资源描述：
《对比度图像增强算法》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、第1期石美红等:一种新的低对比度图像增强的方法·235·*一种新的低对比度图像增强的方法1211石美红,张军英,李永刚,吴戴明(1.西安工程科技学院计算机学院,陕西西安710048;2.西安电子科技大学雷达信号处理重点实验室,陕西西安710071)摘要:针对低对比度的偏暗图像,结合人眼的视觉感知特性,提出了一种基于脉冲耦合神经网络和非线性拉伸相结合的图像增强算法,详细讨论了局部和整体对比度图像增强的方法。通过分析和实验结果,表明该方法不仅能明显地改善图像的视觉效果,而且具有平滑图像、增强边缘和自适应能力等特点。关键词:脉冲耦合神经网络;点火;视觉模型
2、;图像增强;对比度中图分类号:TP391.41文献标识码:A文章编号:1001-3695(2005)01-0235-04ANewMethodofLowContrastImageEnhancement1211SHIMei-hong,ZHANGJun-ying,LIYong-gang,WUDai-ming(1.SchoolofComputerScience,Xi’anUniversityofEngineeringScience&Technology,Xi’anShanxi710048,China;2.KeyLaboratoryonRa-darSignal
3、Processing,XidianUniversity,Xi’anShanxi710071,China)Abstract:AnewmethodoflowcontrastimageenhancementispresentedbasedonPCNNandnonlinearextensioninconjunc-tionwithcharacteristicsofhumanvisualconsciousnessinthispaper.Approachesoflocalandwholecontrastenhancementofimagearediscussedi
4、ndetail.Itisshowedthatthemethodnotonlyamelioratesvisualeffectobviouslybutalsohaspropertiesofsmoothingimage,enhancingimageandself-adaptationthroughanalysisandexperiments.Keywords:PCNN(Pulse-CoupledNeuralNetworks);Firing;VisualPerceptionModel;ImageEnhancement;ContrastGrade[5]征有关的
5、神经元同步行为而建立起来的一个简化模型。因1引言此,它与视觉神经系统的感知能力有着天然的联系。目前,关于PCNN模型及其应用研究在国外得到广泛的重视,并且已被由于受光照、设备等因素的制约,往往得到的图像具有灰[6～8]证实在图像处理上有着重要的应用前景。本文首次将度对比度低、某些局部细节没有明显的灰度差别等特征,使人PCNN引入到低对比度图像增强的应用研究中。眼的视觉分辨或机器识别较为困难。目前,已出现了许多图像增强的技术或方法,比如局部统计法、直方图均衡法、局部直方2PCNN模型及其特性[1～4]图伸展法等。由于图像增强技术与具体的问题密切相关,即
6、针对具体的应用要求,需要人为地确定其处理方法和选择参如果我们考虑一个M×N的二维阵列网络,那么,PCNN数,所以,到目前为止,还没有一个通用的理论基础。中(i,j)位置上的神经元Nij(i=1,2,⋯,M;j=1,2,⋯,N)模型图像增强的实质就是图像对比度的增强,其主要目的是改如图1所示。PCNN中的每个神经元都与其r邻域内的神经元善图像的外观,使之处理后的图像比原始图像更适于人眼的视存在着内在连接。每一神经元又由突触树、调制耦合器和脉冲觉特性或机器的识别。显然,作为一种理想的图像增强技术,产生器三个部分组成。突触树中有两个分支,以形成馈送输入应该
7、是既能增强图像的局部对比度,又能增强图像的整体对比F和连接输入L;调制耦合器以乘积耦合形式U=F(1+ijijijij度。前者可加强图像的边缘或轮廓信息,突出图像的内部细βL)构成神经元N的内部行为U;脉冲产生器由动态阈值函ijijij节;后者可调节图像的动态范围,改善图像的视觉效果。本文数θij和硬限幅函数Yij组成,通过θij与Uij的比较而激励或抑制正是基于此目的,针对低对比度的偏暗图像,结合人眼的视觉神经元的脉冲信号输出Yij(又称为点火)。感知特性,提出了一种基于脉冲耦合神经网络和非线性拉伸相琢L链接阈值函数结合的图像增强算法。YjkMjk
8、1+茁LijV兹移来自其他琢兹脉冲耦合神经网络(Pulse-CoupledNeuralNetworks,PC
