基于上下边界估计的图像增强方法

提出了一种基于上下边界估计的快速图像增强方法,该方法使用上边界提升图像的细节信息,使用下边界消除图像的雾霾成分,调整上下边界的距离可灵活控制图像增强的程度,在上下边界计算过程中采用了加权中值滤波,能够在有效去噪的同时保持图像边界清晰。实验结果表明,该算法能有效改善图像质量,保持图像细节信息,压缩图像动态范围,色彩逼近于真实环境且避免了光晕的产生。     

一种改进的自适应图像增强法

在去除噪声的同时，如何避免图像细节信息的损失和边缘的模糊，这是图像增强技术中的一个难点和关键问题．本文提出了一种自适应图像增强方法，即在对小波变换系数取阈值处理，并结合图像的自身特征对噪声和信号加以区分，通过对调整因子的设置来自适应增强图像边缘的方法．并用该法进行了实验仿真分析，取得了较好的增强效果，在降噪的同时保持了大部分细节及边缘信息．     

一种基于小波变换和直方图均衡的图像增强方法

提出了一种基于小波变换和直方图均衡相结合的图像增强方法,该方法既能增强图像对比度,又能有效抑制噪声,突出图像细节信息。实验分析表明：该方法可以使图像的清晰度得到很大改善。     

基于SK注意力残差网络的水下图像增强

针对水下图像颜色失真、关键信息模糊和细节特征丢失的问题，提出一种基于SK注意力残差网络的水下图像增强方法.该方法通过改进生成对抗网络中的生成器结构，引入残差模块，减少编码器和解码器之间的特征丢失，增强了图像细节和颜色.为了使网络能适应不同尺度的特征图提取图像关键信息，该方法在残差模块后添加SK注意力机制，采用参数修正线性单元来提高网络的拟合能力.将本文方法分别在真实和合成的水下图像数据集中进行验证，采用传统方法和深度学习的方法进行主客观评价.在主观效果分析中发现，本文方法增强后的图像颜色、关键信息和细节特征都有很大提升.在客观评价指标中发现，本文方法指标值均高于现有的水下图像增强算法，验证了该算法的有效性.     

保持纹理细节的无缝图像合成

为了解决传统图像合成方法在处理具有不同纹理特征的图像时产生明显边界的问题, 提出新的图像合成框架.把图像分解为基本层和细节层,基本层解决边界处颜色的无缝融合|细节层实现边界处纹理细节的光滑过渡.算法流程为进行基本层的融合,合成新的细节层,新细节层添加到融合的基本层得到最终结果.通过计算一张权重图来指导新细节层的生成,权重图度量纹理特征的强弱和像素到边界的距离.实验结果显示:算法可以有效保证颜色的无缝融合,保持纹理的光滑过渡.相对于传统图像合成方法,该算法可以生成更真实的合成图像.     

基于边缘增强和快速非局部均值的边缘图像去噪

针对全变分模型不能很好的保持图像边缘信息这一问题,有学者提出了基于边缘定向增强扩散模型,但该模型对图像细节处理不够.快速非局部均值(Fast Non-local means, FNLM)算法利用图像的自相关性与结构信息的冗余性,提高了去噪效果,但不能同时最大限度保持图像边缘信息又抑制平坦区域噪声.由于通过利用结构张量性质,可获取图像的边界、拐角、纹理等重要信息,本文引入结构张量改进边缘定向增强扩散模型,保持了图像边缘,并在此基础上提出了一种基于边缘增强和快速非局部均值的边缘图像去噪模型.该模型通过选取不同的边缘增强正则化参数,根据图像扩散幅度不同,获取带有纹理及噪声的边缘图像;然后对该边缘图像进行FNLM去噪,即过滤出图像原有的纹理结构信息;最后将之反馈到之前的边缘增强去噪图像中.实验结果表明,该方法不仅能够保留较多的纹理细节信息,而且很好的缓解了图像平滑和细节保持的矛盾.     

基于双直方图均衡化的彩色图像增强

在彩色图像增强中,为了保留更多图像细节,提出一种基于HSV色彩空间的彩色图像增强算法。通过引入一种新的累积分布函数,改进双直方图均衡化算法,用以对色彩空间转换分离后的亮度分量实施均衡化,并保持原图像色调和饱和度不变,再将经过处理后的HSV图像还原回RGB图像得到最终结果。以边缘检测为客观标准,肉眼感知为主观标准,分析该方法的有效性,并与现有的方法相比得知,所给方法可在实现图像增强的同时保持图像的细节信息。     

基于Retinex理论图像增强的边缘检测

分析了基于Retinex理论图像增强算法和传统的Canny边缘检测算法,提出将2种方法有效结合起来,应用于曝光不均匀、图像模糊不清或者对比度低图像的边缘检测中。实验表明该方法能准确检测图像中的目标边缘,比单一应用Canny算法检测到的边缘细节更丰富,且能较好地保持目标边缘的连通性。     

基于Gabor滤波与数学形态学的视网膜图像增强方法

提出一种双尺度多方向的Gabor滤波器与数学形态学结合的视网膜图像增强方法。首先使用双尺度Ga-bor滤波器提取各个方向的主要血管信息并弱化背景,然后使用数学形态学top-hat变换来增强图像微小的细节,最后结合两种方法实现增强的动态调节。实验表明,该方法能够很好地增强视网膜图像中的血管信息,并大范围地弱化了背景和噪声,对于改善视网膜图像的视觉效果有极大帮助。     

具有颜色保真性的彩色眼底图像增强方法

为了改善彩色眼底图像增强后颜色失真及采集过程所造成的对比度低、细节信息模糊甚至细节丢失的问题,提出一种兼顾颜色保真、亮度增强和细节增强相匹配的眼底图像增强方法.首先将RGB空间的眼底图像转换到HSV空间进行基于亮度的自适应幂律变换,以解决眼底图像亮度的平衡问题.其次,在Lab颜色空间中采用受限直方图均衡化方法提高眼底图...     

图像融合与分裂合并相结合的分割算法研究

针对传统的分裂合并算法中存在的计算复杂度和分割后易于破坏边界信息的问题,提出一种将图像融合与分裂合并算法相结合的分割策略。首先对原始图像降低分辨率,抑制部分噪声,降低细节干扰,减少后期计算量;接着使用自适应边缘提取算法提取边缘信息并对优化图像进行分割;然后将处理后图像进行融合并还原尺度,以此来改善分裂合并算法带来的边界破坏问题。实验结果表明,该方法能够缓解传统算法中的运算量问题,尤其是边界破坏的问题,且分割效果较好。     

数字图象的最大熵直方图增强

常规的直方图均衡化图象增强方法会导致图象直方图的熵下降,从而损失了图象的某些信息,为此提出一种保熵增熵的增强方法。其主要思路是:首先提取并保存图象的细节信息,然后进行直方图谱线的兼并与推平处理,最后把细节信息再迭加上去。实验表明,这种方法,处理后的图象细节清晰,层次丰富,明显地优于常规直方图增强方法。     

基于人眼视觉特性和模糊集的自适应图像增强算法

根据人眼的视觉特性，利用梯度和差分原理相结合而产生的锐化算子处理图像，进一步提升了图像中细节丰富的区域和灰度变化平坦区域的边缘，然后结合模糊集合理论对不同的区域进行不等的灰度拉伸，提出了一种基于人眼视觉特性的自适应图像增强算法。该算法可有效地在提高图像灰度动态范围的同时，增强图像的细节和对比度。该算法兼有增强和平滑作用，在增强图像的同时，能较好地抑制噪声。     

基于GIF滤波分解的低照度图像增强算法

针对常见的对比度增强方法在处理低照度图像时不能兼顾提升图像亮度、对比度,和增强细节的问题,提出基于引导滤波器(guided image filter,GIF)的低照度图像增强算法。首先将输入图像从RGB颜色空间转换到HSV颜色空间;再利用GIF滤波器对图像进行图像分解,得到一个基本层和一个细节层;然后对基本层进行自适应Gamma校正,提高图像的整体亮度和对比度;再对细节层进行S型曲线增强,突出图像的局部细节;最后合成并恢复颜色,得到增强图像。将本文算法、全局Gamma校正、MSRCR 3种算法分别对低照度Bridge和Street图像进行处理,实验结果表明:本文算法能够在有效提升对比度的同时增强图像细节,提升了低照度图像的视觉效果。     

红外图像的多尺度分形增强算法

本文提出了一种红外图像增强算法,结合多尺度分形维数和人眼频率特性对图像进行增强.该算法首先在多尺度条件下计算图像的分形维数,然后采用巴特沃斯滤波器,从频域抽取人眼敏感区的图像信号,最后将滤波图像结合分形维数值进行处理.结果表明,本文算法使图像中边缘及细节部位的亮度和对比度有提升,相较于单一尺度,图像的细节和边缘更加丰富,相比于传统的分形算法图像更适合人眼观看.     

基于改进γ-CLAHE算法的水下机器人图像识别

水体及悬浮粒子对光的吸收、折射及反射导致水下图像对比度低及细节模糊,单一图像增强算法难以适用于水下复杂环境识别.为了解决该问题,提出基于小波变换和改进的γ-CLAHE相融合的图像增强算法.通过快速中值滤波去除图像中噪声,向CLAHE算法中加入自适应伽马变换,解决CLAHE算法处理水下图像色彩失真,丢失孤立点、细线,画面突变等问题. 利用改进的γ-CLAHE算法处理小波变换分解后的低频部分,增强图像并加快运行速度. 通过小波逆变换将γ-CLAHE算法处理后的低频部分和双边滤波处理后的高频部分相融合,得到最终的增强图像. 将实验图像同传统CLAHE、Retinex、Singh融合算法的处理图像进行对比,验证本研究算法在水下图像处理方面的有效性和优越性.     

基于梯度稀疏和多尺度变分约束的图像增强算法

针对低照度条件下采集到的图像存在亮度偏低、细节模糊等问题,通过分析传统Retinex理论在增强图像过程中的缺陷,提出了一种基于梯度稀疏和多尺度变分约束的图像增强算法。该算法首先将输入图像由RGB空间转换到HSV空间,提取亮度分量,实现三个通道的解耦合。然后根据零范数的梯度全局显著特性,定义了一个新的相对全变分正则项。接着在HSV空间下惩罚亮度分量,构建一种具有梯度稀疏的变分模型对亮度通道进行约束,并通过将控制因子扩张为多个尺度,形成多尺度变分约束,提升照度估计的准确度,使之更加符合光照分布特性。根据Retinex理论进行映射,获取亮度通道对应的反射图像。进而利用亮度通道不同尺度下的约束所对应的不同照度结果,分别提取图像的粗略细节、中等细节和精细细节,通过多尺度细节加权,对反射图像进行细节增强。最后,对照度图像进行伽马校正,与经细节提升后的反射图像重组并进行颜色空间转换得到输出的增强图像。通过实验对比表明,所提算法的增强图像有着更高的色彩丰富度和更低的色差水平,能够保持图像的自然度,提升图像的视觉效果。在均值、平均梯度和信息熵的表现上,相比原图均有大幅度提升,与现有的先进算法相比,平均定量指标在不同类型低照度图像的增强图像上均产生了较优的效果,且有着较快的运算效率。     

数字图像的局部分数阶微分增强

为了扩展传统分数阶微分在图像增强处理中微分阶次的范围,改善传统分数阶微分对图像亮度增强不甚理想的问题,提出了一种局部分数阶微分增强图像算法。首先根据局部分数阶微分理论,建立了数字图像的分数阶微分增强分算法。然后构造了新的数字图像分数阶微分增强模板,在该模板中增加亮度控制函数得到边缘、纹理和对比度同时增强的分数阶微分增强算法。实验表明,该方法能扩大分数阶微分在图像增强处理中阶次的范围;不但能很好地增强图像的边缘、纹理和轮廓等信息,又能明显改善图像的对比度和亮度,增强图像的视觉效果优于传统的分数阶微分增强方法的视觉效果。     

基于多尺度小波的图像增强算法

提出了一种基于多尺度小波的图像增强算法。首先对图像做小波分层,利用散布矩阵对分层后的图像提取更丰富的局部结构信息,最后对每一个子图像进行局部直方图均衡化,就可将这些子图像合成为一个完整的输出图像。实验结果表明该方法的增强效果明显优于传统的直方图均衡化方法,既提高了图像的整体对比度又突出了图像的局部细节,同时还抑制了噪声。     

直方图修正在图像增强中的应用

讨论了直方图修正在图像增强中的应用.主要是进行直方图均衡化和规定化,对图像灰度级在整个显示范围内进行等间距的排列,最后进行中值滤波去除噪声,从而使图像增强,并在Matlab下进行了仿真.