洪明坚[1]2002年在《图像增强的自适应直方图修正算法研究及其应用》文中指出工业CT Industrial Computerized Tomography，ICT)是一种用于检测工件的内部结构的无损检测技术。它的主要功能是扫描工件得到工件断面的投影数据，然后用重建算法重建出工件的断面图像。“工业CT图像重建与处理系统”（ICTIPS）是与工业CT设备相配套的软件系统，其功能是从投影数据重建出断面图像然后进行处理和分析。直方图修正是图像处理的重要方法。通过修正图像的直方图，能很大程度上增强图像的视觉效果，帮助人们识别图像中隐藏的信息。当我们感兴趣的信息包含在图像中相对较小且灰度分布较均匀区域时，两种广泛使用的直方图修正方法即直方图均衡(HE)和局部直方图均衡(LAHE)都不能增强这一部分信息。尽管LAHE取得了比HE好的结果，但是LAHE的低效率却限制了它的使用范围。本文从算法上对LAHE做了两方面改进。首先，在计算相关区域的直方图时，通过平移矩形区域减少了计算直方图所需的时间；其次，由于变换函数就是累积直方图，所以计算变换后的灰度时，利用对分的思想可以将效率进一步提高。在增强图像的效果上，本文在已有的基础上提出了一种变化矩形窗口大小的方法。这种方法基于这样一种直观的思想：在矩形窗口内，中心点的象素灰度很可能是该区域的灰度分布的主要成分，同时允许一定比例象素的灰度级不在该范围内。与已有的方法相比，由该方法生成的窗口大小能较灵活地适应了图像中不同区域的灰度分布，取得了较好的结果。最后本文详细讨论了ICTIPS系统的分析、设计、功能以及本文研究的算法在该系统中的应用。
蔡超峰[2]2005年在《局部直方图均衡化算法研究及其应用》文中认为本文主要研究了局部直方图均衡化(LAHE)及其修正算法在尘肺X线图像增强中的应用。尘肺病是我国最主要的一种职业病。目前,医学界尚无将其彻底治愈的办法。尘肺X线检查是确定尘肺和分期的主要诊断方法。然而,一方面尘肺X线图像具有动态范围宽、细节丰富和对比度差的特点;另一方面尘肺早期病变特征并不是十分明显。这些因素给尘肺的早期诊断带来了难度。借助于数字图像处理技术,对尘肺X线图像进行对比度增强处理,突出尘肺病灶,从而有助于降低尘肺早期诊断的漏诊率。 直方图均衡化(HE)是一种最常用的图像对比度增强技术,它能够在很大程度上增强图像的视觉效果,帮助人们识别图像中隐藏的信息。当我们感兴趣的信息包含在图像中相对较小且灰度分布比较均匀的区域时,HE并不能给出令人满意的结果。LAHE对HE做了一些修正,取得了比较好的结果。但是LAHE只有一个控制参数:相关区域(矩形窗)的大小W,这显然还不够灵活。小窗口在增强图像中细节的同时削弱了图像的整体轮廓,而大窗口能使图像的整体轮廓更加清晰,但却模糊了图像中的细节。论文结合尘肺X线图像的特点对LAHE进行了两方面的修正。一方面,仍然保持相关区域为大小固定的矩形窗,通过改变相关区域内直方图的构造方法来解决这个问题。另一方面,保持局部直方图的构造方法不变,通过自适应的改变相关区域的大小来解决这个问题。最后我们给出采用LAHE及其修正算法对尘肺X线图像进行对比度增强处理的结果,并比较了各种算法的优劣。
刘叁亚[3]2014年在《图像局部增强算法的研究与实现》文中提出图像增强是图像处理领域中最常用的技术之一,属于底层处理,是图像预处理过程的一个重要环节。本论文从图像增强处理的基本算法和理论展开，针对只要求增强图像的暗区而保持其亮区不变的一类图像,研究了增强图像局部细节的算法,对基于灰度变换和直方图修正法的图像增强方法进行研究学习、比较,分析了各自的优缺点,根据图像的局部均值和局部标准差的范围选择待增强的较暗区域,提出了两种改进的图像局部增强算法。(1)基于对数变换的图像局部增强算法。该改进算法在对数变换的基础上提出,简单实用。实验结果表明,运用该算法处理比单纯使用对数变换或者使用传统局部对比度增强算法、自适应局部对比度增强算法处理的效果明显提高,充分地增强了图像暗区的细节,同时兼顾到了图像中无需增强的亮区,能够清晰地突显出暗区的细节。(2)基于均值和标准差的自适应图像局部增强算法。该改进算法中的增强系数随图像的局部均值和局部标准差自适应地动态变化,实现了对图像局部较暗区域细节的增强,而且由于该算法具有自适应性,使得增强更加具有针对性。实验结果表明,改进算法较常见的局部对比度增强算法有更好的增强效果,在增强图像暗区域的同时使图像中的亮区域保持不变,能够充分地增强图像的局部,更加清晰地突显出图像暗区的细节。综上所述,论文提出的两种改进的图像局部增强算法,对类似的图像局部增强具有一定的参考意义。另外,论文从视觉效果(定性)和信息熵值两个方面对图像增强的效果进行了评价,下步可以使用其他适合的图像评价方法综合评价增强的效果。
周启双[4]2016年在《图像局部增强算法研究》文中指出图像增强是图像处理领域中最常用的技术之一,是图像预处理过程的一个重要环节。本文从图像局部增强处理以及局部滤波去噪的基本算法和理论出发,针对增强图像的局部区域以及常见的脉冲噪声图像展开。对增强图像局部细节的算法以及对基于灰度变换和直方图修正法的的增强方法进行研究学习、比较,分析了各自的优缺点。分别研究图像局部区域增强,局部直方图统计局部对比度增强,提出了两种图像局部增强的改进算法。图像去噪是图像处理中一项应用最广泛最基础的技术,其作用是为了提高信噪比,突出图像的期望特征。本文对常用的去噪算法作了进一步的研究,提出了一种改进的中值滤波算法,它是一种基于噪声点检测滤波去噪增强算法。具体内容如下：1.基于局部直方图增强图像的算法研究。该算法是在图像局部增强结合局部直方图规定化的基础上提出的,简单实用,增强图像局部区域的同时提升图像对比度。实验结果表明,该算法较常用的局部图像增强效果更优,增强了图像细节的同时兼顾到图像的对比度。2.基于直方图统计的局部对比度增强算法。该改进算法是在局部均值和局部标准差增强算法基础上提出的,该算法涉及的增强系数随图像直方图统计值动态变化,主要为了增强图像局部区域,提高该区域对比度,凸显局部细节。该算法为局部自适应增强,能够自适应调整增强系数和相关参数,达到增强图像局部区域的目的。实验结果表明,该改进算法较传统的局部对比度增强算法具有更好的增强效果,增强图像灰度较暗区域,同时保证图像较亮区域灰度不变,达到增强图像局部细节的目的。3.图像局部滤波去噪增强算法。该改进算法在自适应中值滤波基础上提出,是一种新的基于噪声点检测自适应中值滤波去噪算法,该算法对噪声点检测,基于检测结果制定合适的阂值,运用自适应中值滤波去除脉冲噪声。实验结果表明,该算法进行滤波去噪时效果非常明显,保持图像细节的能力又略优于自适应中值滤波。
宋春瑾[5]2017年在《图像美学质量评价及自适应增强研究》文中研究指明随着数码设备的普及和日益更新,人们将越来越多的关注集中于图像美感。可计算美学通过模拟人类感官系统,以可计算的方式对图像进行美学质量判断,是计算机视觉领域具有挑战性的课题。本文致力于图像美学质量评价及自适应增强算法的系统实现,对图像构图与视觉上的多属性评价及增强进行了一系列的研究。本文主要工作如下:(1)构图质量评价部分:首次定义了景深评价公式,实现对图像景深构图的量化评价,并在已有视觉平衡评价算法的基础上加入显着区域比例评价项,有效改善了评价算法的准确性。(2)视觉属性质量评价部分:首先,提出了一种基于自适应窗口的清晰度评价方法,解决了传统清晰度评价算法不能对“浅景深”图像进行准确评价的问题;其次,从对比度在直方图上的体现出发,提出一种基于直方图的对比度评价算法,实现了对不同对比度情况的全面有效评价;最后,采用统计方法,利用logistic非线性回归得到图像饱和度的相对标准,提出了一种评价彩色图像饱和度的有效方法。(3)对比度增强部分:提出了抗对比度过增强的自适应双直方图均衡算法(ROCLABHE):采用基于对比度的自适应分块方法划分局部待增强区域,加快计算速度,并且有效地防止了局部对比度过增强;用最小化亮度差的双直方图均衡化算法(MMBEBHE)进行局部增强,在增强图像的同时有效保持了亮度。此外,提出了对比度增强综合算法,根据不同的对比度评价结果自适应地选择方法进行图像增强,形成了图像对比度评价与增强算法的完整体系。(4)清晰度增强部分:在小波域进行研究,提出一种图像锐化新算法,根据小波多尺度提取到的边缘锐化低频信息,对高频信息进行软阈值去噪,在提高图像清晰度的同时对噪声的放大实现了双重抑制。(5)综合实验部分:本文使用SVM分类器对数据库中图像进行高低美感分类实验,并从一种新的角度出发,通过加权求和阈值划分的方法对图像美学质量进行综合评价,在实现更高分类准确率的同时获得图像美感确切分数和各属性具体评价结果,进而实现了对图像的美学分析。最后对数据库中低美感图像进行增强实验,并使用本文评价算法对增强后的图像进行再评价,实验结果表明本文算法是行之有效的。
王保平[6]2004年在《基于模糊技术的图像处理方法研究》文中研究表明图像处理是图像工程的低层次操作，其处理效果对图像的高层次操作，即图像分析和计算机视觉的影响很大。但由于图像处理问题本身的复杂性和学科交叉性，几十年来该问题一直是研究的热点。 图像本质上具有模糊性，这是由于(1)叁维目标投影在二维图像平面上带来的信息丢失。(2)定义边界、区域和纹理等图像特征时存在模糊性。(3)对图像底层处理结果的解释带有模糊性。因此，模糊信息处理技术在图像处理中的使用有其内在的合理性和必然性。 基于上述原因，本文提出了许多基于模糊信息技术的图像处理新方法和新思想，并取得了良好的效果。本文共分为七章，主要内容如下： 第一章为绪论，阐述了图像处理是计算机视觉和机器智能研究中的基本问题，论述了模糊信息技术在解决图像处理问题时有其必然性和合理性。最后列出了本文取得的主要研究成果。 第二章简要介绍了和本论文相关的模糊数学知识，作为本论文的数学预备。 第叁章提出了一些图像空域增强算法，即几种局部运算方法。该章对图像中不同类型加性脉冲噪声的去噪问题进行了系统地研究和分析，提出了叁种基于模糊信息处理的图像平滑去噪滤波器，分别为基于模糊熵的多值图像去噪滤波器、基于直方图的图像椒盐噪声滤波器、基于直方图和区域信息的自适应图像脉冲噪声滤波器。实验表明这些方法滤波效果优于传统的滤波器和其它模糊滤波器。 第四章研究了图像空间域增强的另一类方法，即点运算法。提出了一种新的基于模糊信息处理的自适应图像灰度级修正法。新方法首先通过模糊熵的引入，在图像灰度级修正算法中利用了图像的邻域统计信息、模糊信息和人眼视觉特性；其次利用灰度值的统计特性达到了图像自适应增强的目的；接着补充了一个有用的非线性变换，增加了这类算法的普适性：最后解决了原算法在实现图像增强时出现的灰度值过调问题。实验结果表明新算法不仅能够有效地增强整个图像的对比度，提高图像的视觉效果，而且能够在增强图像边缘的同时有效地抑制噪声。 第五章提出了一种基于模糊信息处理的图像变换域增强算法。该章给出了一种性能更好的模糊增强变换算子，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，新算法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，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。 第六章通过模糊嫡的引入，构造出了几个边缘检测性能更好的信息测度，利用输入图像提取这些信息测度，组成一个反映图像边缘特征的数据集，接着用加权FCM聚类算法将该数据集分为两类，即边缘点数据和非边缘点数据，从而达到图像边缘检测的目的。该方法无需确定阐值;对弱边界检测较敏感。 第七章对受噪声干扰的图像、目标和背景相互交迭的图像、边界不明确的图像等降质图像的分割问题进行了较深入的研究，并考虑到这类图像中所具有的不确定性往往本质上是模糊性的特点，合理地将模糊信息处理技术引入到降质图像的分割中去，取得了较好的效果。关键词:图像处理模糊信息处理图像增强图像分割边缘检测
周峥[7]2012年在《图像增强算法及应用研究》文中进行了进一步梳理图像增强处理技术在基于医学诊断、航空航天、军事侦察、指纹识别、卫星图片等领域有着广泛且重要的应用，因此对它的研究具有十分重要的意义。图像增强的方法往往具有针对性，很难对增强结果加以量化描述，只能靠经验，人的主观加以评价，国内外学者提出了许多的增强算法，但至今为止还没有一种是通用的、可靠的衡量图像质量指标来评价图像增强方法的优劣。本文对图像增强处理技术进行了深入研究，具体内容主要包括：1．对现有局部直方图均衡化增强方法即基于局部均值和标准差的图像增强算法进行了改进。本文实现了基于局部均值和标准差的图像增强算法中放大系数及幂次变换系数的替换，并通过MATLAB对改进算法进行仿真实验，在替换传统算法需要反复测试才能得到的放大系数及幂次变换的系数的同时，也使得程序的运行效率得到了提升。由此可见，提出的改进算法更加智能。2．通过对模糊增强理论的研究，以及对传统模糊增强方法即Pal和King算法的分析，提出了改进的隶属度函数。针对所提出的隶属度函数进行MATLAB仿真实验，通过实验结果证明改进后的Pal和King算法能够达到预期增强效果，并且改进后的隶属度函数使得图像在增强过程中不会出现灰度硬性剪切的情况，避免了增强后大量灰度信息丢失，也使得程序的运行效率得到进一步的提升。3．提出了一种基于小波域的图像增强的组合方法。实验结果证明，本文所提出的增强组合方法，既防止了低频灰阶合并导致的图像细节丢失的问题，又达到了对高频信息的减噪目的，对图像的增强产生了显着的效果。
徐义[8]2013年在《水下图像预处理技术研究》文中研究指明随着人们对海洋的开发和探索不断加深,水下探测技术已经在水下数据采集、海底石油探测、污染监测和鱼群探测等领域发挥着重要的作用。水下图像是获取水下信息的重要手段之一,目前水下图像处理技术已经越来越受到人们的关注。由于水下环境中悬浮物的存在和光的吸收、散射等作用,水下图像通常会有照度不均、对比度低、噪声明显等弱点。本文主要针对水下图像的预处理技术进行研究,其具体研究内容主要包括如下几个方面：(1)分析了水下图像的特点,从空域和频域方面介绍了图像预处理的各种方法,并分析了其优缺点,最后从主观和客观方面介绍了图像质量评价方法。(2)研究了小波阈值去噪理论和步骤,分析了常用的阈值处理和阈值选取函数,结合传统软硬阈值函数的不足,基于小波的尺度相关性给出了一种改进的阈值选取方法和阈值处理函数,在对不同大小和种类的水下图像进行实验仿真表明,改进后的结果相比传统方法得到的结果其图像质量得到了提升。(3)介绍了全局直方图均衡化、局部直方图均衡化、非重迭块直方图均衡化、插值自适应直方图均衡化、对比度受限自适应直方图均衡化的算法和步骤,研究其在水下图像中的实际性能,针对传统直方图处理方法可能放大噪声的缺点,基于小波变换和CLAHE提出了一种新的图像增强方法,根据各种方法在水下图像中的性能比较和分析了各种算法的优缺点,结果表明改进后的增强方法能够在不放大噪声的前提上提升图像的灰度动态范围。
李明[9]2016年在《低照度图像增强技术的研究及实现》文中研究说明随着计算机视觉技术的高速发展,成像系统与计算机视觉监控设备能够捕获到大量的图像信息。然而在室内、夜间、光照不均匀等低照度条件下,由于非自然光源的照度不充分,目标表面的反射光较弱,造成进入成像传感器的光线不足,所以导致在这种低照度条件下获取到的图像质量下降严重、图像辨识性能差,而且含有大量噪声,以至于难以辨别图像中的细节,降低了图像的使用价值。传统的图像增强算法大多是从空间域和频率域对图像进行增强,处理结果往往达不到预期要求。针对这种情况,本文对低照度环境下降质图像增强的理论和关键技术进行深入的研究,并对现有的处理方法进行完善和改进,具体的研究内容如下:首先,分析了本课题的现实背景和应用价值,深入研究了传统的低照度图像增强算法,比如直方图均衡化、同态增晰、以及目前被广泛使用的基于色彩恒常性的Retinex算法。Retinex算法通过模仿人类的视觉特性,对低照度图像的照射分量进行近似估计,再进行相关运算,获得反映物体本质特征的反射分量,从而实现对图像的增强处理。其次,针对Retinex算法存在的不足之处,提出了一种改进的基于变分Retinex的低照度图像增强框架,先采用变分Retinex算法对输入的低照度图像的亮度分量进行处理,通过多次迭代得到趋于稳定的反射分量和照射分量;接着对照射分量进行修正,来提高图像的对比度;对反射分量进行修正,来去除图像的噪声和增强图像的细节;然后再采用自动白平衡处理得到最终的增强图像。实验表明,该算法有效的改善了图像的过度增强以及颜色失真等问题。最后,基于LIP图像增强模型,提出了一种改进的LIP模型低照度图像增强新算法,该算法将人眼的视觉特性与经典的对数图像增强模型相结合,先利用对数处理模型对输入低照度图像的亮度分量进行增强处理,并通过自适应调整参数来修正图像的动态范围以及调节图像的锐化程度;针对处理后的图像噪声较大,引入叁维块匹配对增强后图像进行去噪处理。实验表明,该算法在提高图像亮度的同时还能有效地削弱图像的噪声。
孔庆琴[10]2008年在《改进的QPSO算法及其应用》文中研究说明本文的目的是研究粒子群算法(Particle Swarm Optimization,简称PSO),特别是具有量子行为的粒子群算法(Quantum-behaved Particle Swarm Optimization,简称QPSO),并对该算法加以改进,最终将改进的QPSO算法应用到灰度图像的自适应增强中。在图像增强中,灰度图像的非线性变换是一种非常有效的方法。这种方法相当于对图像序列进行某种变换,以达到图像增强的目的。在变换过程中,涉及到变换参数的确定问题,因此,建立一种根据图像灰度性质自动调节的图像自适应增强算法是非常有意义的。首先,本文阐述了图像增强的基本原理、方法和粒子群算法以及具有量子行为粒子群算法的基本思想,然后将两种算法加以比较,强调了QPSO算法比PSO算法在全局优化问题上具有更好的收敛性能。其次,在QPSO算法的基础上,引进一种新的搜索策略,提出一种改进的QPSO算法。通过使用一些基准函数对该算法进行仿真测试,并将测试结果和PSO算法、QPSO算法相比较。结果表明:改进的QPSO算法比PSO算法和QPSO算法的搜索效果都要好,并且种群越大,效果越好。最后,在图像增强的应用中,本文利用改进的QPSO算法,针对能完全覆盖图像增强典型变换类型的非完全Beta函数,实现其参数的自适应选择,以此达到灰度图像的自适应增强。仿真实验证明改进的QPSO算法与PSO算法和QPSO算法相比,在灰度图像增强方面具有更好的优越性。
参考文献：
[1]. 图像增强的自适应直方图修正算法研究及其应用[D]. 洪明坚. 重庆大学. 2002
[2]. 局部直方图均衡化算法研究及其应用[D]. 蔡超峰. 郑州大学. 2005
[3]. 图像局部增强算法的研究与实现[D]. 刘叁亚. 宁夏大学. 2014
[4]. 图像局部增强算法研究[D]. 周启双. 长江大学. 2016
[5]. 图像美学质量评价及自适应增强研究[D]. 宋春瑾. 河北师范大学. 2017
[6]. 基于模糊技术的图像处理方法研究[D]. 王保平. 西安电子科技大学. 2004
[7]. 图像增强算法及应用研究[D]. 周峥. 北京工业大学. 2012
[8]. 水下图像预处理技术研究[D]. 徐义. 南京理工大学. 2013
[9]. 低照度图像增强技术的研究及实现[D]. 李明. 南京邮电大学. 2016
[10]. 改进的QPSO算法及其应用[D]. 孔庆琴. 江南大学. 2008
标签：计算机软件及计算机应用论文; 图像增强论文; 自适应论文; 直方图均衡化论文; 对比度论文; 灰度图像论文; 模糊算法论文; 直方图匹配论文; 模糊理论论文; 图像噪声论文; 图像处理论文; 算法论文;