基于IFOA算法和模糊熵的图像自适应增强研究

传统的医学图像增强算法存在适用性差、计算量大和参数人工设置等缺点。本文结合果蝇优化算法的良好的全局最优搜索性能,针对FOA算法存在局部最优问题,将改进因子引入FOA算法,提出一种IFOA优化模糊熵的自适应医学图像增强算法。实验结果表明,IFOA算法可以有效地突出图像的特征,改善图像的视觉效果,提高效率,避免手工调整参数的不便,在保证图像质量最佳的情况下,可以自动配置出最佳的模糊增强参数,实现医学图像的自适应增强。     

基于模糊熵改进的直方图匹配算法研究

以模糊数学为基础,提出了一种基于最大模糊熵改进的直方图匹配图像增强算法,以弥补传统空间域图像增强方法在提高图像对比度时对噪声敏感的缺陷.首先,把灰度图像从空间域映射到模糊域,并以最大模糊熵为基础,将目标图像分为若干个灰度层;然后,针对不同灰度层的特征,用直方图匹配方法为每个灰度层设计相应的匹配函数;最后,用这些匹配函数增强相应的灰度层得到增强后的图像.通过与直方图匹配、直方图均衡化和局部直方图处理算法对比,证明本文算法具有更好的增强效果.本文算法结合模糊熵和直方图匹配算法,可以降低噪声在图像增强中的影响,而且在应用中具有良好的效果.     

基于直方图处理的局部图像增强算法研究

研究了空间域下基于直方图处理的图像增强算法。通过直方图统计获得具体参数,根据平均值和方差调整图像的强度和对比度,以实现对图像的增强。由于对图像进行全局增强,不能有效突出局部特征,因此重点阐明局部图像增强的算法。试验结果表明,该算法可以有效增强图像的局部细节。     

基于萤火虫算法的农业遥感图像增强研究

农业遥感图像增强有利于图像信息的提取与分析,萤火虫算法是近年来较为新颖的智能仿生算法,目前国内外关于其能否用于农业遥感图像增强的研究未见报道。文章首先利用非完全Beta函数建立农业遥感图像增强模型,结合人眼最小灰度分辨力函数进行图像细节增强,将每个输入区间的像素灰度值变换到适当的输出灰度级区间,最终生成对比度均衡的图像;然后通过萤火虫优化算法在其动态决策域半径进行伪差分操作更新;最后确定最佳参数的收敛条件,给出了算法流程。试验仿真结果表明,萤火虫算法的农业遥感图像检测在图像细节增强评价指标、相位一致性指标、通用质量评价指标等方面与直方图算法、Retinex算法、小波变换算法、模糊聚类算法等相比数据较优,能够用于农业遥感图像增强。     

基于改进萤火虫算法的模糊农业遥感图像增强效应

为了提高模糊农业遥感图像增强的质量,采用改进萤火虫算法,首先通过高斯隶属度函数将图像像素映射,不同误差的图像区域采用不同分辨率的隶属度函数;然后用模糊增强算子来修正隶属度值;接着在改进萤火虫算法中对参数进行优化及局部扰动,给出算法流程;最后试验仿真显示本研究算法在增强结果中能够正确区分图像中的目标,图像信息熵较大。     

自适应直方图均衡化图像增强算法研究

直方图均衡化图像增强算法原理简单,同时是可逆操作,即只要知道变换函数,就可以通过其逆函数来得到原始的直方图,并且处理的数据量也不是很大,但在增强处理过程中因大量灰度级被合并而导致处理后图像出现不自然的情况。为此,提出了自适应直方图均衡化图像增强算法。该算法根据原始图像的直方图,自适应地确定一个剪切系数,然后按照剪切系数对直方图进行剪切,最后进行均衡化处理。算法的创新点在于自适应确定剪切系数,解决有高峰直方图图像增强后局部不自然的问题。试验结果表明,该算法对直方图有高峰的图像有较好的增强效果并避免过度增强不自然的问题,在计算机图像处理上有较高的应用价值。     

基于模糊Tsallis熵和混沌蛙跳算法的快速红外目标分割

针对红外图像的模糊性和非广延性,提出一种基于模糊Tsallis熵的快速阈值分割方法。先用模糊隶属度函数把图像灰度直方图转换到模糊域,分别定义图像背景与目标的模糊Tsallis熵,并根据不可加熵的伪叠加原理求出图像总熵。在参数寻优过程中,提出一种基于Logistic映射的混沌蛙跳优化算法,根据最大熵原理对模糊隶属度函数进行参数优化,进而得到图像的最佳分割阈值。与典型的阈值法进行对比试验,结果证实了该方法的有效性和鲁棒性。     

基于改进蚁群算法和指数熵算子的三类阈值图像分割

针对多目标图像分割问题,采用了1种基于二维灰度直方图的三类阈值分割方法,将图像划分为暗、灰和亮3种不同的区域,分别给出了其模糊隶属度函数,引入概率分析,定义了基于指数熵算子的最大模糊熵准则,通过改进的蚁群算法,搜索最优模糊参数组合,以此确定图像的分割阈值。实验结果表明,该算法能快速、有效的分割图像。     

基于Retinex和改进的最小生成树分割提取模糊航空图像中的河流

本文提出了一种Retinex和改进的最小生成树分割相结合的算法,能够准确地从模糊航拍图像中提取出河流。首先,通过多尺度Retinex(MSR)算法增强图像,然后基于形状先验和改进的最小生成树分割算法检测出主要河流。分别测试了各种不同模糊航拍河流图像,比较了四种众所周知的图像增强算法和四种常用的图像分割算法。结果表明:若没有MSR的图像增强,单一的最小生成树算法无法准确地提取模糊航拍图像中的河流;新算法对模糊或光照不均的河流图像,与传统算法比较有着明显的检测效果。     

Laplace多尺度图像增强去噪算法

针对传统的单尺度图像增强算法的不足,提出了一种基于Laplace多尺度分解的图像增强算法。该算法将图像分为由高频到低频若干个子图像,对每个频道的细节图像进行不同的非线性变换,使得图像中最细微的、对诊断有用的信息得到有效的增强,同时图像又不被过增强,再通过分解的逆过程重建图像。试验表明,该方法能有效提高图像中细节的清晰度并抑制噪声。     

基于直方图统计的自适应图像增强改进算法

在分析数字图像统计特性的基础上,应用直方图原理,改进传统自适应算法,对图像进行了局部增强处理。首先计算图像的局部均值和标准差,比较其与全局均值和标准差的关系以确定需要增强的区域;然后在选定的区域上,对传统自适应增强算法进行改进,增加权重系数,提高对比度,改善图像增强的效果;最后对算法进行试验分析,并应用客观评价指标进行评价。试验结果表明,基于局部均值和标准差改进的自适应图像增强算法优于局部均值和标准差的图像增强。     

一种用于遥感图像增强的聚合算法

遥感图像是借助传感器从云层获取地面信息的一种图像。该文章针对遥感图像的处理，提出一种用于遥感图像增强的聚合算法。算法研究过程中，从图像去雾、图像对比度、图像分辨率三个方面采用不同的处理算法进行相同的处理，分析处理结果后选出各部分的最优算法；并将每个处理环节的最优算法相结合，融合出一种遥感图像增强的最优聚合算法。融合后的算法更适合对遥感图像进行增强处理。     

一种限制对比度的快速POSHE图像增强算法

针对部分子块重叠直方图均衡(POSHE)引起图像过度增强和实时运行时间长的问题,提出了一种限制对比度的快速POSHE图像增强算法。首先,通过对传统POSHE算法中子块直方图的创建方式与模板的移动路径进行改进从而降低算法的运行时间;其次,在图像中的每个子块被快速POSHE图像增强算法处理前,先进行限定对比度剪切来削弱过度增强;最后,结合图像质量测量指标峰值信噪比(PSNR)和特征相似度指数(FSIM)对所提算法性能进行评价。测试结果表明,该算法既能消除过度增强的影响,又能有效地提高图像的细节信息,同时保持了图像的可信度,使均衡后的图像具有更加自然的视觉效果。     

基于非线性反锐化掩模的成像测井图像增强

提出了一种基于非线性反锐化掩模成像测井图像增强算法,根据人眼视觉特性,将成像测井图像划分为低、中、高3种细节区域,并对3种区域做不同程度的反锐化掩模增强。与线性反锐化掩模图像增强方法相比,非线性反锐化掩模图像增强方法既抑制了噪声,又达到了很好的增强效果。     

基于双域分解的复杂环境下奶牛监测图像增强算法

针对天气变化及光照不足导致的奶牛监测图像降质问题,提出一种基于双域分解的复杂环境下奶牛图像增强算法。该算法首先采用双域滤波图像去噪,将输入图像分解为低频图像和高频图像;其次根据贝叶斯估计得到不同高频图像的小波阈值,利用改进的Garrote阈值函数进行小波去噪,并结合伽马变换对去噪的高频图像进行矫正,实现对高频图像的滤波和对比度调整;再次通过暗通道先验对低频图像进行去雾,并结合对比度受限自适应直方图均衡化(contrast limited adaptive histogram equalization, CLAHE)算法对去雾后整体偏暗的低频图像进行增强,进一步提高图像的对比度和整体亮度;最后将处理后的高频图像和低频图像进行重构,得到最终的增强图像。以不同时段光照、复杂气象条件下实地拍摄的奶牛场监测图像为样本,采用主观视觉和客观评价将该算法与现有算法进行试验对比。结果表明,该算法能够对复杂光照下奶牛图像有效去噪、增强整体和细节信息、改善图像视觉效果等,相比于HE算法、Retinex算法、CLAHE算法、自适应Retinex算法,标准差分别平均提高1.929 5、4.681 2、3.245...     

基于小波变换的指纹图像增强算法

小波变换在对图像进行增强处理的过程中也对图像中存在的噪声做了同样的处理,在增强图像边缘细节的同时没有很好的进行图像消噪。针对这些不足,对传统的小波变换算法进行了改进。基于Mallat算法对小波分解和重构,在分解后保持低频信息的不变性,并利用小波系数的变换使图像信息得到增强,同时具有一定的图像消噪效果,该方法与传统的小波变换算法相比在图像增强处理中具有更好的效果。     

自适应直方图均衡化算法在图像增强处理的应用

在图像增强处理中,用离散的灰度等级作直方图均衡化时,很难得到完全平坦均匀的结果,采用局部法对图像进行处理,不同局部采用不同的对比度增强方法.这种自适应直方图均衡算法,对妊娠超声图像进行处理,实验表明,自适应直方图均衡化算法在妊娠超声图像增强处理具有良好效果.     

基于对数图像处理和二阶微分的图像增强新模型

以对数图像处理数学模型为基础,结合Laplacian图像增强方法,将增强处理后得到的图像和原图像进行适当的加权平均,提出了一种基于对数图像处理和二阶微分的图像增强新模型.该模型具有与人眼视觉特征相吻合的特点,在增强图像高频分量的同时,平滑图像低频分量,控制增强和平滑的比例,达到了图像增强的目的.理论分析和实验结果表明,该模型减小了图像在增强处理速代过程中产生的误差,是一种比较有效的图像增强方法.     

基于直觉模糊C均值聚类算法的作物病害图像分割

针对作物病害图像的病斑分割问题,提出一种直觉模糊C均值(Intuitional Fuzzy C-means,IFCM)聚类算法。通过引入隶属度、非隶属度和犹豫度3个参数来表示模糊集,从而定义了用来表示模糊集的模糊度的直觉模糊熵(IFE)这一概念,对传统的FCM算法进行改进,克服了FCM算法分割时计算目标函数容易陷入局部极小值,而且聚类数目需要提前设定初值的缺点。将预处理过的作物(以黄瓜为例)病害叶片图像作为研究对象采用该改进算法进行病斑图像分割,得到了很好的分割效果。与其他分割方法进行比较,结果表明该算法分割出来的作物病斑图像准确率高达94%以上,分割效果明显。     

基于粒子群算法的最大交叉熵的图像分割方法

在论述了粒子群算法的基本原理和特点的基础上,将粒子群算法应用于最大交叉熵阈值的确定中,提出了相应的算法并用于图像分割。结果表明,在设定了合适的粒子群算法参数条件下,粒子群算法不仅可以实现正确地图像分割,而且大大提高了分割速度。