积分商城

最新搜索： 神经网络 高压发生器电路图 AT91SAM7X256 S7 200 拼音输入 QCC5125
您现在的位置是：首页 > 技术资料 > 基于直方图均衡化图像增强的 两种改进方法
推荐星级：
  • 1
  • 2
  • 3
  • 4
  • 5

基于直方图均衡化图像增强的 两种改进方法

更新时间：2019-12-23 23:52:02 大小：6M 上传用户：守着阳光1985查看TA发布的资源 标签：图像增强 下载积分：1分 评价赚积分 （如何评价?） 打赏 收藏 评论(0) 举报

资料介绍

直方图均衡化(Histogram Equalization,HE)是图像增强领域中基础性很强的方法,对其研究和改进工作至关重要.首先,本文分析了经典HE算法的缺点,也概括了五类基于直方图均衡化的图像增强技术,然后针对HE经典算法的缺点提出了两种改进方法,分别引入了直方图动态削峰技术和边缘信息融合技术,最后选取曝光不足和过曝光的两类图像验证算法的性能,采取了有效的图像客观质量评价指标对实验结果做出评价.结合主客观图像质量评价可以看出,本文提出的算法具有增强效果好、输入参数少等特点


部分文件列表

文件名 大小
基于直方图均衡化图像增强的_两种改进方法.pdf 6M

【关注B站账户领20积分】

部分页面预览

（完整内容请下载后查看）
10  
Vol． 46 No． 10  
Oct． 2018  
第
2018  
期
10  
电
子
ACTA ELECTRONICA SINICA  
学
报
年
月
基于直方图均衡化图像增强的  
两种改进方法  
，
，
，
董丽丽 丁 畅 许文海  
(
116026)  
大连海事大学信息科学技术学院 辽宁大连  
:
( Histogram Equalization，HE)  
，
摘
要
直方图均衡化  
是图像增强领域中基础性很强的方法 对其研究和改进工  
．
，
HE  
， ，  
算法的缺点 也概括了五类基于直方图均衡化的图像增强技术 然后针对  
HE  
作至关重要 首先 本文分析了经典  
，
，
经典算法的缺点提出了两种改进方法 分别引入了直方图动态削峰技术和边缘信息融合技术 最后选取曝光不足和过  
，
．
曝光的两类图像验证算法的性能 采取了有效的图像客观质量评价指标对实验结果做出评价 结合主客观图像质量评  
，
、
．
价可以看出 本文提出的算法具有增强效果好 输入参数少等特点  
:
;
;
;
;
;
;
关键词  
中图分类号  
URL: http: / /www． ejournal． org． cn  
图像增强 直方图均衡化 子直方图均衡化 极大值搜索 动态削峰 边缘锐化 信息融合  
TN911. 73  
0372-2112 ( 2018) 10-2367-09  
DOI: 10． 3969 /j． issn． 0372-2112． 2018． 10． 009  
:
:
A
:
文章编号  
文献标识码  
电子学报  
Two Improved Methods Based on Histogram  
Equalization for Image Enhancement  
DONG Li-li，DING Chang，XU Wen-hai  
( School of Information Science and Technology，Dalian Maritime University，Dalian，Liaoning116026，China)  
Abstract: HE ( Histogram Equalization) is a fundamental method in the field of image enhancement，the research and  
improvement about which is very significant． First，this paper analyzes the disadvantages of the classical HE algorithm and  
summarizes five kinds of image enhancement techniques based on HE． Then，two kinds of improved methods are proposed  
aiming at the disadvantages of the classical HE algorithm，the techniques of the peak clipping and the edge information fu-  
sion are introduced． Finally，underexposure and overexposure images are selected to verify the algorithms’properties，the  
standard of efficient image objective quality assessment is selected to evaluate the experimental results． The assessment of  
image subjective and objective quality shows the algorithms this paper proposes have the characteristics of better results，less  
input parameters and so on．  
Key words: image enhancement; histogram equalization; sub-histogram equalization; maximum value searching; peak  
clipping dynamically; edge sharpening; information fusion  
［2］  
，
:
，
于实现 其缺点 主要为 ①灰度级个数减小 信息熵  
1
引言  
，
;
，
下降 局部细节缺失 ②算法未考虑图像边缘信息 不能  
［1，2］ ( Histogram Equalization，HE)  
直方图均衡化  
技
;
．
用于细节增强 ③平均灰度值固定 国内外学者关于经  
［4］  
术可 广 泛 应 用 于 图 像 增 强［3］ 光 照 补 偿  
图 像 去  
HE  
［2］  
、
、
HE  
．
典
算法的改进可分为五类  
，
第一类是子直方图均  
雾［5，6］等多个领域 国内外很多研究人员致力于  
方
衡化技术［7 ～ 12］ 主要用于亮度保护下的图像对比度增  
;
;
法的研究及改进工作 很多关于图像增强的研究工作  
．
强 代表性算法如  
BBHE ( Brightness Preserving Bi-Histo-  
算法［7］  
HE  
．
方法 以上三点可充分说明  
在结果对比时着重参考  
HE  
gram Equalization)  
、DSIHE ( Dualistic Sub-Image  
算 法［8］  
、
、
，
、
方法潜力大 关注度高 代表性强 因此对其总结  
．
Histogram Equalization)  
、MMBEBHE ( Minimum  
［9］  
改进等工作都至关重要  
HE  
Mean Brightness Error Bi-Histogram Equalization)  
、
算法  
、
、
经典  
算法的优点在于时域处理 计算简单 易  
RMSHE ( Recursive Mean-Separate Histogram Equaliza-  
: 2017-09-15;  
: 2018-03-26;  
:
收稿日期  
修回日期  
责任编辑 孙瑶  
:
( No． 2014BAB12B03) ;  
( No． 61501077) ;  
( No． 3132016351，  
中央高校基本科研业务费专项资金  
基金项目 国家科技支撑计划  
国家自然科学基金  
No． 3132018189)  
2368  
2018  
电
子
学
报
年
［10］  
tion)  
．
，
算法 等 第二类技术是修正的直方图均衡化技  
然后 需要根据 以 上搜索出 的 极大值对 原直方  
，
图划分出局部峰区间 本文采取相邻峰值点的平均  
术［13 ～ 16］ 主要针对某些特定灰度级进行对比度增强 代  
，
．
AHE ( Adaptive Histogram Equalization)  
， ( 2) ，  
数计算出局部峰区间端点 见式 进而完成区间  
表性算法如  
算
［17，18］  
法［13］ 第三类技术是直方图变分技术  
．
主要用于亮  
划分 利用  
， t = ( t ，t …t ，t …t ，t ，t  
值 利用  
代表极大  
代表局部  
0
．
，
．
v = ( v ，v … v ，v … v ，v )  
1
2
n
n + 1  
N － 1  
N
)
度保护下的图像对比度增强 第四类是局部直方图均  
1
2
n
n + 1  
N － 1  
N
N + 1  
衡化技术［19，20］ 主要用于图像细节增强 代表性算法如  
峰端点 同时需要考虑到图像的最小灰度值 和最  
，
．
，
POSHE ( Partially Overlapped Sub-block Histogram Equali-  
255  
大灰度值  
应分别为第一个局部峰的左端点和最  
［20］  
zation)  
．
，
t = 0，t  
= 255．  
算法  
第五类是基于变换域均衡化的图像增  
后一个局部峰的右端点 即  
区间划  
1
N + 1  
强技术［21 ～ 24］ 主要用于图像细节增强  
分的具体情况见式  
等号右边 相应地 原图像按  
，
．
( 3)  
．
，
(
X )  
( 4) ．  
需
上述划分情况形成的子图像 集合  
如式  
n
2
自适应子直方图均衡化增强算法  
要指出的 是 若 采 取 的 邻 域 半 径 仅 搜 索 到 一 个 峰 值  
保持图像亮度的自适应子直方图均衡化增强算法  
，
，
点 此时直方图大致可以用一个单峰描述 仅做一个  
( Brightness Preserving Adaptive Sub-Histogram Equaliza-  
，
BPA-  
整 体 区 间 的 均 衡 化 即 可 削 去 这 个 单 峰 那 么  
tion，BPASHE)  
，
属于子直方图均衡化技术 目的是以保  
．
SHE HE  
，
算法 上 述 讨 论 适 用 于 搜  
算法回 归到经典  
索到至少两个峰值点的情况  
+ v  
护图像的亮度为前提做到图像对比度的提升 自然图  
．
像直方图特点为相邻灰度级的频率变化缓慢 这样可  
．
v
n － 1  
n
t =  
n
( n = 2，3，…，N)  
( 2)  
-
-
，
考虑将直方图分解为波谷 波峰 波谷的形式 重点在于  
2
，
搜索极大值 以极大值为中心的一个合适范围就可确  
［t ，t ］=［t ，t ］ ( t ，t ］ …( t ，t ］ ( 3)  
∪
∪
1
N + 1  
1
2
2
3
N
N + 1  
，
定一个局部峰 最后分别对局部峰做均衡化处理来实  
X = { I( i，j) ; t ＜ I( i，j)  
t
!
， I( i，j) I} ( 4)  
∈
n
n
n + 1  
． BPASHE  
．
现该算法  
( 1)  
算法的优点表现为以下三个方面  
，
最后 需要对以上按区间分割成的子图像进行子  
．
，
一幅图像直方图若出现局部峰 一定是图像显著性  
直方图均衡化 局部峰均衡化先要统计灰度值在子图  
，
，
的灰度范围 在局部峰均衡化处理前后 每段灰度级个  
，
像内的比例而后计算累加后的频率分布 最后计算子  
，
．
数的比例不变 这样就会更有效地保护图像的亮度  
．
直方图均衡化之后的灰度值 设  
X
中的有灰度值大小  
n
( 2)  
，
针对于直方图局部峰做均衡化 可在一定程度上避  
x
，x  
X
CDF( x ) ，  
中的累加频率为 那么  
为
x
的元素  
在
n
n
n
n
． ( 3)  
免灰度级个数的大量减少  
局部峰划分情况对于待  
．
y
( 5) ，  
计算公式如式 对  
经过局部均衡化后得到的  
n
n
增强图像的直方图趋势自适应 分段个数与分段阈值  
( 5)  
，
原图像每一个灰度值都按式  
计算 并将各区间合成  
，
．
不预先指定 实现自适应  
BPASHE  
BPASHE  
．
可得出  
算法结果  
HE  
算法对于经典  
算法的①③两个缺点  
y = t + ( t  
－ t ) × CDF( x )  
( 5)  
n
n
n + 1  
n
n
，
改善明显 算法中唯一的参数为搜索极大值时选用的  
．
2. 3  
实验结果分析  
本文选取曝光不足天鹅图像做算法的实验 如图  
1( a) ，  
邻域半径 δ  
2. 1 BPASHE  
，
算法机制分析  
，
以下简称为图像Ⅰ 本文中所有实验采用的仿  
子直方图均衡化技术目的在于以保护图像的亮度  
．
MATLAB R2012a 32  
．
位 本节实验中选取不  
真软件为  
同的领域半径值 分别列出  
、
为前提做到对比度增强 该技术需要使图像亮度的改  
．
，
BPASHE  
、
算法中峰值点  
变在可接受范围内做到较好的对比度增强效果 准确  
，
局部峰端点值 局部峰所在的子区间等具体数据 又  
，
，BPASHE  
算法  
而言 亮度保护与对比度增强两者对立  
在搜索极大值时所涉及到的邻域半径 δ 就可以实现两  
． BPASHE  
列出了不同邻域半径下得出的不同增强结果便于总  
．
结该算法的性能 采取平均灰度值描述图像的亮度  
，
者的平衡  
算法中的 δ 描述了极大值选取的宽  
EME ( Enhancement Measure by Entropy)  
采取  
指标［25］  
．
，
严程度 若 δ 越小 直方图极大值所达到的标准变得容  
．
评价图像的对比度 目前  
，EME  
指标已被广泛地用于  
，
，
，
易 更多的极大值会被搜索到 划分的局部峰也越密 每  
，
图像对比度的评价 主要原理是对图像进行分块根据  
每块中的最大灰度值和最小灰度值衡量图像整体的  
，
个局部峰内的灰度值范围也越小 增强结果的亮度越  
，
．
接近于原图 但对原图的对比度提升也越小  
，
( 6) ，k  
k
对比度 计算方法如式  
和
分别表示整幅图  
c
1
2
2. 2  
算法实现步骤  
，
像高和宽分块时序号的末尾值 实际计算时应引入  
，
首先 借鉴数学分析中对极大值的定义来搜索局  
( 1) ， ( 1)  
中的 表示搜索到的第 个极  
，
，
这一个小的正常数 为避免分式无意义设置 本文计  
，
v
n
部峰值 如式  
式
0. 1， 3 × 3  
，
算时将其设定为  
同时采用  
大小的块 按各  
n
，
．
大值 δ 为领域半径  
，EME  
，
值越大  
块相等的权重计算出每幅图像的结果  
．
该幅图像的对比度越高  
h( v ) h( x) x ［v － ，v + ］  
( 1)  
∈
δ
δ
n
n
n

相关下载

全部评论(0)

暂无评论
评论赚积分>>

上传资源 上传优质资源有赏金

热门标签

更多>>

最新上传

  • 打赏
  • 30日榜单

热门下载

资料专题

推荐下载

本站上的所有资源均为源于网上收集或者由用户自行上传，仅供学习和研究使用，无任何商业目的，版权归原作如有侵权，请 来信指出，本站将立即改正。

ICP许可证号：京ICP证070360号     21IC电子网 2000- 版权所有

京ICP备11013301号

京公网安备 11010802024343号