参数化形态学梯度修正的水平集肝肿瘤分割

针对单一水平集算法处理低对比度或边缘模糊肝脏CT图像时,在梯度局部极小值区域或虚假边缘处常常会出现曲线停止演化现象的问题,提出了一种参数化形态学梯度修正的水平集图像分割方法进行研究.首先对图像进行形态学梯度变换,增强图像的对比度;然后以此为基础,在特定邻域内建立结构元素半径与梯度级的函数关系对图像进行梯度修正,增强目标边缘聚合度并去除图像噪声及非规则细节引起的局部极小值,同时减小目标轮廓位置的偏移;最后根据图像梯度信息运用水平集方法实现图像中单个或多个目标分割.实验结果表明,该算法有效地解决了标准水平集分割方法中存在的伪分割问题,能够对肝脏肿瘤进行较准确分割.     

基于目的性优化及改进直方图均衡化的夜间彩色图像增强

夜间图像由于照明不足,存在图像对比度、亮度偏低,细节不可见,导致图像质量下降.大多夜间彩色图像增强算法往往在高对比度边缘区域存在“光晕伪影”现象,针对这些问题提出了一种基于目的性优化及改进直方图均衡化的图像增强算法.该算法通过目的性优化增强原图像对比度,最大程度地保留细节;然后采用改进的保留细节的直方图均衡化增强图像;最后采用改进的Gamma校正对图像进行增强.算法结果通过主观视觉效果以及客观质量评价2方面验证,实验结果表明该算法能够有效地增强图像对比度、亮度,恢复图像细节,并消除了“光晕伪影”.     

一种基于稀疏系数匹配学习的图像去雾算法

针对现有基于先验假设的图像去雾算法无法普适性求解问题,提出一种基于稀疏系数匹配学习的图像去雾算法.该算法从图像复原角度出发,将雾天退化模型的求解转换为基于数据库的稀疏系数匹配.之后,从图像增强角度着手,将图像高亮区域对比度恢复量化为反馈迭代问题,进而有效提升图像的视觉效果.实验结果表明,所提出的算法在获得较好去雾结果的同时能够有效提升图像细节和对比度,并具有较强的适用性.     

保持边缘特征和增强对比度的图像缩放算法

图像的边缘信息和对比度是影响人体视觉的最主要因素。提出一种能够同时保持边缘特征和增强对比度的图像缩放新方法。通过边缘检测算法、边缘梯度增强以及梯度图的低通滤波算法,得到新的梯度图,再通过求解泊松方程得到重建的图像。由于对图像边缘作了特殊处理,从而避免在图像缩放过程中丢失边缘信息。该方法可以同时保持特征以及增加图像的对比度,从而更好地展现图像的细节。实验结果表明,本文方法能应用于一般图像和医学图像的缩放和增强等应用中。     

基于直方图均衡化的手背静脉图像对比度增强

手背静脉图像对比度往往较低,这将影响整个手背静脉识别系统的识别准确率。首先提取手背静脉图像中的有效区域,然后利用直方图均衡化 (HE) 及其各种改进算法对提取的手背静脉图像进行对比度增强处理。实验结果表明,子块部分重叠局部直方图均衡化算法（POSHE）不但能够增强图像的整体对比度,而且图像中细节与背景之间的对比度也得到了增强,同时该算法效率较高,适合于手背静脉图像的对比度增强处理。     

基于MSR的雾天图像清晰化算法研究

研究雾天图像清晰化的问题,需提高图像增强的均匀性。针对雾天情况下,由于雾气的遮挡使得拍摄图像对比度降低,图像局部细节处不清晰,传统的直方图均衡化的雾天图像清晰化方法虽然能够增强图像对比度,但是图像局部细节增强不足,造成图像增强均匀性不高的问题。提出一种MSR的雾天图像清晰化算法,通过Sigmoid函数对图像作映射,拉伸图像的对比度,然后利用MSR算法,将图像小波分解为高频分量和低频分量,对高频分量取绝对值最大运算,低频分量加权平均,并避免了对图像进行全局直方图均衡化造成的图像增强不均匀,局部细节增强不足的问题。实验证明,提出的算法能够将雾天图像均匀增强,得到高清晰的图像,取得了满意的效果。     

基于局部均值和标准差的图像增强算法

针对传统图像局部增强算法,提出一种基于图像局部均值和标准差增强图像细节的算法。采用局部均值和标准差限定的方法,使低对比度和较暗的区域得到相应增强,对高对比度和较亮的区域保持不变。实验结果表明,该算法能够有效地增强低对比度低灰度的区域而保持其他区域不变,为图像的进一步处理提供满意的结果。     

一种改进的骨部钙化点CT图像增强方法

骨部CT图像中的钙化点是骨部疾病医学诊断的重要依据,而在高密度骨部区域的钙化点对比度很低,需要一种改进的增强骨部钙化点区域的图像处理算法。提出的算法首先依据钙化点像素所在的强度范围设计出较好的目标直方图,然后结合图像的全局信息与局部梯度信息建立偏微分方程并得到演化方程来求解,获得增强后的骨部CT图像。算法测试了由浙江大学医学院附属妇产科医院提供的骨部CT图像,并在感兴趣区域上取得了较好的效果。     

c_3通道高分辨率遥感图像阴影检测算法的改进EI北大核心CSCD

针对c3通道对噪声非常敏感,以及现有的基于c3通道遥感图像阴影检测算法存在的阴影检测不准确问题,提出改进的c3通道高分辨率遥感阴影检测算法.利用对数变换和阈值法对c3通道图像进行增强,提高了c3通道图像阴影区域与非阴影区域的对比度,进而提高了阴影像素的辨识度;通过扩展邻域范围并增加影响因子较高的像素点的权重进行图像平滑,有效地减弱了噪声对阴影像素提取的影响;增加2个方向的模板,利用高斯分布和抽样方法确定边缘阈值,提高了阴影区域边缘检测的准确度.实验结果表明,该算法提高了阴影检测的准确度,适应性较强,可较好地应用于高分辨率遥感图像的处理.     

基于白Top—Hat变换的医学图像局部对比度增强算法

提出了一种简单、高效的医学图像局部对比度增强算法.该算法的主要特点是在对医学图像进行多尺度形态学top-hat变换增强对比度时,仅采用白top-hat变换和用增加亮对比度区域的灰度值方法来代替黑top-hat变换,从而避免了常用形态学增强方法中丢失原始医学图像灰度信息的弊端.通过使用CT,MR医学图像与已有的局部对比度增强典型算法进行实验比较,结果表明,本文算法在增强图像局部对比度和减少计算时间均具有优势.     

最大差值图决策的低照度图像自适应增强算法

应用于光照分布不均的低照度图像,传统的图像增强算法会出现色彩失真、亮区过度增强等问题,因此提出一种最大差值图决策的低照度图像自适应增强算法。首先,提出最大差值图的概念,通过最大差值图粗略估计出初始光照分量;然后,提出交替引导滤波的算法,利用交替引导滤波对初始光照分量进行校正,实现光照分量的准确估计;最后,设计了图像亮度自适应的伽马变换,能够根据获取的光照分量自适应调整伽马变换参数,从而在增强图像的同时消除光照不均带来的影响。实验结果表明,增强后的图像有效消除了光照分布不均带来的影响,图像亮度、对比度、细节表现能力和色彩保真度都得到了明显提升,平均梯度提升了1倍以上,信息熵提升了14%以上。由于提出的算法对光照分量估计准确,自适应伽马变换针对低照度图像进行了优化,因此,对于夜间等弱光源条件下的彩色图像具有十分有效的增强效果。     

基于梯度场的工业X射线图像增强算法

在X射线成像检测厚薄不均构件时，经常会出现对比度低或对比度不均以及照度低的问题，这会导致图像显示时构件的一些细节难以被观察与分析。针对这一问题，提出一种基于梯度场的X射线图像增强算法。该算法以梯度场增强为核心，分为两步：首先，提出一种基于对数变换的算法，压缩图像的灰度范围、去除图像冗余灰度信息、提升图像对比度；然后，提出一种基于梯度场的算法，增强图像细节、提升图像局部对比度、提高图像质量，使构件细节清晰显示在检测屏上。选择一组厚薄不均构件的X射线图像进行了实验，并与对比度受限自适应直方图均衡化（CLAHE）、同态滤波等算法进行了比较。实验结果表明所提算法具有更明显的增强效果，能更好地显示构件的细节信息，并且通过计算平均梯度和无参考结构清晰度（NRSS）纹理分析的定量评价标准进一步表明了该算法的有效性。     

基于域滤波的自适应Retinex图像增强

为了提高低照度图像的亮度和对比度,提出了一种新的基于Retinex理论的彩色图像增强方法。首先,基于Retinex理论,提出对HSV空间V分量进行域滤波估计图像光照分量,然后将V分量与光照分量相除得到反射分量的方法。之后,采用自适应Gamma校正对光照分量进行亮度提升,然后采用CLAHE对其进行对比度增强。最后,将亮度校正光照分量与反射分量相乘得到增强后的V分量,并将增强后的图像转化为RGB空间图像,达到彩色图像增强的目的。本算法可以获得更自然的增强效果,能抑制亮度较大像素点的增强,很好地突出图像中的细节信息,克服了图像增强中增强图像对比度低、颜色失真、过增强及光照突变处出现光晕现象等缺点。本算法对多种图像有效,例如高动态(HDR)图像、非均匀光照图像及低曝光图像。通过验证,本算法得到的结果相比于传统方法视觉效果更佳。     

一种新的低照度彩色图像增强算法*

为了增强彩色图像而不引起色彩失真,在HSV颜色空间中保持色相不变,提出了采用分段对数变换增强饱和度结合在多尺度Retinex算法的基础上,采用边缘保持增强色调的低照度彩色图像增强算法。实验结果表明,该方法在保持图像色相和图像边缘的情况下,显著改善了图像的视觉效果,提高了图像的亮度和对比度。25幅低照度图像的平均亮度、标准偏差和对比度分别提高了94.95%、20.93%和29.88%,相对于带色彩恢复的多尺度Retinex算法的熵和对比度增量分别提高了7.34%和151.51%,效果优于Retinex算法。     

基于顶帽底帽变换的仿生图像增强算法

针对低照度图像对比度低、细节模糊、色彩饱和度低的问题,通过分析人眼的主观亮度感受和光照强度的非线性关系以及人眼的视网膜神经节细胞中感受野的传输特性,提出一种顶帽变换和底帽变换相结合的仿生图像增强算法。首先,将低照度图像的RGB色彩空间转换为HSV空间,对亮度分量进行全局亮度对数变换;其次,采用视网膜神经元感受野三高斯模型对图像局部边缘的对比度进行调整;最后,用顶帽变换和底帽变换辅助对较亮背景的提取。实验结果表明,所提算法增强的低照度图像不仅细节清楚、对比度高,同时还没有设备采集图像存在的光照不均匀和图像景深的问题,而且增强后的图像色彩饱和度高,具有很强的视觉感受效果。     

基于颜色校正和去模糊的水下图像增强方法

由于光在水下传播时会出现吸收和散射的情况,水下图像往往存在色偏、对比度低、模糊、光照不均匀等问题。根据水下图像成像模型,人们在海底拍摄所获得的图像往往是退化的图像,而退化的图像不能完整地表达海洋场景信息,难以满足实际的应用需要。为此,文中提出了一种基于颜色校正和去模糊的水下图像增强方法。该方法有效融合了颜色校正和去模糊两个阶段,取得了递增的增强效果。在颜色校正阶段,首先对原始图像进行对比度拉伸,在对比度拉伸完成之后,图像可能存在拉伸过度或拉伸不足的现象。因此,所提方法根据灰度世界先验,在对比度拉伸后进一步使用伽马校正来优化和调整图像的对比度和色彩,使图像的R,G,B三通道的灰度值之和趋于相等。接着,在去模糊阶段,通过融合暗通道先验对颜色校正后的图像进行去模糊,得到最终的增强图像。实验结果表明,所提方法具有良好的整体恢复效果,能有效地恢复图像信息,在主观评价和客观评价上均展现出较好的效果。另外,所提方法可以作为水下图像分类等计算机视觉任务的预处理步骤,在实验中能够将水下图像集的分类精度提升16%左右。     

Face recognition under varying illumination based on a 2D face shape model

This paper proposes a novel illumination compensation algorithm, which can compensate for the uneven illuminations on human faces and reconstruct face images in normal lighting conditions. A simple yet effective local contrast enhancement method, namely block-based histogram equalization (BHE), is first proposed. The resulting image processed using BHE is then compared with the original face image processed using histogram equalization (HE) to estimate the category of its light source. In our scheme, we divide the light source for a human face into 65 categories. Based on the category identified, a corresponding lighting compensation model is used to reconstruct an image that will visually be under normal illumination. In order to eliminate the influence of uneven illumination while retaining the shape information about a human face, a 2D face shape model is used. Experimental results show that, with the use of principal component analysis for face recognition, the recognition rate can be improved by 53.3% to 62.6% when our proposed algorithm for lighting compensation is used.     

结合细节信息的自适应Retinex算法水下图像增强

针对Retinex算法应用于水下图像增强中,常出现颜色失真与图像细节增强相矛盾的现象,提出了结合细节信息的自适应多尺度Retinex水下图像增强算法。分析包含不同细节信息的水下图像对Retinex算法增强中卷积函数尺度大小的选择要求;采用图像梯度作为调节因子,自适应调整多尺度Retinex算子的权重,用于适应包含不同细节信息的水下图像对对比度增强的要求,有效地缓和了水下图像增强在颜色失真和细节对比度提升之间的矛盾。多组实验验证了该算法在去除水下图像的蓝绿背景、避免颜色失真、消除非均匀光照和图像细节增强等方面均优于传统多尺度和颜色保真的多尺度Retinex算法。     

变压器油下图像增强算法

为解决变压器检测机器人在变质、变色的变压器油内部采集的图像存在色彩失真、对比度低等问题,提出一种变压器油下图像融合增强算法.首先,利用完美反射算法对图像进行白平衡处理,以消除油下光照强度不均匀对图像颜色的影响,使得色彩更加均衡;然后,对色彩校正的图像进行自适应伽马校正,以提高图像的对比度;最后,采用多尺度融合策略将色彩校正后的图像与自适应伽马校正处理后的图像进行融合,得到变压器油下清晰的图像.实验结果表明,经所提出算法处理后的变压器油下图像色彩鲜明、细节丰富,与原始图像相比,图像质量评价指标(UCIQE)、特征点匹配个数以及信息熵均有显著提高,能够为变压器内部故障检测提供清晰的数据.     

基于模糊理论的低照度彩色图像增强算法

低照度彩色图像存在整体亮度低、对比度差、颜色偏暗和信噪比低等特点,传统图像增强算法对其增强效果非常有限。提出了一种基于模糊理论的低照度彩色图像增强算法,将三原色(red,green,blue,RGB)图像转换成色相饱和度(HSV)图像,以保证增强处理不引起图像的色彩失真。对亮度图像进行非线性变化,实现动态范围展宽;采用修正后的隶属度函数将图像映射到模糊平面,实现对比度增强。实验结果表明:该算法显著地提高了图像整体亮度和对比度,改善了低照度彩色图像的视觉效果。