数字图像增强算法分析

在阐明图像增强处理基本方法基础上,对几种有代表性的图像增强算法(基于直方图均衡化图像增强算法,基于模糊集理论的图像增强算法,基于小波变换的图像增强算法,基于人眼视觉特性的彩色图像增强算法及基于神经网络的图像增强算法)做简单介绍,对现有直方图的均衡化算法进行分析、对比,综合多种算法对现有直方图均衡化算法做改进,得出一种新的直方图均衡化方法。     

基于云模型的模糊边缘检测

基于云模型和模糊集理论。提出了一种新的边缘检测方法．该方法根据图像灰度。借助区域生长算法产生对象云；通过云运算生成边界云并构建模糊隶属带。进而在条件概率和模糊划分熵的基础上。根据最大模糊熵原则确定最优阈值，对图像模糊边界进行提取．试验结果表明。该算法能保留大量低灰度信息。可以获得较好的枪涮特栗．     

二型模糊系统降型算法综述

二型模糊系统降型过程的计算精度、计算时间和系统信息的损失会对整个二型模糊系统的性能产生很大地影响. 本文首先介绍了二型模糊集合的基本概念及二型模糊系统的计算过程,然后分别对区间二型模糊系统和广义二型模糊系统的降型算法的研究现状进行了详细综述,并对不同降型算法计算的复杂性进行了全面的分析和比较. 最后,总结了各类降型算法存在的问题,并给出了未来研究的展望. 指出,降型算法的计算成本仍是提升二型模糊系统性能的瓶颈,从理论上完善各种降型算法,通过数学方法解决其计算的复杂性问题,并将其应用于实时系统会是未来研究的重点.      

一种噪声车牌的模糊预处理方法

本文提出了一种车牌模糊预处理方法,主要用于解决现场车牌图像模糊不清、对比度不强,以及传统二值化方法带来的噪声、粘联、变形等不理想现象。通过采用模糊增强技术采增强车牌图像的对比度,便于后续的分割、识别等操作;并提出应用模糊c均值算法采确定车牌图像二值化中的聚类阈值,从而实现对车牌图像的二值化,并将二值化结果与传统的Otsu二值化方法进行了对比。实验结果显示,应用本方法处理车牌噪声和粘联等情况具有较好的优越性。     

模糊粗糙集的表示定理

通过对偶方式定义了模糊集的上、下近似算子，给出了模糊粗糙集在相应的模糊关系及模糊集的截集下的表示定理，证明了这种模糊粗糙集关于模糊近似空间的上近似恰为其在二元模糊相似关系下导出的广义扩张原理之下的像。证明了Zadeh模糊推理合成规则(CRI)与特定的广义扩张原理具有相同的形式。推理结果也可由此获得，这样可借助广义扩张原理的性质及粗糙集理论研究模糊推理．     

一种基于第二代curvelet变换的含噪图像增强算法

提出了一种基于第二代curvelet变换的图像增强算法.该算法结合NeighShrink去噪方法.适当的调整eurvelet的系数,在去噪的同时达到增强的效果.不同增强方法的比较试验表明,该算法是图像增强的有效方法.     

基于改进Retinex的钢轨表面缺陷图像增强方法

机器视觉检测系统获取的钢轨图像因其光照不均、对比度低而导致缺陷特征难以识别.对此,提出了一种基于改进Retinex的钢轨图像增强方法.首先,将钢轨图像从RGB颜色空间转换到HSI颜色空间并单独提取亮度分量;然后,以双边滤波代替传统Retinex方法中的高斯卷积进行照射分量估计,同时提取反射分量;最后,通过对反射分量的局部非线性增强以及HSI逆变换,实现钢轨图像增强.实验结果表明:本文方法在提高缺陷与背景对比度的同时能有效减弱光照不均的干扰,钢轨图像增强后的信息熵和对比度指标均优于传统方法.     

一种基于模糊增强的多尺度边缘检测算法

图像的边缘检测技术是图像处理中最重要的内容之一,且已在图像分析和识别领域得到了广泛的应用.本文提出一种基于模糊增强的多尺度边缘检测算法.该算法首先用模糊增强算子对原始图像进行预处理,加大边缘两侧灰度的差异,然后利用多尺度边缘检测算法提取图像的边缘.最后,将该算法与经典的Sobel算子和Canny算子进行比较.实验结果表明,这种方法较好地解决了图像边缘的提取精度与图像噪声的抑制能力之间的矛盾.     

模糊格蕴涵代数

本文将模糊集合率应用于格蕴涵代数，给出了模糊格蕴涵代数的概念，并讨论了它们的一些基本性质。     

一种改进的Retinex彩色图像增强方法

传统Retinex算法在对彩色图像进行增强时,容易产生光晕以及处理后图像整体对比度较低等问题.为此提出了一种改进Retinex的图像增强方法,该方法采用三高斯模型和高斯滤波相结合的双边滤波对照度分量进行估计;然后在提取反射分量时,引入原始图像亮度影响因子实现区域自适应增强;最后进行归一化调整和彩色图像恢复,实现图像增强.实验结果表明,该方法能够在增强图像的同时,有效抑制光晕,提高图像的整体对比度.