保持图像细节的红外图像直方图均衡算法

针对灰度图像经传统直方图均衡算法后因部分灰度级被合并而导致图像细节丢失的问题,提出了一种新的可保持图像细节的红外图像均衡算法.该算法避免了传统直方图均衡带来的灰度断层和丢失现象,对图像灰度级进行无损均衡,提高了图像质量.实验表明该算法使图像的细节和清晰度得到明显的增强。     

融合伽马变换及分数阶的低照度图像增强算法

针对目前分数阶增强只能实现细节增强,不能有效改善图像亮度及对比度问题,提出一种融合伽马变换及分数阶的低照度图像增强算法,对不同亮度的图像进行实验,以平均灰度、平均梯度、熵值和标准差为准则验证了算法的有效性.实验结果表明,该算法考虑了原始图像的亮度信息,使其拥有较好稳定性,受原始图像影响较小;算法能有效改善图像的亮度、对比度,更够在增强纹理细节的同时有效防止过增强,得到满意的处理效果.     

基于直方图的图像自适应均衡算法

传统直方图均衡算法经常出现对低灰度层过度拉伸,产生图像被过度增强,或是使像素较少的灰度级在变换时被合并,导致图像的边缘或细节信息丢失等现象。为了改善这种算法的不足,该文提出一种改进的自适应均衡算法。该算法先对图像进行传统的直方图均衡处理,然后将处理后的图像再进行一次函数映射,保证将变换后的图像具有一个较大的灰度动态范围,最后确定适当的亮度调节系数,提高整幅图像的对比度,达到较好的视觉效果。实验结果表明,改进后的算法可以有效地改善传统算法的不足,具有较高的适应性。     

薄雾条件下退化图像的直方图均衡模型

传统灰度图像直方图均衡模型在处理薄雾条件下的降质图像时,会出现概率较低的灰度级合并,总的灰度级有所损失问题,因此导致图像细节丢失,灰度分辨率下降,针对这一问题提出了改进的灰度图像直方图均衡模型,采取去除原始图像实际没有占有的灰度级,只对不为0的灰度级进行直方图均衡,从而保证总的灰度级数不减少,可以在一定程度上解决灰度级保持的问题。实验表明该直方图均衡模型可以对薄雾条件下降质图像处理取得较好的增强效果。     

保持图像亮度的直方图均衡新算法

传统的直方图均衡算法能够增强图像的对比度,但是均衡后图像的亮度与输入图像无关,不能保证均衡前后亮度不变.传统直方图均衡对灰度级占较少的进行合并,而这些较少灰度级通常为图像细节部分,因此图像经传统直方图均衡后会导致图像细节部分丢失.本文在RMSHE算法的基础上,提出了一种既能保持图像亮度又能保持图像细节的算法.经仿真验证,图像质量有一定程度的改善.     

可保留图像细节的直方图修正法

针对图像经直方图修正(Histogram Modification，HM)后因部分灰度级被合并而导致细节丢失的问题，提出了两种可保留图像细节的直方图修正方法：一种是扩展灰度范围的HM方法，另一种为局部灰度修正HM方法。对多幅不同类型图像进行处理后的实验结果表明，这两种方法不仅可有效保留图像细节信息，而且算法简洁，计算量小。     

一种有雾天气图像景物影像的清晰化方法

针对雾天下拍摄图像的退化现象，提出了一种景物影像清晰化的方法。该方法不需要依据大气模型，即可直接对景物的细节信息进行增强处理，并可用移动模板对不同深度的场景进行分割，以对模板中的区域进行块重叠直方图均衡化处理。为了能在对景物细节信息进行增强的同时，避免天空噪声的影响，可根据图像的灰度分布特性，求出天空区域灰度的最佳近似正态分布，再由这个近似正态分布估计来得到分割天空区域的灰度值分布范围，以增强景物细节信息。实验结果表明，该算法能有效地改善雾天下图像的退化现象和提高图像的清晰度。     

基于小波域信息融合的MSR改进算法

针对MSR(multi-scale Retinex)算法对雾天彩色图像增强时,不能同时有效地保持细节增强与色彩保真的问题,通过将基于小波变换域的信息融合策略取代MSR算法中线性加权策略,提出一种新的MSR改进算法。融合的基本思路是：首先将待融合图像经四层小波分解,然后将高频分量取绝对值最大值来突出图像的细节,低频分量采用基于局部方差的技术调节色彩,实现保真的效果。通过主观观测和客观评价表明：在对雾天图像进行增强时,MSR改进算法比传统的MSR算法在细节增强和颜色保真方面具有更好的效果。     

空间转换与自适应灰度校正的低照度图像增强

在低照度场景下采集的图像存在整体亮度偏低、对比度较差、细节信息丢失等问题,影响其在图像增强应用领域中的性能。为提高低照度成像质量,并使图像结构完整且纹理细节自然清晰,提出一种空间转换与自适应灰度校正的低照度图像增强算法。采用带有灰度校正的自适应压缩多尺度Retinex算法对原始图像进行处理,得到均衡化图像,避免在传统Retinex算法对图像进行全局处理时产生图像过亮或过暗的现象,通过空间转换方法处理获得的均衡化图像,分别得到频率域平滑图像和空间域锐化图像,以提高图像的整体亮度和对比度,从而保留图像中物体边缘的细节信息。在此基础上,采用多聚焦融合算法将原始图像、频率域平滑图像和空间域锐化图像进行融合,得到最终图像。实验结果表明,相比SSR、CLAHE、MBYC等算法,该算法的均值、方差、信息熵和平均梯度分别平均提升1.63%、0.89%、0.17%和1.91%,能有效提升低照度图像的亮度、清晰度和对比度,增强图像边缘信息和纹理细节信息。     

一种高动态范围图像可视化算法*

提出的自适应HDR图像可视化算法中,输入图像被分解为基本层和细节层.该算法将整体明暗效果的显示看做整体问题,对表示亮度的基本层采用基于整体统计信息的直方图调整算法处理;可视细节信息的保持作为局部问题,算法采用自适应细节增强算法处理细节层.通过定义映射图对细节增强后的图像进行最终映射,将两方面结合起来得到最终结果.实验结果表明,该算法能对HDR图像进行较高视觉质量的显示.     

改进的灰度校正算法在路面裂缝图像预处理中应用

针对传统的灰度校正算法在对亮度不均匀的路面裂缝图像处理时容易造成边缘模糊,局部对比度得不到增强的问题,本文在传统的快速灰度校正算法基础上,提出了一种改变初始背景图像选取方式以及采取局部对比度增强图像和整体灰度校正图像相互融合的改进型灰度校正算法.实验结果表明,与传统方法相比,改进后的算法对路面裂缝类图像的预处理效果明显增强.     

家装设计渲染图增强

目的 提出一种亮度、对比度、饱和度三要素与神经网络相结合的家装设计渲染图增强方法。方法 该方法分析了图像增强的3个要素：亮度、对比度和饱和度。算法从下列几个方面着手进行三要素的调节：1）根据原图饱和度和图像融合方法实现亮度和对比度增强;2）采用颜色矩阵实现饱和度增强;3）采用直方图均衡实现对比度进一步增强。这3个要素对图像增强的效果均有贡献,本文为三要素分别赋予一个权值,并引入神经网络方法,自动建立图像亮度分量均值、方差和饱和度分量均值、方差与三要素的权值系数的非线性映射关系。结果 根据图像本身的信息自动获取图像增强三要素的增强系数,实现家装设计渲染图的自适应增强。算法的有效性在不同程度偏灰暗的家装设计渲染图上得到了验证,并与几种经典方法进行了直方图、信息熵、平均对比度（AC）和平均灰度（AG）的定量比较。实验结果显示,本文算法实验结果的直方图具有很少的信息丢失和较好的特征保持,与遗传算法相比,信息熵提高了约0.2,AC值提高了约0.1,AG值提高了约15,本文算法在多数情况下评价指标优于改进的直方图方法。结论 通过对实验结果的直观评价与定量评价,证明与某些现有的方法相比,本文方法适用于不同程度偏灰暗的渲染图,具有较好的通用性,并能达到更优的渲染图像增强效果。     

基于对象的多级图像增强法

针对图像局域增强时出现的噪声过增强和环块状伪轮廓问题,提出了基于对象的多级对比度拉伸图像增强法。首先采用形态学分水岭及区域合并法对图像进行分割,得到图像的构成对象;然后在对象之间采用相邻极点间拉伸法增大对象间灰度动态范围,在对象内部采用线形拉伸法增强对象纹理并保持对象形态。实验结果表明,该方法在增强图像结构的同时,能够有效避免环块状伪轮廓,抑制平滑区域噪声过增强,保持图像原始整体亮度,使增强后的图像具有自然的外观。     

保持图像亮度的自适应局部对比度增强

目前保持亮度的局部直方图均衡算法用于对比度增强时,大多以亮度均值和中值为图像的亮度分割点,这些方法能较好地保持图像的亮度,但同时也会产生局部过增强。为此提出了一种亮度误差最小的自适应局部对比度增强算法,根据亮度均值绝对误差自适应的选择最佳亮度分割点,然后用保持亮度的双直方图均衡算法对被分割的子图像进行均衡,最后用滤波器消除块效应。实验结果表明,该算法不仅保持了输入图像的亮度,同时也实现了局部对比度增强。     

X射线光栅相衬成像拼接缝消除算法

针对X射线光栅相衬成像拼接过程中出现的拼接缝问题,提出一种基于改进的中值滤波结合全变分平滑模型的拼接缝消除方法。首先利用方差的全局亮度调整方法消除待拼接图像间亮度不均,获取亮度均匀图像。然后通过改进的中值滤波对拼接缝两侧灰度值进行修正,以抑制灰度突变的干扰;再利用全变分平滑模型对修正后的图像进行平滑,使拼接缝过渡光滑。最后对平滑后图像进行增强,获得增强后的大视场图像。实验结果表明,所提方法在保持图像边缘细节的同时,能够有效消除拼接缝隙,提高了拼接图像质量。     

自适应双向保带宽对数变换及低照度图像增强

目的 在低照度环境下,由于受图像采集设备的限制,导致获取到的图像往往亮度低、对比度差。针对这一问题,提出一种自适应双向保带宽对数变换的增强算法。方法 首先通过标准化变换将低照度图像处理成标准化图像,然后根据标准化图像的平均亮度进行自适应双向保带宽对数变换,最后对图像取整输出,从而得到增强后的图像。结果 实验选用LIVE database release2标准库中29幅高质量图像作为参考图像,然后经Photoshop CS5统一处理成低照度图像,使用本文算法对其增强,并与直方图均衡化（HE）、多尺度Retinex增强（MSR）、自然保持的增强算法（NPEA）的结果进行比较。本文算法增强后的图像其整体对比度和亮度在主观上都有较大提高,增强效果优于其他3种方法;同时,本文算法峰值信噪比（PSNR）和结构相似度（SSIM）客观指标平均值分别为22.75和0.86,明显高于其他3种算法。另外,在算法运行效率方面,本文算法平均运行时间也较短,约为74 ms。结论 本文算法增强后的图像更自然、更符合人眼视觉特性,且算法简单易于实现,运行效率高。该算法广泛适用于背光或光照不均的低照度环境下的图像增强。     

基于局部生成对抗网络的水上低照度图像增强

针对低照度条件下获取的水上图像亮度和对比度低以及质量差的问题,提出一种基于局部生成对抗网络的图像增强方法。以残差网络作为基本框架设计生成器,通过加入金字塔扩张卷积模块提取与学习图像深层特征和多尺度空间特征,从而减少结构信息丢失。设计一个自编码器作为注意力网络,估计图像中的光照分布并指导图像不同亮度区域的自适应增强。构建具有判别图像局部区域能力的判别器结构,约束生成器输出增强效果更加自然的图像。实验结果表明,该方法能够有效增强水上低照度图像,场景还原和细节保留能力优于SRIE和LIME等方法。     

基于自适应融合的手掌静脉增强方法

针对掌脉轮廓不清晰，图像对比度低、亮度低，进而导致识别性能降低的现象，提出一种自适应融合的手掌静脉增强方法。首先，基于暗原色先验（DCP）去雾算法，根据掌脉图像变异系数自适应选择去雾系数，得到DCP增强图像，并且基于部分子块重叠直方图均衡（POSHE）算法得到POSHE增强图像；然后，将图像分为16个子块，依据图像灰度均值与标准差确定各子块权重；最后，根据各子块权重对DCP和POSHE增强图像进行自适应融合，得到最终增强图像。该方法既保留了DCP算法在增强图像对比度和亮度的同时不引入明显噪声的优点，又保留了POSHE算法在增强图像对比度和亮度的同时不损失局部细节的特点；同时，两者的自适应融合既解决了DCP图像阴影部分掌脉缺失现象，又削弱了POSHE产生的块效应。在对两个公开库和自建库分别进行的实验中，三个数据库的等错误率分别为0.0004、0.0472、0.0579，识别率分别为99.98%、94.27%、92.05%。实验结果表明，与现有的图像增强方法相比，该方法降低了等错误率，提高了识别精度。     

Contrast enhancement of images using Partitioned Iterated Function Systems

A new algorithm for the contrast enhancement of images, based on the theory of Partitioned Iterated Function System (PIFS), is presented. A PIFS consists of contractive transformations, such that the original image is the fixed point of the union of these transformations. Each transformation involves the contractive affine spatial transform of a square block, as well as the linear transform of the gray levels of its pixels. The transformation of the gray levels is determined by two parameters which adjust the brightness and the contrast of the transformed block. The PIFS is used in order to create a lowpass version of the original image. The contrast-enhanced image is obtained by adding the difference of the original image with its lowpass version, to the original image itself. The proposed algorithm uses a predefined constant value for the contrast parameter, whereas, the parameters of the affine spatial transform, as well as the parameter adjusting the brightness, are calculated using k-dimensional trees. The lowpass version of the original image is obtained applying the PIFS on the original image repeatedly while using a value for the contrast parameter that is lower than the predefined one. Quantitative and qualitative results stress the superior performance of the proposed contrast enhancement algorithm against four other widely used contrast enhancement methods; namely, linear and nonlinear unsharp masking, Contrast Limited Adaptive Histogram Equalization and Local Range Modification.     

Image Contrast Enhancement by Constrained Local Histogram Equalization

Histogram equalization is a widely used image contrast enhancement method. While global histogram equalization enhances the contrast of the whole image, local histogram equalization can enhance many image details by taking different transformation of the same gray level at different places in the original image. However, the local histogram equalization process often results in unacceptable modification of the original image appearance. In this paper, a constrained local histogram equalization method is proposed to balance the conflicting requirements: enhancement of the image details and the maintenance of the overall image appearance. Our method uses the variational form of histogram equalization so that a constraint condition, which forces the local gray level transformations to change continuously in the spatial domain, can be introduced into the equalization process. Experimental results of different kinds of images show the effect of our method.