微光成像技术的核心在于采用不同于传统电荷耦合器件(CCD)的、能够对低光照响应的增强CCD(ICCD)图像传感器来获取目标图像信息。然而，在微光成像时，较差的光照条件与极低的光辐射量将导致目标图像质量（对比度及信噪比等）与正常环境相比有较大程度的下降，从而严重限制了其应用。因此，在分析微光图像特点（低信噪比、低对比度）的基础上，为了改善微光图像的质量和分辨率，提出了一种综合的微光图像增强算法，并且通过室外成像实验证明了该算法的有效性。研究表明，当环境照度降低到0.7 lx以下水平时，该算法依然有效。

摘要：本文首先对图像采集卡系统的组成、整体方案和可行性进行了论证，然后给出了图像采集卡的硬件设计。用VHDL和原理图结合的方法对FPGA进行编程，实现了图像采集系统的各个功能模块。接下来提出一种采用设计的FPGA卡实现带修改参数的灰度变换图像增强算法，给出算法的详细表达式及其实现的定点化子程序，并且给出了图像算法在FPGA中采用VHDL语言的具体实现。，对算法的有效性进行了测试，比较了采用该算法及不采用该算法2种情况下的图像增强效果。 　　0 引言 　　图像在采集过程中不可避免地会受到传感器灵敏度、噪声干扰以及模数转化时量化问题等因素影响而导致图像无法达到人眼的视觉效果，为了实现人眼观察或

【程序老媛出品，必属精品，亲测校正，质量保证】 资源名：MATLAB实现图像增强算法程序源码.zip 资源类型：程序源代码 源码说明： 基于MATLAB实现图像增强算法程序，包含完整源码和注释，非常适合借鉴学习 适合人群：新手及有一定经验的开发人员

为提高煤矿井下低照度、大噪声图像的可观测性，提出了一种基于非下采样轮廓波变换的矿井图像增强算法，该方法克服了常规图像增强算法无法兼顾对比度提高与噪声抑制的不足。根据Retinex理论，推导出了低照度含噪声图像的Retinex增强框架，该框架解除了噪声对估计光照图的干扰，并且分离实现了图像的对比度提高和噪声抑制。依据该图像增强框架，首先利用非下采样轮廓波变换将输入图像分解为低频子带系数和高频方向子带系数，解除估计光照图与抑制噪声的耦合;然后在轮廓波变换域，利用R，G，B三个颜色通道的低频子带系数，求出3个低频子带系数的亮通道图像，但该亮通道图像存在细节突变和过低灰度值，不符合光照图缓慢变化的特征，对亮通道图像做进一步的Gamma校正和均值滤波，获得灰度值提高了的平滑光照图估计值;接着在轮廓波变换域，根据阈值函数收缩高频方向子带系数实现噪声抑制;最后，为突显某一频带方向的细节信息和提高整体对比度，将收缩的高频方向子带系数乘以相应的增益完成特定细节加强，再利用细节加强的高频子带系数、低频子带系数和光照图估计值重构出整体对比度提高的增强图像。数值实验表明，该图像增强算法能够有效地实现矿井图像的

针对多尺度Retinex算法在处理煤矿井下低照度图像时存在细节增强不足和耗时等问题，提出了一种基于光照校正的快速多尺度Retinex算法对煤矿井下低照度图像进行增强。该算法通过计算高斯模糊后图像的每个像素点的亮度值，将图像划分为暗调区域和高光区域，并对不同区域进行光照校正，从而降低高光区域的亮度，保证不过分曝光，同时提升较暗区域的亮度，凸显更多细节信息；利用三次快速均值滤波代替高斯滤波来估计光照强度，减少算法耗时。实验结果表明，该算法能有效提高图像的亮度和对比度，增强图像中暗调区域和高光区域的细节，具有较快的处理速度。

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。

针对光照不均匀、光线暗等环境导致图像采集单元采集到的图像视觉效果差、噪声大等问题，本文提出一种基于视网膜和皮层(Retinex)理论改进的低照度图像增强算法去恢复图像原有的视觉特征。将低照度图像从红、绿、蓝(RGB)空间转换到色调、饱和度、亮度(HSV)空间，在HSV空间的V通道去对低照度图像进行处理，这样能够避免图像三基色比例关系被破坏；采用改进的多尺度Retinex (MSR)算法估计光照分量，用非局部均值(NLM)滤波代替高斯滤波，利用滤波窗口与相邻窗口间的递归关系来简化计算，不仅能准确估计光照分量，还能够提高图像的处理速度；最后进行颜色空间逆变换，转换到人眼习惯的RGB颜色空间。实验结果表明该算法可以有效提高图像清晰度，保护图像的细节信息。

为了改进煤矿视频监控系统的图像差的问题,提出了一种新型的图像增强方法。在一个滤波窗口内的4个特定方向各自求中值,对4个方向中值组成的集合求均值,把均值作为滤波窗口中心像素点的值,合成新的图像。仿真结果表明,在噪声较小的情况下,该算法的滤波效果优于传统自适应中值滤波,且更好地保护了图像的细节,提高了煤矿视频监控系统的安全监督性能。

为实现医学图像中感兴趣区域辨识度的增强.针对医学图像中CT图的特点提出一种增强算法(Rough Computed Tomography Algorithm,RCTA).算法以粗糙集(Rough Sets,RST)中不可分辨关系理论为基础,根据医学图像中不同的人体组织对应不同的CT值的特点,来定义等价关系,从而将医学图像划分为不同区域,然后对感兴趣区域灰度值保持不变,对其他区域的灰度值作最大化/最小化处理.用RCTA对临床300余张肺部医学图像进行了实验,最后,使用DSM(Distribution Separation Measurement)对RCTA与其他3种常用的增强算法进行量化对比.结果表明:RCTA对医学图像感兴趣区域辨识度的增强,有较好的效果.

基于卷积神经网络的舰船图像增强算法.pdf