摘要：针对不同临床诊断的需求产生了多种类型的医学图像,如:核磁共振成像(MRI),正电子发射断层扫描图像(PET),单光子发射计算机断层扫描技术(SPECT).单一功能的医学成像技术往往不能更好地诊断出病人的病情,利用多模态医学图像融合技术获得的图像具有较强的解剖学意义,与原始单扫描图像相比具有较高的光谱信息.首先,将基于像素级的图像增强技术与拉普拉斯金字塔分解方案相结合,使分解的残差子带图像(RSI)具有更清晰的图像纹理特征,与此同时保持基底子带图像(BSI)更平滑.然后,对RSI图像采用基于兴趣信息的图像融合规则获取高频系数融合图像;对BSI图像采用局部能量最大值方案的融合规则获取较平滑的金字塔顶层融合图像.最后,利用拉普拉斯金字塔逆运算重建融合图像.实验结果表明融合图像保留了图像边缘信息的同时增强了图像细节信息,具有更好的视觉效果,客观评价指标QMI,QIFC,QVIF,QME,QSD,QUQI,QSSIM也取得了较大的提升.

摘要：为提高单板节子图像的对比度、细节清晰度和颜色保真性,综合考虑单板活节和死节图像的特征,提出一种将自适应校正和非锐化掩模相结合的单板节子图像增强算法。在可分离颜色信息的HSV空间提取亮度分量、饱和度分量,分别进行加权分布的自适应Gamma校正和自适应非线性拉伸处理,用于改善单板节子图像对比度和保持色彩自然,最后利用非锐化掩模技术增强节子细节区域。试验结果表明,该算法能够有效地改善单板节子图像的对比度和细节清晰度,图像颜色更为自然;突出节子缺陷部位,保留了较多节子细节信息;在均方差、峰值信噪比和结构相似性指数上,比AGC-Quantile和直方图均衡化算法均有提升。

摘要：针对低照度图像增强过程中出现的色彩失真、噪声放大和细节信息丢失等问题,提出一种并行混合注意力的渐进融合图像增强方法 (progressive fusion of parallel hybrid attention,PFA)。首先,设计多尺度加权聚合网络(multiscale weighted aggregation,MWA),通过聚合不同感受野下学习到的多尺度特征,促进局部特征的全域化表征,加强原始图像细节信息的保留;其次,提出并行混合注意力结构(parallel hybrid attention module,PHA),利用像素注意力和通道注意力并联组合排列,缓解不同分支注意力分布滞后造成的颜色差异,通过相邻注意力间的信息相互补充有效提高图像的色彩表现力并弱化噪声;最后,设计渐进特征融合模块(progressive feature fusion module,PFM),在三个阶段由粗及细对前阶段输入特征进行再处理,补充因网络深度增加造成的浅层特征流失,避免因单阶段特征堆叠导致的信息冗余。LOL、DICM、MEF和LIME数据集上的实验结果表明,本文方法在多个评价指标上的表现均优于对比方法。

摘要：细胞神经网络(cellular neural network, CNN)具有简单的局部互联结构和高速并行处理能力,是构造人工视网膜的基础模型,可被应用于机器视觉中图像处理时的图像增强等方面.然而,现有的此类图像增强方法尚存在一些不足,例如,在处理实际复杂图像时,采用固定模板难以取得理想效果;而且,未能模拟人类视觉系统的全局和局部自适应调节特性,缺乏仿生考虑.因此,本文融合自适应三高斯(tri-Gaussian)理论和纳米信息器件忆阻器,提出了一种用于图像增强的新型仿生自适应忆阻细胞神经网络.其中,基于忆阻器的可编程性、非易失性、突触可塑性等优点,构建忆阻细胞神经网络架构.基于神经元感受野三高斯模型,利用高斯核函数和细胞神经网络的图像处理特征,提出对应的仿生自适应图像增强模板设计算法.最后,分别以灰度和彩色图像为例进行了图像增强实验和对比分析,结果表明,提出的仿生自适应忆阻细胞神经网络能够显著提高图像的全局亮度、局部对比度和清晰度.本研究可为细胞神经网络提供自适应模板设计及实现方案,提升细胞神经网络的仿生特性和硬件实现的可行性,并为图像增强等智能图像处理提供新思路.

摘要：针对视频图像增强处理的应用需求及视频图像场景的多样化特点,给出了一种基于光照-反射模型的低照度图像增强算法及其硬件实现。首先,基于光照-反射模型将亮度图像分解为照度分量、反射分量,并对估计的照度分量进行非线性调节,合成新的亮度图像;然后,引入调整系数对光照估计进行场景补偿以适应不同的场景;最后,在现场可编程逻辑门阵列(FPGA)硬件上进行算法实现。在Altera EP4CE40F23C8 FPGA硬件上实现结果表明,图像增强算法的主、客观处理效果得到明显提升,可满足不同场景的低照度视频图像实时增强处理应用。

摘要：针对摄影测量作业中,影像对的亮度不平衡,对比度低、图像模糊的情况,提出了在空三加密之前引入图像增强处理方法和处理流程,通过商用软件对原理和流程进行实现,并结合实际工程应用取得了良好的效果。

摘要：针对低照度图像质量较差、噪声多、纹理模糊等问题,提出一种基于双频域特征聚合的低照度增强网络(dual frequency-domain feature aggregation network,DF-DFANet)。首先,构建频谱光照估计模块(frequency domain illumination estimation module,FDIEM)实现跨域特征提取,通过共轭对称约束调整频域特征图抑制噪声信号,并采用逐层融合方式提高多尺度融合效率以扩大特征图感受野范围。其次,设计多谱双注意力模块(multiple spectral attention module,MSAM)聚焦图像局部频率特征,通过小波域空间、通道注意力机制关注图像细节信息。最后,提出双域特征聚合模块(dual domain feature aggregation module,DDFAM)融合傅里叶域和小波域特征信息,利用激活函数计算自适应调整权重实现像素级图像增强,并结合傅里叶域全局信息提高融合效果。实验结果表明,在LOL数据集上所提网络的PSNR达到24.3714,SSIM达到0.8937。与对比网络相比,所提网络增强效果更具自然性。

摘要：伴随着无人机时代的到来,对海量数据处理的实时性要求越来越高。本文在GPU(Graphic Processing Unit)平台上实现了Retinex图像增强算法的并行处理,提升了Retinex图像增强算法处理高分辨率数字图像的处理速度。首先,通过数据合并访问和内存数据交互技术实现了数据的快速访问,缩短了数据在不同种类内存间的传输时间,提升了数据访问的效率;然后,采用内核指令优化和数据并行计算技术,实现了Retinex图像增强算法在GPU平台上的多核程序设计;最后,采用主机端和设备端的异步执行模式,在数据传输的同时进行内核数据的并行计算,通过任务级的并行进一步缩短了算法在GPU平台上的执行时间。研究表明,对于不同分辨率的图像,Retinex图像增强算法的处理速度相比于CPU平台均有数十倍的提高,如处理一帧分辨率为2048像元×2048像元的图像仅需要38.04 ms,算法的处理速度较CPU提高了40倍。

摘要：由于水体对光的吸收和散射作用,水下图像普遍存在颜色失真和细节模糊这两种退化问题。为了得到色彩鲜明、细节清晰的水下图像,提出了一个基于多尺度注意力和对比学习的水下图像增强算法模型。该模型采用编码-解码结构作为基础框架,为了提取到更细粒度的特征,在编码部分设计了一个多尺度通道像素注意力模块,利用3个并行支路提取图像中不同层次的特征,然后将3条支路提取的特征进行融合输入到下一层编码器以及对应的解码层,提高网络特征提取以及细节增强的能力。最后,为了进一步提高增强图像的质量,引入对比学习训练网络。大量实验证明,本文算法增强后的图像色彩鲜明且细节信息保留较好。峰值信噪比和结构相似性指标的平均值最高可达到25.46和0.8946,与其他方法相比至少提高了4.4%和2.8%;水下彩色图像质量指标和信息熵的平均值最高为0.5802和7.6668,与其他方法相比均至少提高了2%;特征点匹配平均比原始图像多24个。

摘要：为了解决图像受到采集设备以及外界噪声干扰,导致图像质量出现不同程度退化的问题,提出一种基于FHN神经元自适应的多特征并行通道级联随机共振图像增强方法。首先将原始输入图像分解为朝向、亮度以及亮度对比度等特征信息独立通道;然后构建基于遗传算法的自适应随机共振多特征并行通道对输入信息流并行处理机制,通过遗传算法求解每一个通道FHN神经元随机共振系统的最优参数,以实现特定噪声自适应最优FHN神经元参数设置,达到非线性FHN神经元、图像信号以及噪声之间的共振协同作用;最终对并行多通道的输出特征增强信息进行融合,再通过一个级联FHN神经元对融合数据做深度优化,实现FHN神经元非线性系统和带噪声输入图像的最佳匹配。以本实验室基于常规微生物学实验需要而采集的菌落图作为实验对象,采用仿自然光悬浮式暗视野系,以F/1.4大光圈镜头,对培养后皮氏培养皿上所生长的菌落进行了千万像素级的成像。通过与其他图像增强算法实验结果的对比,证明了本方法的有效性和鲁棒性,PSNR值保持在35以上,在保持菌落图像细节的基础上,对原图像具有很好的增强效果。通过利用随机共振机制,设计的多特征独立通道的自适应随机共振信息增强处理方法,为图像增强方法提供了新的思路以及后续的图像处理任务提供了基础。