-
公开(公告)号：CN112488968B
公开(公告)日：2023-06-20
申请号：CN202011472286.5
申请日：2020-12-14
Applicant: 华侨大学
Abstract: 本发明公开了一种分程度直方图均衡融合的图像增强方法，包含如下步骤：取输入图像的亮度图I，统计灰度级直方图并将所述灰度级直方图均值归一化得到Hist；分别取gamma1和gamma2对归一化得到的Hist进行校正处理得到校正后的直方图Hist1和Hist2；将经过校正处理后的直方图Hist1和Hist2进行均衡处理，得到对应的映射曲线T1和T2并将原图灰度值分别按这两条映射曲线进行映射，得到增强图像I1和增强图像I2；计算均值归一化得到的Hist的灰度级非零占空比，记为W1，并以所述灰度级非零占空比作为增强程度较弱图像的权重，将增强图像I1和增强图像I2进行融合，得到最终增强图像O。本发明用来克服局部增强计算复杂度大、块效应现象明显等问题，使得局部增强效果简单有效。
-
公开(公告)号：CN112801905B
公开(公告)日：2023-05-26
申请号：CN202110144507.4
申请日：2021-02-02
Applicant: 华侨大学
Abstract: 本发明涉及一种亮度可调自适应对比度增强方法，目标亮度可调，即用户根据个人亮度感知选取目标亮度，作为二重遍历寻优的衡量标准，得到符合用户期待的增强图像；参数自适应，采取二重遍历的方式寻找最佳调整参数，调节全局亮度和对比度的同时提升细节。本发明解决了现有直方图均衡方法参数非自适应、适用范围局限等不足，使得不同图像的处理亮度和对比度都符合个人视觉感知。
-
公开(公告)号：CN112419209B
公开(公告)日：2023-05-26
申请号：CN202011347659.6
申请日：2020-11-26
Applicant: 华侨大学
Abstract: 本发明公开了一种全局直方图均衡的图像增强方法，包括如下步骤：对输入图像的直方图进行均值归一化，将直方图分割成左右两个子直方图，伽马值以设定步进进行遍历，并对全局直方图进行校正；计算左右两个子直方图的大小差异，记对应伽马值为最佳伽马值，利用最佳伽马值对全局直方图进行处理；根据最佳伽马值，确定第二伽马值，利用所述第二伽马值对全局直方图中小于1的数据作进一步的校正；计算利用自适应伽马校正模型得到的左右两个子直方图的大小，根据左右两个子直方图的大小差异对子直方图进行调整；对调整后的全局直方图进行均衡，得到结果图像；本发明的方法解决了传统的直方图均衡过增强和欠增强等不足，使得处理过后均衡化的图像变得舒适自然，更贴近人眼亮度感知。
-
公开(公告)号：CN112801905A
公开(公告)日：2021-05-14
申请号：CN202110144507.4
申请日：2021-02-02
Applicant: 华侨大学
Abstract: 本发明涉及一种亮度可调自适应对比度增强方法，目标亮度可调，即用户根据个人亮度感知选取目标亮度，作为二重遍历寻优的衡量标准，得到符合用户期待的增强图像；参数自适应，采取二重遍历的方式寻找最佳调整参数，调节全局亮度和对比度的同时提升细节。本发明解决了现有直方图均衡方法参数非自适应、适用范围局限等不足，使得不同图像的处理亮度和对比度都符合个人视觉感知。
-
公开(公告)号：CN112488969A
公开(公告)日：2021-03-12
申请号：CN202011472317.7
申请日：2020-12-14
Applicant: 华侨大学
Abstract: 本发明公开一种基于人眼感知特性的多图融合增强方法，具体包括：提取输入图像亮度图I0，进行线性拉伸预处理得到预处理图I，并将其均值归一化得到Hist；两次调整最小可觉察误差曲线得到曲线JND1和JND2，并以曲线JND1和JND2对Hist进行截断操作，分别得直方图Hist1和Hist2；根据截断后的直方图Hist2自适应生成gamma并对直方图Hist2中小于1的数据进行保护校正处理，得到更新后的Hist2’；将Hist1和Hist2’分别进行均衡化处理，依次得到映射曲线T1和T2，并将亮度图经由这两条映射曲线映射，得到增强图I1和I2；将增强图I1和I2进行融合处理，得到最终的增强结果图O；本发明提出的方法使用人眼最小可觉察误差曲线，更好的模拟人眼视觉特性，在有效增强局部细节纹理的同时，大大降低了计算复杂度。
-
Patent Agency Ranking
公开(公告)号：CN112419195A
公开(公告)日：2021-02-26
申请号：CN202011347648.8
申请日：2020-11-26
Applicant: 华侨大学
Abstract: 本发明公开了一种非线性变化的图像增强方法，包括如下步骤：对输入图像的灰度值进行线性拉伸，扩展灰度谱带宽，得到标准化图像；计算标准化图像的均值、中值和标准化图像的直方图所占动态范围的中间值，将均值、中值或标准化图像的直方图所占动态范围的中间值作为分隔值，将标准化图像按像素大小分成两个区域；计算两个区域的像素强度平均值，根据像素强度平均值计算两个区域的幂函数参数；利用幂函数参数分别对相应的区域进行校正，得到校正后的两个子图像；对校正后的两个子图像进行合并，得到最终的增强图像；本发明提供的方法克服了现有技术在不同场景图像亮度和对比度调整上参数非自适应等不足，提高处理效率，扩大适用范围。
-
公开(公告)号：CN112488969B
公开(公告)日：2023-06-20
申请号：CN202011472317.7
申请日：2020-12-14
Applicant: 华侨大学
Abstract: 本发明公开一种基于人眼感知特性的多图融合增强方法，具体包括：提取输入图像亮度图I0，进行线性拉伸预处理得到预处理图I，并将其均值归一化得到Hist；两次调整最小可觉察误差曲线得到曲线JND1和JND2，并以曲线JND1和JND2对Hist进行截断操作，分别得直方图Hist1和Hist2；根据截断后的直方图Hist2自适应生成gamma并对直方图Hist2中小于1的数据进行保护校正处理，得到更新后的Hist2’；将Hist1和Hist2’分别进行均衡化处理，依次得到映射曲线T1和T2，并将亮度图经由这两条映射曲线映射，得到增强图I1和I2；将增强图I1和I2进行融合处理，得到最终的增强结果图O；本发明提出的方法使用人眼最小可觉察误差曲线，更好的模拟人眼视觉特性，在有效增强局部细节纹理的同时，大大降低了计算复杂度。
-
公开(公告)号：CN112419195B
公开(公告)日：2023-06-20
申请号：CN202011347648.8
申请日：2020-11-26
Applicant: 华侨大学
Abstract: 本发明公开了一种非线性变化的图像增强方法，包括如下步骤：对输入图像的灰度值进行线性拉伸，扩展灰度谱带宽，得到标准化图像；计算标准化图像的均值、中值和标准化图像的直方图所占动态范围的中间值，将均值、中值或标准化图像的直方图所占动态范围的中间值作为分隔值，将标准化图像按像素大小分成两个区域；计算两个区域的像素强度平均值，根据像素强度平均值计算两个区域的幂函数参数；利用幂函数参数分别对相应的区域进行校正，得到校正后的两个子图像；对校正后的两个子图像进行合并，得到最终的增强图像；本发明提供的方法克服了现有技术在不同场景图像亮度和对比度调整上参数非自适应等不足，提高处理效率，扩大适用范围。
-
公开(公告)号：CN112488968A
公开(公告)日：2021-03-12
申请号：CN202011472286.5
申请日：2020-12-14
Applicant: 华侨大学
Abstract: 本发明公开了一种分程度直方图均衡融合的图像增强方法，包含如下步骤：取输入图像的亮度图I，统计灰度级直方图并将所述灰度级直方图均值归一化得到Hist；分别取gamma1和gamma2对归一化得到的Hist进行校正处理得到校正后的直方图Hist1和Hist2；将经过校正处理后的直方图Hist1和Hist2进行均衡处理，得到对应的映射曲线T1和T2并将原图灰度值分别按这两条映射曲线进行映射，得到增强图像I1和增强图像I2；计算均值归一化得到的Hist的灰度级非零占空比，记为W1，并以所述灰度级非零占空比作为增强程度较弱图像的权重，将增强图像I1和增强图像I2进行融合，得到最终增强图像O。本发明提出一种分程度直方图均衡融合的图像增强算法，用来克服局部增强计算复杂度大、块效应现象明显等问题，使得局部增强效果简单有效。
-
公开(公告)号：CN112419209A
公开(公告)日：2021-02-26
申请号：CN202011347659.6
申请日：2020-11-26
Applicant: 华侨大学
Abstract: 本发明公开了一种全局直方图均衡的图像增强方法，包括如下步骤：对输入图像的直方图进行均值归一化，将直方图分割成左右两个子直方图，伽马值以设定步进进行遍历，并对全局直方图进行校正；计算左右两个子直方图的大小差异，记对应伽马值为最佳伽马值，利用最佳伽马值对全局直方图进行处理；根据最佳伽马值，确定第二伽马值，利用所述第二伽马值对全局直方图中小于1的数据作进一步的校正；计算利用自适应伽马校正模型得到的左右两个子直方图的大小，根据左右两个子直方图的大小差异对子直方图进行调整；对调整后的全局直方图进行均衡，得到结果图像；本发明的方法解决了传统的直方图均衡过增强和欠增强等不足，使得处理过后均衡化的图像变得舒适自然，更贴近人眼亮度感知。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.016 seconds)
