针对红外图像边缘模糊，对比度低的问题，文中研究了改进的中值滤波和改进的Sobel边缘检测对红外图像进行处理。在对处理后图像的特征进行分析的基础上，研究了改进的Laplace金字塔分解的图像融合算法，并基于CUDA并行处理技术，在可编程GPU上实现了红外图像快速增强的目的。该算法结合GPU的内存特点，应用纹理映射、多点访问、并行触发技术，优化数据的存储结构，提高数据处理速度，适用于对红外图像增强的实时性要求较高的领域。实验结果表明，该算法有较好的并行特性，能充分利用CUDA的并行计算能力，提高了红外图像增强的实时性，处理分辨率为3 096×3 096的红外图像时加速比达32.189。

基于曝光融合框架的对比度增强算法(python) 一种精确的对比度增强的算法。具体来说，我们首先使用光照估计技术为图像融合设计权重矩阵。然后，用相机的响应模型合成多重曝光图像。接下来，我们找到最佳的曝光率，为了合成图像在原始图像曝光不足的区域进行更好的曝光。最后，输入图像和合成图像根据权重矩阵进行融合以获得图像增强的结果。实验表明，相比其他优秀的方法，我们的方法可以得到对比度和亮度失真更少的结果。

% Paper: Ngaiming Kwok and Haiyan Shi, Gu Fang, and Guang Ha, "Adaptive Scale % Adjustment Design of Unsharp Masking Filters for Image Contrast Enhancement," % in Proc. 2013 International Conference on Machine Learning and Cybernetics, % 2013, pp. 884-889

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.

计算机视觉作业-2018Spring 内容 混合图像。 拐角检测。 标度空间斑点检测。 ：场景分类器 视觉词袋模型和最近邻分类器（kNN）。 视觉单词袋模型和判别式分类器（SVM）。 在ImageNet上使用ResNet50预训练的权重进行转移学习。 在ImageNet上使用VGG16预训练的权重进行转移学习。 在ImageNet上使用GoogleNet预训练的权重进行转移学习。 消失点检测。 单视图计量。 使用参考对象的高度查找图像中对象的高度。 图像拼接。 贡献者 和（

基于卷积神经网络的舰船图像增强算法.pdf

基于卷积神经网络的图像数据增强算法.pdf

最大类间方差（OSTU 自适应阈值提取 图像边缘增强算法 MATLAB代码

matlab实用程序，可以用于去噪，代码运行无误，是在2014版本测试的，改进以后可以用来给音频去噪，增强