CN110796612A - 一种图像增强方法及*** - Google Patents
一种图像增强方法及*** Download PDFInfo
- Publication number
- CN110796612A CN110796612A CN201910955851.4A CN201910955851A CN110796612A CN 110796612 A CN110796612 A CN 110796612A CN 201910955851 A CN201910955851 A CN 201910955851A CN 110796612 A CN110796612 A CN 110796612A
- Authority
- CN
- China
- Prior art keywords
- image enhancement
- pixel
- image
- template
- color space
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 30
- 230000004927 fusion Effects 0.000 claims abstract description 3
- 230000006870 function Effects 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 14
- 238000001914 filtration Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 230000002708 enhancing effect Effects 0.000 claims description 2
- 238000010606 normalization Methods 0.000 claims description 2
- 230000003044 adaptive effect Effects 0.000 claims 1
- 230000001131 transforming effect Effects 0.000 claims 1
- 238000005516 engineering process Methods 0.000 description 5
- 230000004069 differentiation Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000002591 computed tomography Methods 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000001747 pupil Anatomy 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/40—Analysis of texture
- G06T7/41—Analysis of texture based on statistical description of texture
- G06T7/44—Analysis of texture based on statistical description of texture using image operators, e.g. filters, edge density metrics or local histograms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Probability & Statistics with Applications (AREA)
- Image Processing (AREA)
Abstract
本发明公开一种图像增强方法及***,其中该方法包括:首先将医学图像从RGB颜色空间变换到YUV颜色空间得到亮度分量,并计算一种改进的基于G‑L分数阶微分的图像增强模板,然后采用固定阶数增强模板和自适应阶数增强模板分别对图像的亮度进行第一次和第二次图像增强,将两次图像增强的结果进行图像融合,得到新的亮度分量;最后将新的亮度分量和原始的色度信息组合,得到新的YUV颜色图像,接着将其转换到RGB颜色空间,得到最终的增强医学图像。解决现有技术中纹理细节不清楚的问题,增强纹理细节,提高图像质量。
Description
技术领域
本发明涉及图像处理技术领域,具体是一种图像增强方法及***。
背景技术
近些年来,随着计算机技术的发展,影像技术被广泛的应用到现代医学的临床领域,比如核磁共振技术、计算机断层扫描技术等,这些医学影像技术给医生的诊断提供了有利的条件。但是医学图像在形成的过程中会受到诸如噪声的影响,导致拍摄的医学图像具有模糊、对比度低等特点,这些特点使得医生很难用肉眼准确地获得关键信息,从而导致漏检或误检。因此,对医学图像进行增强处理拥有非常重要的应用价值。
目前常用的医学图像纹理结构增强方法,主要可以分为锐化增强、模糊集增强、多尺度几何增强以及基于微分算子的增强方法等。针对不同的医学图像成像特点,各种方法既有其优势也有其缺点,例如锐化增强可以增强图像的小细节以及边缘部分,但是对噪声比较敏感;模糊集增强虽然可以处理医学图像中大量的不确定性,得到较好的增强效果,但是需要依赖较多先验知识,鲁棒性低;多尺度几何增强可以从,多个尺度对图像进行有针对性的增强,但容易产生“振铃”效应;基于微分算子的增强可以有效处理角点、管状等结构,但不能很好的解决检测图像中平滑区域内部的文理细节问题,导致图像质量不高。
发明内容
本发明提供一种图像增强方法及***,用于克服现有技术中对于图像中的纹理细不够清晰等缺陷,增强图像纹理细节,以提高图像处理质量。
为实现上述目的,本发明提供一种图像增强方法,包括以下步骤:
将待处理图像从RGB颜色空间变换到YUV颜色空间,获得亮度信息和色度信息;
在二维函数中基于G-L分数阶微分算子构建图像增强基本模板;
根据像素与中心像素之间的相关性对图像增强基本模板进行改进,获得图像增强模板;
采用固定阶数的图像增强模板对所述亮度信息进行滤波,获得一次图像增强结果;
采用自适应阶数的图像增强模板对所述亮度信息进行滤波,获得二次图像增强结果;
对一次图强结果和二次图像增强结果进行融合获得最终的亮度信息;
将最终的亮度信息和色度信息组合获得的新的YUV颜色空间图像转换到RGB颜色空间,获得增强图像。
为实现上述目的,本发明还提供一种图像增强***,包括存储器和处理器,所述存储器存有图像增强程序,所述处理器在运行所述图像增强程序时执行上述任一方法的步骤。
本发明提供的图像增强方法及***,对采集的待处理图像进行颜色空间转换,获得亮度信息和色度信息;根据G-L分数阶微分算子对二维图像函数差分求解,构建图像增强基本模板,用于对图像边缘进行检测;在应用分数阶微分进行图像处理时,采用固定阶数和自适应阶数的图像图像增强模板相结合,考虑其他像素和中心像素的距离和相关性,相对于传统的固定阶数图像增强模板,图像平滑区域中灰度变化不大的纹理细节信息没有被大幅度的书案件,而在一定程度上得到了保留,能对具有丰富的纹理区域和平滑区域进行相应的处理,并突出了图像感兴趣区域的边缘,能提取更多边缘细节信息;然后再通过加权融合两次图像增强结果,获得最终的亮度信息;最后根据最终的亮度信息和色度信息还原YUV颜色空间图像,再转换到RGB颜色空间,获得增强图像;增强图像纹理细节,提高了图像处理质量。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图示出的结构获得其他的附图。
图1为本发明实施例提供的图像增强方法的流程图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明,本发明实施例中所有方向性指示(诸如上、下、左、右、前、后……)仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等,如果该特定姿态发生改变时,则该方向性指示也相应地随之改变。
另外,在本发明中如涉及“第一”、“第二”等的描述仅用于描述目的,而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
在本发明中,除非另有明确的规定和限定,术语“连接”、“固定”等应做广义理解,例如,“固定”可以是固定连接,也可以是可拆卸连接,或成一体;可以是机械连接,也可以是电连接,还可以是物理连接或无线通信连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通或两个元件的相互作用关系,除非另有明确的限定。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
另外,本发明各个实施例之间的技术方案可以相互结合,但是必须是以本领域普通技术人员能够实现为基础,当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在,也不在本发明要求的保护范围之内。
实施例一
如附图1所示,本发明实施例提供一种图像增强方法,下面以医学图像的增强为例进行详细说明,主要包括以下步骤:
S1,将待处理图像从RGB颜色空间变换到YUV颜色空间,获得亮度信息和色度信息;
这里的待处理图像为医学图像,但还可以适用于掌纹图像、瞳孔图像、人脸图像、自然图像等,而不限于医学图像,首先输入需要待处理的医学RGB图像,对待处理图像以固定频率采样;
将待处理图像从RGB颜色空间变换到YUV颜色空间,变换公式如下:
在YUV颜色空间,亮度信息Y和两个色度信息U、V完全分离。各参数的取值范围是:R为红色系数:0-255;G为绿色系数:0-255;B为蓝色系数:0-255。参数值也称为三色系数或基色系数或颜色值,除以255后归一到0-1之间;变换空间用于将彩色转换为灰度值,以便于进行计算,是图像处理过程中常用的手段;
S2,在二维函数中基于G-L分数阶微分算子构建图像增强基本模板;
设图像灰度值为f(x,y),对应的二维图像函数在x轴和y轴的分数阶微分的差分求解如下:(为什么要写卷积模板,别的论文里面都没有这个内容)根据一维函数f(x)的G-L分数阶微分的差分格式在二维函数f(x,y)上进行扩展;其中一维函数f(x),x的取值范围是的[a,b]的G-L分数阶微分的差分格式:
其中,v是分数阶数,n=[(b-a)/h],h是单位步长取值1,[a]表示对a进行取整操作,Γ(n)=(n-1)!;
将公式(2)扩展到二维函数f(x,y),在x方向和y方向分别进行分数阶微分处理,选择前三项系数构建5×5的G-L分数阶微分的图像增强基本模板:
其中,c1=8、c2=-v、c3=(v2-v)/2;
S3,根据像素与中心像素之间的相关性对图像增强基本模板进行改进,获得图像增强模板;
采用高斯模板表征像素与中心像素之间的距离相关性对图像增强基本模板进行改进获得图像增强模板。
传统的分数阶微分图像增强假定各个像素与中心像素的相关性都一样。事实上,图像像素间的相关性和离中心像素距离存在一些关系,即随着离中心像素距离的增大,和中心像素的相关性就越来越低。因此,在应用分数阶微分进行图像处理时,应该考虑其他像素和中心像素的距离和相关性。高斯模板能够很好的表征像素和中心像素之间的距离相关性,因此对原来的模板进行改进,公式如下:
其中,Gauss是5×5的高斯模板,.×表示矩阵之间的点乘运算。然后在对进行对G1进行归一化处理即可得到最终的增强模板G1′。
S4,采用固定阶数的图像增强模板对所述亮度信息进行滤波,获得一次图像增强结果;
采用固定阶数和增强模板G1′对图像的亮度分量Y进行滤波,得到第一次图像增强结果Y1;
Y1=Y*G1′ (5)
其中,模板中使用的分数阶数v,这里取一个固定值0.8,可以得到良好的图像增强效果;
S5,采用自适应阶数的图像增强模板对所述亮度信息进行滤波,获得二次图像增强结果;
S5包括:
S51根据像素预定的邻域区间和亮度信息在该像素的亮度值获取每个像素在预定多方向的梯度模值;
S52获得多方向中最大梯度模值,根据每个像素的最大梯度值获得该像素对应的分数阶数;
S53根据每个像素相对的分数阶数获得对应的图像增强模板;并获得每个像素点的二次图像增强结果。
传统的分数阶微分图像增强采用固定阶数进行处理,但是图像的不同区域差异较大,包含的特征也各不相同,简单地对一幅图像采用相同的微分阶数存在一些的缺陷,增强效果会受到一定的限制。图像梯度是反应图像空间变换率的主要特征,所以我们对每个像素基于梯度信息,计算其对应的阶数,然后根据结果对该像素进行增强,得到第二次图像增强结果。
(1)计算每个像素的梯度模值T(x,y);
为了更加详细地反映中心像素点与邻域像素点之间的亮度度幅值变化情况,在像素点的8个方向上求梯度模,计算公式如下:
T(x,y)=max(|Y(x′,y′)-Y(x,y)|) (6)
其中,(x′,y′)∈Ω(x,y),Ω(x,y)表示像素点(x,y)的3×3领域区间,Y(x,y)表示亮度分量Y在像素点(x,y)的亮度值;
(2)统计最大的梯度模值,记为T max;
(3)根据每个像素的梯度模值T(x,y)计算其对应的分数阶数v2(x,y),
其中,p=exp(T(x,y)/Tmax),q是调节参数这里取值1.1,可以更好的表征像素点的梯度信息;
(4)对于每个像素(x,y),采用其对应的分数阶数v2(x,y),代入公式(3)、公式(4),计算对应的增强模板,记为G1′_2(x,y),然后对像素进行增强:
Y2(x,y)=YΩ5(x,y)*G1′_2(x,y) (8)
其中,YΩ5(x,y)表示在亮度分量Y上像素点(x,y)的5×5领域区间所在的子图像,Y2(x,y)表示在像素点(x,y)的增强的结果,全部像素计算完毕后,可得到第二次图像增强结果Y2;
S6,对一次图强结果和二次图像增强结果进行融合获得最终的亮度信息;
对两次增强结果,进行图像融合,得到最终的亮度分量newY;
newY=k1×Y1+(1-k1)×Y2 (9)
其中k1是加权系数,这里取0.4,可以更好的融合两次图像增强的结果。
S7,将最终的亮度信息和色度信息组合获得的新的YUV颜色空间图像转换到RGB颜色空间,获得增强图像。与步骤S1的计算是逆运算。
本发明提出的医学图像增强方法,能够有效的增强纹理细节,提高图像的质量,并且算法复杂度低,能够很好的满足实时处理的需求。
实施例二
基于上述实施例一,本发明实施例还提供一种图像增强***,包括存储器和处理器,所述存储器存有图像增强程序,所述处理器在运行所述图像增强程序时执行上述任意图像增强方法实施例的步骤。
以上所述仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是在本发明的发明构思下,利用本发明说明书及附图内容所作的等效结构变换,或直接/间接运用在其他相关的技术领域均包括在本发明的专利保护范围内。
Claims (10)
1.一种图像增强方法,其特征在于,包括:
将待处理图像从RGB颜色空间变换到YUV颜色空间,获得亮度信息和色度信息;
在二维函数中基于G-L分数阶微分算子构建图像增强基本模板;
根据像素与中心像素之间的相关性对图像增强基本模板进行改进,获得图像增强模板;
采用固定阶数的图像增强模板对所述亮度信息进行滤波,获得一次图像增强结果;
采用自适应阶数的图像增强模板对所述亮度信息进行滤波,获得二次图像增强结果;
对一次图强结果和二次图像增强结果进行融合获得最终的亮度信息;
将最终的亮度信息和色度信息组合获得的新的YUV颜色空间图像转换到RGB颜色空间,获得增强图像。
3.如权利要求1所述的图像增强方法,其特征在于,所述在二维函数中基于G-L分数阶微分构建图像增强基本模板的步骤包括:
根据一维函数f(x)的G-L分数阶微分的差分格式在二维函数f(x,y)上进行扩展;其中一维函数f(x),x的取值范围是的[a,b]的G-L分数阶微分的差分格式:
其中,v是分数阶数,n=[(b-a)/h],h是单位步长取值1,[a]表示对a进行取整操作,Γ(n)=(n-1)!;
将公式(2)扩展到二维函数f(x,y),在x方向和y方向分别进行分数阶微分处理,选择前三项系数构建5×5的G-L分数阶微分的图像增强基本模板:
其中,c1=8、c2=-v、c3=(v2-v)/2;
4.如权利要求3所述的图像增强方法,其特征在于,所述根据像素与中心像素之间的相关性对图像增强基本模板进行改进,获得图像增强模板的步骤包括:
采用高斯模板表征像素与中心像素之间的距离相关性对图像增强基本模板进行改进获得图像增强模板。
5.如权利要求4所述的图像增强方法,其特征在于,所述采用高斯模板表征像素与中心像素之间的距离相关性对图像增强基本模板进行改进获得图像增强模板的步骤包括:
将高斯模板与所述图像增强基本模板进行如下点乘运算:
Gauss是5×5的高斯模板,.×表示矩阵之间的点乘运算;
对所述点乘运算结果G1进行归一化处理获得图像增强模板G1′。
6.如权利要求5所述的图像增强方法,其特征在于,所述采用固定阶数的图像增强模板对所述亮度信息进行滤波,获得一次图像增强结果的步骤包括:
采用图像增强模板G1′对亮度信息Y进行滤波,获得一次图像增强结果Y1;
Y1=Y*G1′ (5)
其中,模板中使用的分数阶数v取固定值0.8。
7.如权利要求1~6所述的图像增强方法,其特征在于,所述采用自适应阶数的图像增强模板对所述亮度信息进行滤波,获得二次图像增强结果的步骤包括:
根据像素预定的邻域区间和亮度信息在该像素的亮度值获取每个像素在预定多方向的梯度模值;
获得多方向中最大梯度模值,根据每个像素的最大梯度值获得该像素对应的分数阶数;
根据每个像素相对的分数阶数获得对应的图像增强模板;并获得每个像素点的二次图像增强结果。
8.如权利要求7所述的图像增强方法,其特征在于,所述根据像素预定的邻域区间和亮度信息在该像素的亮度值获取每个像素在预定多方向的梯度模值的步骤包括:
在像素点的8个方向上求梯度模,计算公式如下:
T(x,y)=max(|Y(x′,y′)-Y(x,y)|) (6)
其中,(x′,y′)∈Ω(x,y),Ω(x,y)表示像素点(x,y)的3×3领域区间,Y(x,y)表示亮度分量Y在像素点(x,y)的亮度值;
所述获得多方向中最大梯度模值,根据每个像素的最大梯度值获得该像素对应的分数阶数的步骤包括:
统计最大的梯度模值,记为Tmax;
根据每个像素的梯度模值T(x,y)及最大的梯度模值计算该像素对应的分数阶数v2(x,y):
其中,p=exp(T(x,y)/Tmax),q是调节参数这里取值1.1;
所述根据每个像素相对的分数阶数获得对应的图像增强模板;并获得每个像素点的二次图像增强结果的步骤包括:
对于每个像素(x,y),采用该像素对应的分数阶数v2(x,y),根据公式(3)、(4),获得该像素对应的图像增强模板,记为G1′_2(x,y),然后对该像素进行增强:
Y2(x,y)=YΩ5(x,y)*G1′_2(x,y) (8)
其中,YΩ5(x,y)表示在亮度分量Y上像素点(x,y)的5×5领域区间所在的子图像,Y2(x,y)表示在像素点(x,y)的增强的结果,全部像素计算完毕后,得到第二次图像增强结果Y2。
9.如权利要求1~6任一项所述的图像增强方法,其特征在于,所述对一次图强结Y1果和二次图像增强结果Y2进行融合获得最终的亮度信息的步骤包括:
对两次图像增强结果进行图像融合,得到最终的亮度分量newY;
newY=k1×Y1+(1-k1)×Y2 (9)
其中k1是加权系数,这里取0.4。
10.一种图像增强***,包括存储器和处理器,其特征在于,所述存储器存有图像增强程序,所述处理器在运行所述图像增强程序时执行所述权利要求1~9任一所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910955851.4A CN110796612B (zh) | 2019-10-09 | 2019-10-09 | 一种图像增强方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910955851.4A CN110796612B (zh) | 2019-10-09 | 2019-10-09 | 一种图像增强方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110796612A true CN110796612A (zh) | 2020-02-14 |
CN110796612B CN110796612B (zh) | 2022-03-25 |
Family
ID=69440085
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910955851.4A Active CN110796612B (zh) | 2019-10-09 | 2019-10-09 | 一种图像增强方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110796612B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112102204A (zh) * | 2020-09-27 | 2020-12-18 | 苏州科达科技股份有限公司 | 图像增强方法、装置及电子设备 |
CN112435195A (zh) * | 2020-12-02 | 2021-03-02 | 湖南优象科技有限公司 | 一种基于自适应分数阶微分的图像增强方法及*** |
CN112634144A (zh) * | 2020-11-20 | 2021-04-09 | 深圳市优象计算技术有限公司 | 一种基于分数阶微分的医学图像增强方法及*** |
CN112907460A (zh) * | 2021-01-25 | 2021-06-04 | 宁波市鄞州区测绘院 | 一种遥感图像增强方法 |
CN115511755A (zh) * | 2022-11-22 | 2022-12-23 | 杭州雄迈集成电路技术股份有限公司 | 一种视频流图像自适应增强方法和*** |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102750680A (zh) * | 2012-06-30 | 2012-10-24 | 四川农业大学 | 基于经验模式分解和颜色空间的茶叶图像增强方法 |
CN103440623A (zh) * | 2013-08-02 | 2013-12-11 | 中北大学 | 基于成像模型提高雾天图像清晰度的方法 |
CN106910215A (zh) * | 2017-03-15 | 2017-06-30 | 沈阳理工大学 | 一种基于分数阶梯度插值的超分辨率方法 |
CN107316279A (zh) * | 2017-05-23 | 2017-11-03 | 天津大学 | 基于色调映射和正则化模型的弱光图像增强方法 |
CN108564547A (zh) * | 2018-04-19 | 2018-09-21 | 南京信息工程大学 | 一种自适应微分阶数的分数阶微分图像增强方法 |
CN108665431A (zh) * | 2018-05-16 | 2018-10-16 | 南京信息工程大学 | 基于k-均值聚类的分数阶图像纹理增强方法 |
CN109191390A (zh) * | 2018-08-03 | 2019-01-11 | 湘潭大学 | 一种基于不同颜色空间多算法融合的图像增强算法 |
-
2019
- 2019-10-09 CN CN201910955851.4A patent/CN110796612B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102750680A (zh) * | 2012-06-30 | 2012-10-24 | 四川农业大学 | 基于经验模式分解和颜色空间的茶叶图像增强方法 |
CN103440623A (zh) * | 2013-08-02 | 2013-12-11 | 中北大学 | 基于成像模型提高雾天图像清晰度的方法 |
CN106910215A (zh) * | 2017-03-15 | 2017-06-30 | 沈阳理工大学 | 一种基于分数阶梯度插值的超分辨率方法 |
CN107316279A (zh) * | 2017-05-23 | 2017-11-03 | 天津大学 | 基于色调映射和正则化模型的弱光图像增强方法 |
CN108564547A (zh) * | 2018-04-19 | 2018-09-21 | 南京信息工程大学 | 一种自适应微分阶数的分数阶微分图像增强方法 |
CN108665431A (zh) * | 2018-05-16 | 2018-10-16 | 南京信息工程大学 | 基于k-均值聚类的分数阶图像纹理增强方法 |
CN109191390A (zh) * | 2018-08-03 | 2019-01-11 | 湘潭大学 | 一种基于不同颜色空间多算法融合的图像增强算法 |
Non-Patent Citations (4)
Title |
---|
BO LO ET AL.: ""Adaptive fractional differential approach and its application to medical image enhancement"", 《ELSEVIER》 * |
JINGANG CAO: ""An Image Enhancement Method Based on Fractional Calculus and Retinex"", 《JOURNAL OF COMPUTER AND COMMUNICATIONS》 * |
罗丽红: ""图像后处理增强算法的研究与实现"", 《中国优秀博硕士学位论文全文数据库(硕士) 信息科技辑》 * |
胡伏原 等: ""自适应分数阶微分的符合双边滤波算法"", 《中国图象图形学报》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112102204A (zh) * | 2020-09-27 | 2020-12-18 | 苏州科达科技股份有限公司 | 图像增强方法、装置及电子设备 |
WO2022062346A1 (zh) * | 2020-09-27 | 2022-03-31 | 苏州科达科技股份有限公司 | 图像增强方法、装置及电子设备 |
CN112634144A (zh) * | 2020-11-20 | 2021-04-09 | 深圳市优象计算技术有限公司 | 一种基于分数阶微分的医学图像增强方法及*** |
CN112435195A (zh) * | 2020-12-02 | 2021-03-02 | 湖南优象科技有限公司 | 一种基于自适应分数阶微分的图像增强方法及*** |
CN112435195B (zh) * | 2020-12-02 | 2024-06-04 | 湖南优象科技有限公司 | 一种基于自适应分数阶微分的图像增强方法及*** |
CN112907460A (zh) * | 2021-01-25 | 2021-06-04 | 宁波市鄞州区测绘院 | 一种遥感图像增强方法 |
CN112907460B (zh) * | 2021-01-25 | 2022-07-29 | 宁波市鄞州区测绘院 | 一种遥感图像增强方法 |
CN115511755A (zh) * | 2022-11-22 | 2022-12-23 | 杭州雄迈集成电路技术股份有限公司 | 一种视频流图像自适应增强方法和*** |
CN115511755B (zh) * | 2022-11-22 | 2023-03-10 | 杭州雄迈集成电路技术股份有限公司 | 一种视频流图像自适应增强方法和*** |
Also Published As
Publication number | Publication date |
---|---|
CN110796612B (zh) | 2022-03-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110796612B (zh) | 一种图像增强方法及*** | |
CN110246108B (zh) | 一种图像处理方法、装置及计算机可读存储介质 | |
US7720279B2 (en) | Specifying flesh area on image | |
JP2870415B2 (ja) | 領域分割方法および装置 | |
US7116820B2 (en) | Detecting and correcting red-eye in a digital image | |
CN102722868B (zh) | 一种高动态范围图像色调映射方法 | |
Yu et al. | Fast single image fog removal using edge-preserving smoothing | |
CN103400150B (zh) | 一种基于移动平台进行道路边缘识别的方法及装置 | |
US10565742B1 (en) | Image processing method and apparatus | |
CN101675454A (zh) | 采用全色像素的边缘绘图 | |
CN107610093B (zh) | 基于相似性特征融合的全参考型图像质量评价方法 | |
CN106875358A (zh) | 基于Bayer格式的图像增强方法及图像增强装置 | |
CN109447912B (zh) | 一种荧光导航内窥镜***的荧光图像自适应增强及降噪方法 | |
CN111223110B (zh) | 一种显微图像增强方法、装置及计算机设备 | |
CN101976436A (zh) | 一种基于差分图修正的像素级多聚焦图像融合方法 | |
CN109166089A (zh) | 一种对多光谱图像和全色图像进行融合的方法 | |
CN106056565B (zh) | 一种基于多尺度形态学双边滤波分解和对比度压缩的mri与pet图像融合方法 | |
JP7076168B1 (ja) | リアルタイム映像における画像の物体輪郭を強調する方法 | |
CN101853500A (zh) | 一种彩色多聚焦图像融合方法 | |
CN101287134B (zh) | 自适应肤色补偿方法 | |
CN110298812B (zh) | 一种图像融合处理的方法及装置 | |
CN116468627A (zh) | 一种基于二次加权快速导向滤波的内窥镜图像增强方法 | |
JP4369030B2 (ja) | 画像補正方法および装置ならびに画像補正プログラムを記録したコンピュータ読取可能な記録媒体 | |
CN110136085A (zh) | 一种图像的降噪方法及装置 | |
CN101909214B (zh) | 图像处理电路及方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |