红-黑小波变换的DR图像增强

目的:数字化X线图像(DR)细节常被淹没、动态范围宽.本研究使用了一种基于加权红-黑小波(WRB)变换的增强方法解决这一问题.方法:原始DR图像先进行对数变换,然后对变换后的图像进行WRB分解得到各层的系数;通过设计的分段非线性子带系数操作函数,分别对各层系数进行处理,最后利用WRB反变换和处理过的子带系数重构出增强的图像.结果:WRB方法测试原始DR图像,平均运行时间约为0.6 s;利用该方法对DR图像进行增强后,图像细节显示效果和对比度均得到提升,且无光晕伪影产生;与一些常用的增强算法相比,用WRB算法增强的图像信息熵和交叉熵指标均较优.结论:相比一些传统增强算法,基于加权红-黑小波变换的DR图像增强方法具有明显优势,不仅能有效压缩图像动态范围,还增强图像细节和对比度.     

一种用于高动态图像的自适应编码方法的改进研究

高动态图像亮度变化范围较大,当前编码方法采用DCT技术描述高动态图像信号的变换,无法准确描述图像细节、频率突变的高动态图像信号,导致编码后图像的极亮和极暗区域可视性低、细节不丰富。提出一种新的用于高动态图像的自适应编码方法,分析了高动态图像编码过程,通过小波变换实现高动态图像信号描述形式的自适应变换,对高动态图像进行多尺度分解,获取不同尺度的高动态图像信息,得到子带图像;对各子带图像的小波系数进行量化,以达到提高图像码率的目的。在此基础上,选用Log Luv(TIFF)编码方法,对高动态图像信息数据间的统计相关性进行滤除,完成高动态图像的自适应编码。实验结果表明,采用所提方法对高动态图像进行编码后,得到的图像质量较高;且在编码效率较低的情况下,仍能保持较高的图像质量,编码性能明显优于预测编码方法。     

基于自适应引导滤波的全景图像增强算法研究

虚拟实景漫游系统中的全景图像细节比较多,因天气、拍摄技术等原因导致图像场景不清晰而需要增强,增强的目的是为了突出全景图像的美景细节信息,提高场景视觉效果。为了增强全景图像的场景细节,本文提出了自适应引导滤波算法AGIF（Adaptive Guided Image Filter）。该算法利用具有较强细节提取能力的加权最小二乘滤波器WLS （the Weighted Least Squares）构建引导图像,对已有的引导滤波GIF（Guided Image Filter）进行改进,通过引入梯度值偏移量进行像素值自适应,突出全景图的图像边缘,使得全景图像的细节进一步增强。实践表明,增强后的全景图用于虚拟漫游系统,提高了旅游场景的用户体验。     

基于金字塔模型和各向异性滤波的分层自适应图像增强算法

结合拉普拉斯金字塔模型分解和前后双向异性扩散算法,提出一种分层自适应图像增强算法.该算法首先进行图像的高动态范围压缩,然后采用拉普拉斯金字塔模型方法将原始图像分解为不同尺度和频率下的带通图像序列.根据不同频率层图像的纹理方向特征,设计自适应参数法修改扩散传导方程的参数,在不同频率图像层上分别实现噪声平滑和边缘特征的增强.仿真实验通过与其它图像增强算法进行比较,评价结果表明,提出的分层自适应图像增强算法的处理效果良好,定量评价指标大幅改善.     

结合tetrolet与红外显著性特征提取的红外与可见光融合

针对红外与可见光图像融合过程中红外热目标不突出、纹理及边缘细节易缺失等问题,提出一种结合tetrolet变换域与红外显著目标特征提取的融合方法。首先,在SURF框架内构建基于HOG的特征点描述符实现红外与可见光图像的精确匹配;其次,基于贝塞尔面结合背景及目标进行自适应抑制完成红外目标显著性特征提取;接着,将处理后的红外与可见光图像通过tetrolet多尺度变换分解为低频和高频分量;然后,利用基于局部能量和相对亮度自适应规则对低频分量进行融合,对高频分量采用基于局部空间频率自适应融合规则;最后,将融合的低频分量与高频分量通过tetrolet逆变换,以获得最终的融合结果。实验结果表明,本文算法对不同场景下的红外与可见光图像的融合效果不但主观上具有显著的目标特征,同时背景纹理和边缘细节清晰,整体对比度适宜,运行时间较其它算法得到了明显提升,并且在客观评价指标上也取得了较好的效果。     

基于照明感知和密集网络的红外与可见光图像融合

针对现有方法忽略照明不平衡、存在对比度低、纹理细节丢失等问题,本研究提出一种基于照明感知和密集网络的红外与可见光图像融合方法。首先,从可见光图像中获取照明概率并计算照明感知权重以指导训练网络,通过特征提取与信息度量模块来计算源图像的自适应信息保留度,用于保持融合结果与源图像间的自适应相似性。同时,照明感知损失与相似性约束损失函数使模型在结构、对比度、亮度上能够全天候地生成包含显著目标和丰富纹理细节信息的融合图像。本研究在TNO与MSRS 2个公共数据集上进行主、客观评估。实验结果表明,本研究弥补了照明不平衡的缺陷,在保留更多红外目标的同时,也有效地保留了更多可见光图像的纹理细节信息。     

一种非均匀照明彩色图像自适应校正方法

为解决非均匀照明条件下彩色图像亮度不均、细节丢失、对比度低等问题,提出一种非均匀照明彩色图像自适应校正方法研究非均匀照明图像的自适应增强.首先,提出一种双伽马校正直方图均衡(bilateral Gamma adjustment histogram equalization,BIGAHE)算法处理HSV颜色空间的V通道,来调整图像全局对比度和亮度,同时使用构建的自适应拉伸函数对S通道进行非线性拉伸以提高图像整体饱和度,然后利用对比度受限的自适应直方图均衡算法(contrast limited adaptive histo-gram equalization,CLAHE)对L?a?b?颜色空间中L?通道进行局部对比度增强,得到最终增强图像.实验结果表明,与现有流行的图像增强方法相比,该算法的平均梯度(mean gradient,MG)、熵(entropy)指标为所有对比算法中最优,对比度改善指数(contrast improvement index,CII)在所有方法中排名第二.可见该算法能够有效提高非均匀照明图像亮度和对比度,提供更多的细节增强,同时避免过度增强,保持图像的自然性,获得更好的增强效果.