由于成像环境的变化和红外成像传感器的局限性，红外图像通常具有一些缺点：对比度低，细节少和边缘不清晰。 因此，为了促进红外成像技术的应用，必须提高红外图像的质量。 为了自适应地增强图像细节和边缘，我们在提出的图像增强方案下提出了一种红外图像增强方法。 一方面，假设高质量图像比低质量图像具有更明显的结构奇异性，我们提出了一种依赖于结构特征提取的图像增强方案。 另一方面，不同于当前基于深度学习网络的图像增强算法，该算法试图训练和构建端到端映射以提高图像质量，我们分析了堆叠稀疏去噪自动编码器中第一层的重要性，以及为提出的图像增强方案提出了一种新颖的特征提取方法。 实验结果证明，该新颖的特征提取方法在边缘没有伪影，例如块状伪影，“梯度反转”和伪轮廓。 与其他增强方法相比，该方法在红外图像增强方面达到了最佳性能。

数字图像处理 数字图像处理大作业（雷达图像图像增强+射频干扰抑制）+菜鸟入门，西安电子科技大学大四数字图像处理大作业

matlab暗调滤镜代码图像增强 资源 现实世界中的水下增强功能：具有挑战性的基准测试和有效的解决方案 对比增强 弱光图像的对比度增强技术 Matlab中快速优化的图像/视频增强方法 CAIP2017的“使用曝光融合框架的新图像对比度增强算法”的Python实现 “通过通道划分增强内容感知的暗图像”的非官方实现。 实施“基于retinex的单个水下图像增强方法” Matlab代码，“使用对比度增强功能对对比度失真的图像进行无参考质量评估” 加快自适应对比度增强（SUACE）； 一种基于OpenCV对比度增强技术。 基于局部边缘保留滤镜的2016 HDR红外图像细节增强的matlab代码 使用波长补偿和去雾的水下图像增强 “用于实时图像增强的深度双边学习”的实现 全卷积网络的快速图像处理 反射去除 “使用重影提示去除反射”的实施 除雾 在CUDA上实现的除雾算法。 MATLAB实现的“非局部图像去雾”论文 实施“在充满挑战的照明条件下进行视频增强的高效集成算法”。 水下的。 实施“通过融合视频演示增强水下图像和视频” 密集连接的金字塔除雾网络 超分辨率 高影响力和最先进的SR方法的集合

指纹增强是指纹识别系统中的关键一步,增强效果的好坏对整个指纹识别系统有着至关重要的作用。采用基于Sobel算子的方法求取方向图,并且对Sobel算子进行了补充和改进。然后基于方向滤波的指纹图像增强方法,设计一组滤波器来实现指纹图像的增强,并且通过滤波器扩展成功解决了旋转溢出问题。实验证明,该方法的对改善指纹质量十分有效。

借助生成对抗网络实现无人监督的深度图像增强 IEEE图像处理事务（T-IP） 1 ，1 ，1 ，2 ， 1 [ ] [ ] 1香港城市大学， 2美团集团 介绍 该网站共享IEEE图像处理事务（T-IP），第一卷，“通过生成的对抗网络实现无监督的深度图像增强”的代码。 2020年9月29日，第9140-9151页。 抽象的 对于公众而言，提高图像的美学质量是充满挑战和渴望的。 为了解决这个问题，大多数现有算法都是基于监督学习方法来学习用于配对数据的自动照片增强器，该照片增强器由低质量的照片和相应的专家修饰版本组成。 但是，专家修饰的照片的样式和特征可能无法满足一般用户的需求或偏好。 在本文中，我们提出了一种无监督的图像增强生成对抗网络（UEGAN），该网络以无监督的方式从一组具有所需特征的图像中学习相应的图像到图像的映射，而不是学习大量的成对图像。 所提出的模型基于单个深层GAN，该

提出了一种新的基于小波变换的自适应MRI增强算法。该新算法采用两个非线性自适应规则分别增强低频和高频的小波系数，并且在增强图像信号的同时抑制、减小其中的噪声。实验结果表明新算法增强后的图像具有很好的对比度，且结果图像中的噪声要比其他基于小波变换的自适应增强算法得到的增强后的图像中的噪声要少很多。

写了一些关于图像增强的例子，程序含有说明解释，适合初学者。

本文档是基于图像增强技术的频域滤波算法研究,主要是关于图像增强的频域滤波算法。

基于matlab数字图像增强处理论文1.doc 具有参考意义哦。

交叉差分法（Robert梯度)