通过子图象的直方图均衡化图像增强基于均值和方差

文摘

提出了一种新颖的图像增强方法通过基于均值和方差的子图象直方图均衡化(MVSIHE),这有效地提高了输入图像的亮度对比和细节保存完好的与其他方法相比,基于直方图均衡化(他)。首先,输入图像的直方图是分为四个部分基于亮度分量的均值和方差,以及每个片段的直方图箱也修改和相等。其次,获得的结果是通过串联的subhistograms处理。最后,归一化法是部署在强度水平,和集成的图像与输入图像进行处理。100年基准图像从一个名为CVG-UGR-Database的公众形象数据库用于与其他先进的方法进行比较。实验结果表明,该算法不仅可以有效地增强图像信息而且也保持原始图像的亮度和细节。

1。介绍

增强技术被认为是数字图像处理的最活跃的领域之一。它提高了低对比度图像和外观质量,而且可用于监测、成像系统,人机交互1- - - - - -3),和许多其他领域4- - - - - -9]。直方图均衡化(他)技术是简单容易实现,这是最广泛用于对比度增强。他利用累积密度函数(CDF)将原始图像的灰度值的图像增强图像的水平。他的主要缺点是,它会改变图像的平均亮度的中间水平的动态范围和结果恼人的工件和强度饱和效应。这个缺点使得他技术不适合许多消费电子应用程序,例如,电视和照相机。

为了克服上述缺点,提出了许多他的方法,如亮度保持bihistogram均衡(BBHE) [10),二元子图象直方图均衡化(DSIHE) [11),和最小平均亮度误差bihistogram均衡(MMBEBHE) [12]。BBHE [10分区基于图像直方图均值而DSIHE [11使用图像的中值段。MMBEBHE [12)递归地将图像直方图划分为多个组基于平均亮度误差(MBE)。尽管这些方法已经取得了很大的进步,他们仍然有自己的缺点,包括失败的图片有非对称分布(10),未能保持平均亮度(11),生产更多恼人的副作用(12),和失去结构信息13]。然而,在这些技术,期望改善可能并不总是实现,输入和输出图像的区别是最小的14]。

陈和Ramli提出调用的方法递归mean-separate直方图均衡化(RMSHE [15]),作者建议递归分割基于当地的直方图的意思。处理图像的平均亮度的方法对输入图像的平均亮度。王等人改善DSIHE [11到递归子图象直方图均衡化(RSIHE [16])对比度增强的基础上,通过引入递归分割以类似的方式像陈和Ramli提议在15),虽然这种方法类似于RMSHE [15),但它使用中间值与其平均值直方图划分为subhistograms。

自适应修改后的直方图均衡化(AMHE) [17)方法是由金正日et al .,这可以修改概率密度函数(PDF)的灰度直方图规定化以及适用于修改后的PDF。不幸的是,整个再分配到原始直方图的方法会导致overenhancement underenhancement,一些工件出现在平滑的区域。虽然AMHE [17)不会产生任何退化,变明亮的天空和未能提高暗区域的亮度。

此外,一些其他方法基于直方图均衡化的对比度增强亮度增强也被提出,如动态直方图规定化引入的太阳et al .,它保留了输入图像直方图的形状但不大幅提高它18]。蔡等人提出了彩色图像的对比度增强算法(19,20.]。黄等人提出了一种自适应图像灰度校正与权重分布(AGCWD [21)以提高对比度和保存图像的整体亮度;在伽马校正方法,和亮度像素的概率分布。AGCWD技术可能不给想要的结果,当一个输入图像缺乏亮像素以来最高的强度输出图像有界输入图像的最大强度,因为最高的增强强度不会交叉的最大强度输入图像(22]。此外,AGCWD [21)会导致信息丢失在处理图像由于其大幅增加合成转换曲线下面描述。

图像增强技术使用的想法曝光值,指定使用暴露子图象的直方图均衡化图像增强(ESIHE [23]),是先进的。方法把剪直方图分成两部分通过预先计算的暴露阈值(24]。使用强度曝光直方图分割的效果在直方图剪切研究[25]。通过模拟标准图像、低对比度图像和噪声图像,研究表明[25)可以产生一定的增强效果;然而,该方法通常会导致underenhancement。唐宋垫Isa引入了一个名为bihistogram均衡的算法使用修改后的直方图箱(BHEMHB) [26),输入直方图分割基于亮度和中值改变了直方图箱应用之前,但有限的改善对比。

为了有效提高反差的输入图像的亮度和保存完好的细节,一个高效的算法基于均值和方差的子图象直方图均衡化(MVSIHE)开发。拟议的保存方法是更有效的增强图像的平均亮度和细节同时提高对比与其他一些先进的方法。根据100年实验基于图像对我们的方法,我们知道MVSIHE技术可以实现多个目标熵最大化,细节,亮度overenhancement保存以及控制。本文的主要贡献如下。首先,我们介绍了基于均值和方差的算法将图像的直方图。其次,小说变换称为双曲正切变换开发修改直方图箱统治克服这个问题。第三,我们提出了一个标准化变换,可使输出图像的亮度分量的更广泛的动态范围和输出图像看起来更自然和清晰。此外,结果表明,该方法是一种更好的方法比较先进的方法。

本文的组织结构如下:部分2描述该MVSIHE方法。给出了部分样本数据和性能评估3。部分4显示实验结果和比较先进的方法,我们的结论是包括在部分5。

2。提出了图像增强方法

2.1。基于均值和方差阈值计算

图像的直方图分为四部分有三个阈值自适应和通过相同的方法获得。过程获得的阈值将详细介绍如下。

一个输入图像给出;让 是全球输入图像的直方图 ,在哪里和代表图像的低,最高的强度 。 灰度直方图的吗 ,这是描述为 在哪里灰色的水平吗在图像 ,图像的pdf, pdf ,可以被定义为 在哪里在输入图像像素的总数吗 。

直方图的阈值分割。首先,我们把整个直方图分成两部分的自适应阈值 。然后可以表示为两个部分 和 。每一个部分都可以解决的概率

接下来,可以计算出每个部分的平均值

因此,整幅图像的均值被描述为

然后,我们可以抓住两个部分之间的方差

优化模型可以定义为 我们可以得到最优阈值由(7),这是利用部分图像的直方图。注意,我们组 ;最优阈值和上下两部分的阈值也可以获得相同的方式上面,分别。最后,柱状图 分割成四个subhistograms;也就是说, 和边界值的亮度范围内吗分割。因此,所有的子图象都捕捉到 pdf的subhistogram由 在哪里的是像素的数量吗分割。后段的输入图像直方图,加工过程的下一阶段是直方图修改。在介绍中提到的,切强调高频直方图箱的统治,从而导致图像细节的损失。低频直方图箱往往在附近高频箱所吞噬。MVSIHE修改直方图箱统治克服这个问题。直方图本修改执行使用(11)subhistogram [27]。 在哪里像素的总数吗子图象。

2.2。直方图均衡化

切需要一个输入灰度映射使用转换函数 ,可以被定义为哪一个 在哪里和分别代表了最小和最大灰色的水平。观察到(8),重新映射的输入图像在整个动态范围( 应用切后)。该方法使得车内外的修改subhistograms (14);此后,相等subhistograms集成到生成最终的输出图像增强。

2.3。强度水平正常化

在我们的方法中,每个段是平衡的独立和输出图像是通过添加相等子分段。这可能导致饱和强度和干扰引起的非均匀光;为了解决这个问题,我们利用强度水平正常化的图像处理。归一化变换的定义是 在哪里是一个矩阵的输入图像的亮度分量和吗和的最大和最小值吗 ,分别。和边界值的亮度范围内吗 不失一般性,设置为0,然后呢255年获得最大亮度范围256灰色的水平。

正常化后强度水平,为了得到一个更全面和翔实的信息输出图像,我们融合和由以下几点: 在哪里后获得的图像应用(15),输入图像,最终输出图像。参数是在0和1之间。图1显示统计结果(100个测试图像)和不同的参数 。从数据1(一),1 (b),1 (c),我们可以知道,平均峰值信噪比(PSNR)值,离散熵(DE)和绝对平均亮度误差)的(。安贝认为可以获得最佳价值大概是0.6。

3所示。样本数据和性能评估

3.1。数据样本

在本文中,我们比较了该方法的性能和其他先进的方法:DSIHE [11],RMSHE [15],MMBEBHE [12],RSIHE [16],ESIHE [23],BHEMHB [26]。MVSIHE和其他他图像增强方法进行比较测试通过使用100基准图像从一个名为CVG-UGR-Database的公众形象数据库28]。

3.2。主观的评价

对比度增强的主观评价和客观评价是必要的。增强的结果只能是欣赏,如果合成图像出愉悦的效果。通过视觉质量检验的判断恼人的工件,overenhancement,自然增强可以做到的。视觉评估结果有效质量度量来判断对比度增强算法的性能。

3.3。客观的评价

定性分析包括视觉评估图像增强的结果。增强图像的质量决定了能力的技术,合理的人类的眼睛。在这里,一个定性分析对图像细节的数量,程度的对比,同质性的区域,和执行自然;我们可以建立由定量测量数值的理由。然而,很难找到一个客观的衡量是按照主观评价由于缺乏公认的标准。这里,我们评估的性能增强技术使用三个质量指标:峰值信噪比(PSNR),离散熵(DE)和绝对平均亮度误差)的(。安贝认为。

3.3.1。评价对比度增强

该方法不仅增强了图像的对比,也没有不良工件获得自然的输出图像。噪音水平不应放大增强过程中(29日]。因为这个原因,两个名叫PSNR和图像对比分析功能。计算PSNR值,MSE首先计算(18)。PSNR是广泛用于评估质量的成就之间的原始和输出图像(13,30.- - - - - -33)和图像对比度增强的程度。大的PSNR值,需要至少这意味着处理的图像退化与原始输入图像。 在哪里 原始图像的灰度在2 d位置 和 的灰度图像处理在同一位置。

除了PSNR、图像对比函数是用来评估与改进,在(20.)[34,35]。 在哪里和分别代表图像的宽度和高度。更大的 ,灰色的水平的更大的动态范围;因此,输出图像可以提供更好的对比和图像中包含额外的信息。然后作为一个对数转换成分贝(dB)单位

3.3.2。丰富的评价信息

熵是衡量图像中信息的丰富性,和更大的熵值图像,较高的输出图像中包含的信息。

整幅图像的熵可以定义

图像的熵最大值只有当所能达到的水平 (27]。这是场景当图像强度值的概率分布是均匀的,这是他背后的概念。

3.3.3。评价亮度保存

AMBE通常是用来测量平均亮度保存,可以在数学上表示为(22)[36- - - - - -38]。AMBE展品平均亮度的差异之间的输入和输出图像。意思是输入和处理图像的亮度计算使用(23)和(24),分别。因此,价值的一个小。安贝认为需要和价值的一个零。安贝认为是最好的结果。 在哪里和是输入和处理的平均亮度图像,分别。

4所示。实验结果和讨论

4.1。实验结果

在本节中,该方法的仿真结果比较MVSIHE提到与现有的基于直方图均衡化方法。表1提供的列表方法的详细描述。对比度增强的的比较方面,亮度保存、图像的自然性,保留图像中的细节的能力。

本文给出了测试图片名称的F16,桥,夫妇,鱼,丽娜,和飞机;他们提出了在本研究中首次提出MSVIHE绩效评估。获得的结果为每个图像提出了数字2- - - - - -7,分别。图片(一个)显示输入图像,而图像(b) (i)代表了各自的合成图像在应用其他方法和提出MSVIHE相比。这些测试图像的量化结果见表2- - - - - -5。每个分析是用粗体显示的最佳值。

第一个测试图像的F16在图2(一个),该MVSIHE收益率输出图像与输入图像的平均亮度接近。的整体外观形象是非常相似的输入图像,提出MVSIHE方法可以得到价值的最低。安贝认为。该方法可以保留大部分的细节图像与其它方法相比它葡萄熵的最高价值。这可以从高亮区域用红色框。MVSIHE还生产与均质纹理图像。大多数的图像区域,特别是图像的背景,似乎与一些小地区有一个光滑的质地。最大的PSNR值MVSIHE-ed获得的图像,它表明,这项技术至少放大图像增强过程中噪声水平。拟议中的MVSIHE可以保存的亮度图像由于其最大对比度值处理。

在图测试图像的桥梁3(一个),就像的对比度增强更重要的与其他技术相比,大多数的细节图像保存完好的熵的最高价值。这可以从单词用红色突出显示框。处理图像较好的对比,对比的价值由MVSIHE排名第二,和对比度增强的影响并不遥远的之间的所有方法。MVSIHE方法至少放大了噪声在图像增强过程中可以获得最大的PSNR值。

拟议中的MVSIHE可以同时提高测试图像的整体对比度夫妇一个最佳水平,保持图像的细节,可以观察到窗口区域突出显示框,如图4 (h)。很明显,饱和效应不太明显,因此窗口区域清晰可见。这(即饱和作用。,the window area regions become too bright) can be observed in the RSIHE-ed image. Observation on the ability of the proposed MVSIHE to preserve details is supported by the entropy measurement, in which the enhanced image has an entropy value larger than most of the methods, indicating that the information entropy is well preserved. The MVSIHE-ed image has the largest value of PSNR (i.e., 22.6008), showing that BHEMHB least degrades the image during the enhancement process. In addition, the MVSIHE-ed image has the largest contrast measurement, which suggests that the proposed method can well preserve the brightness of the output image.

MVSIHE-ed图像PSNR值的最大的价值(即。,26。401), showing that MVSIHE least degrades the image during the enhancement process. The proposed MVSIHE can simultaneously enhance the overall contrast of the Fish image to an optimum level and preserve the details. This outcome can be observed on the fish scale highlighted with a box, as in Figure5 (h)。观察的能力提出MVSIHE葡萄熵的最大价值,证明信息熵是保存完好。保留细节的能力有一个小公差意味着亮度保存。此外,对比度增强的影响更重要的方法,它展示了相对良好的对比。MVSIHE在对比度增强的能力是相同的其他方法。输出图像增强MVSIHE,如图5 (h)也表现出自然的样子,这意味着它看起来不太艺术后增强的过程。

输入图像莉娜的特征区域,要么是完全黑色或完全白色相对较少,如图6(一)。提出的合成图像增强MVSIHE有一个清晰的轮廓与图像使用其他方法相比,我们可以看到在地区内盒。与图像增强与其他技术,尤其是RMSHE,图像增强与MVSIHE较少的饱和效应。拟议的测试图像莉娜MVSIHE排名首位的熵度量,略低于其他的排名方法。我们可以知道MVSIHE是专门设计用于保护细节;MVSIHE的差异表明,性能相当与他人在保留图像细节。此外,该方法可以保持亮度值的最低。安贝认为。

测试图像平面的图7(一),提出MVSIHE产生一个输出图像的细节保存完好,因为它拥有最高的熵值。这个结果可以看出在地区突出显示框,写不消失,小细节,如飞机的边缘,可以看到。的转移效应意味着DSIHE-ed和RMSHE-ed图像亮度怀孕了,导致的损失自然在这些图像。相比之下,合成图像增强与MVSIHE光滑的质地,在非均匀区域观察到,尤其是在背景,与其他技术相比。此外,MVSIHE-ed图像的对比度最大的测量。

发现的性能提出了六个测试图像的技术,即F16,鱼,飞机,和丽娜满意相比与其他七个方法。因此,除了这六个测试图像,(即四个客观评价函数。,entropy, PSNR, AMBE, and Contrast) are employed on the 100 test images to further validate the capability and performance of the proposed MVSIHE. Figure8介绍了这些量化分析的平均值为100测试图像。

图8表明该方法说明了性能优良与其他相比他的方法。最高平均,MVSIHE-ed图像包含的信息量。它可以保存信息的丰富性和细节在输出图像由于其熵值最高,达到7.26的平均100个测试图像。拟议中的MVSIHE优于其他方法,最大的PSNR值,显示输出图像增强MVSIHE有一种天然的外观与最小工件与他人相比。该方法可以降低图像增强过程中。

4.2。讨论

关于平均亮度,MVSIHE-ed图像展示了高能力,尤其是与DSIHE-ed图像。DSIHE方法产生一个图像时太亮指的是原始图像。AMBE值计算的技术,MVSIHE可以获得比其他所有的最小值。图像的自然性是MVSIHE-ed维护形象,因为图像增强在足够的水平没有引入一个不愉快的外观或非齐次地区同时提高输入图像的对比。MVSIHE-ed PSNR值最高的图像表明,MVSIHE增强了图像与最低噪音和工件。对比测量表明,MVSIHE大多可以得到最大的价值,这说明MVSIHE的对比度增强性能比其他的要好。

此外,MVSIHE获得价值的最低。安贝认为。MVSIHE明显比获得的值的了。安贝认为,通过RSIHE技术因为RSIHE是专门设计来保持图像的平均亮度。价值的最低。安贝认为表明MVSIHE拥有最高的能力保留图像的平均亮度与其他方法相比,在输出图像增强与MVSIHE通常平均接近输入图像的亮度。

关于整体对比度增强,否则,提出MVSIHE排名第二的七个方法之一。对比测量很小的范围(即。,only 1.69 dB), which indicates that despite its outstanding performance in detail preservation and mean brightness preservation, MVSIHE demonstrates comparable performance in contrast enhancement. Both qualitative and quantitative analyses show that the proposed MVSIHE yields promising enhancement results.

5。结论

本文提出了一种新的方法被称为基于均值和方差的子图象直方图均衡化(MVSIHE)亮度和细节保护。的主要思想是基于递归地将输入直方图的均值和方差。强度的影响水平正常化和融合策略也是本文研究。不愉快的工件和不自然的增强可能发生由于过度均衡而加强输入图像的对比,和MVSIHE的终极目标是允许更高级别的亮度和保存尽可能多的细节。输入图像的对比度,有效增加亮度和保存完好的细节。所有结果都支持的实验结果,表明该方法对一些先进的方法性能优越。在未来,提出MVSIHE可以被修改,以便它可以合并在数码摄影等多个应用领域,视频处理,在消费类电子产品和其他应用程序。

的利益冲突

Liyun壮族和Yepeng关宣布没有利益冲突有关的出版。

引用

1. 美国Du和r·k·沃德”,介绍基于区域自适应图像增强方法在可变光照条件下的人脸识别、”IEEE电路和系统视频技术,20卷,不。9日,第1175 - 1165页,2010年。视图:出版商的网站|谷歌学术搜索
2. g .太阳、刘,w . Wang和z,“动态范围压缩和细节增强红外图像的算法,”应用光学,53卷,不。26日,第6029 - 6013页,2014年。视图:出版商的网站|谷歌学术搜索
3. 郭宏源。黄,K.-T。施,S.-L。叶,h·h·陈,“backlight-scaled图像的增强IEEE图像处理,22卷,不。12日,第4597 - 4587页,2013年。视图:出版商的网站|谷歌学术搜索|MathSciNet
4. Ghafoor m z伊克巴尔,a, a . m .西迪基”卫星图像分辨率增强使用dual-tree复小波变换和外地的意思,“IEEE地球科学和遥感信,10卷,不。3、451 - 455年,2013页。视图:出版商的网站|谷歌学术搜索
5. m . m . Riaz a Ghafoor诉Sreeram,“模糊c和基于主成分分析的探地雷达图像增强,”IEEE雷达研讨会论文集:“北极——新边疆”,RadarCon 2013,2013年5月。视图:出版商的网站|谷歌学术搜索
6. w .辊,a·伯杰和d . Szentes”雷达图像翻译技术基础培训,”学报第六届国际会议在空间技术的最新进展,拉斯特2013年2013年6月,页1173 - 1177。视图:出版商的网站|谷歌学术搜索
7. w . Casaca m . Boaventura m . p . De Almeida)和l . g . Nonato”结合各向异性扩散输运方程和纹理合成,修复纹理图像,”模式识别的字母,36卷,不。1,36-45,2014页。视图:出版商的网站|谷歌学术搜索
8. c c。Chang B.-R。吴,周宏儒。许,J.-W。梁,研究。彭,W.-K。大,“纹理合成方法使用合作特性,”第十届国际会议的程序计算机图形学中,成像,和可视化,CGIV 20132013年8月,页50-51,。视图:出版商的网站|谷歌学术搜索
9. r . b . Ahire v . s .帕蒂尔,“卫星图像分辨率增强技术,概述”学报第十届IEEE和联合会国际会议对无线光通信网络,WOCN 2013,2013年7月。视图:出版商的网站|谷歌学术搜索
10. Y.-T。金”,使用亮度对比度增强保护bi-histogram均衡。”IEEE消费类电子产品,43卷,不。1,1 - 8,1997页。视图:出版商的网站|谷歌学术搜索
11. y王、问:陈和张,“基于平等地区二元图像增强子图像直方图均衡化方法,”IEEE消费类电子产品,45卷,不。1,第75 - 68页,1999。视图:出版商的网站|谷歌学术搜索
12. 南达科他州。陈和a . r . Ramli“最小均亮度误差bi-histogram均衡增强相比,“IEEE消费类电子产品卷,49号4、1310 - 1319年,2003页。视图:出版商的网站|谷歌学术搜索
13. m . Kim和m . g .钟”,递归地分离和加权直方图均衡化亮度保存和对比度增强,”IEEE消费类电子产品,54卷,不。3、1389 - 1397年,2008页。视图:出版商的网站|谷歌学术搜索
14. c . Wang和z你们”,亮度保持与最大熵:直方图均衡化变分的角度来看,“IEEE消费类电子产品,51卷,不。4、1326 - 1334年,2005页。视图:出版商的网站|谷歌学术搜索
15. 南达科他州。陈和a . r . Ramli“对比度增强使用递归mean-separate为可伸缩的亮度直方图均衡化保存,”IEEE消费类电子产品卷,49号4、1301 - 1309年,2003页。视图:出版商的网站|谷歌学术搜索
16. k . s . Sim, c·p·Tso和y y Tan“递归子图像的直方图均衡化方法应用于灰度图像,”模式识别的字母,28卷,不。10日,1209 - 1221年,2007页。视图:出版商的网站|谷歌学术搜索
17. j·j·h . Kim Lee李,美国哦,和w·金,“对比增强使用修改后自适应直方图均衡化,”《太平洋学报研讨会上图像和视频技术卷,4319在计算机科学的课堂讲稿施普林格,页1150 - 1158年,2006年。视图:出版商的网站|谷歌学术搜索
18. c c。太阳,S.-J。阮,M.-C。Shie, t.w。派”,基于直方图规定化的动态对比度增强。”IEEE消费类电子产品,51卷,不。4、1300 - 1305年,2005页。视图:出版商的网站|谷歌学术搜索
19. C.-M。蔡,Z.-M。叶”,由自动对比度增强和parameter-free分段线性变换的彩色图像,”IEEE消费类电子产品,54卷,不。2、213 - 219年,2008页。视图:出版商的网站|谷歌学术搜索
20. C.-M。蔡,Z.-M。叶,Y.-F。王”,决定基于树的各种彩色图像对比度增强,”机器视觉和应用程序,22卷,不。1,21-37,2011页。视图:出版商的网站|谷歌学术搜索
21. 研究所。黄,F.-C。程,Y.-S。赵”,有效使用自适应对比度增强伽马校正与权重分配,”IEEE图像处理,22卷,不。3、1032 - 1041年,2013页。视图:出版商的网站|谷歌学术搜索|MathSciNet
22. s拉赫曼·m·m·拉赫曼k·侯赛因,s m·哈立德和m . Shoyaib”在空间域图像增强:一个全面的研究”学报》第17届国际会议上计算机和信息技术,ICCIT 20142014年12月,页368 - 373。视图:出版商的网站|谷歌学术搜索
23. 辛格k和r·卡普尔”基于子图像直方图均衡化图像增强使用敞口,”模式识别的字母,36卷,不。1,10 - 14,2014页。视图:出版商的网站|谷歌学术搜索
24. m . Hanmandlu共和党Verma n . k . Kumar和m . Kulkarni”小说最优模糊系统使用细菌觅食,彩色图像增强”IEEE仪表和测量,卷。58岁的没有。8,2867 - 2879年,2009页。视图:出版商的网站|谷歌学术搜索
25. j . r . Tang和n . a . m . Isa”对图像增强强度暴露bi-histogram均衡。”土耳其的电气工程和计算机科学杂志》上,24卷,不。5,3564 - 3585年,2016页。视图:出版商的网站|谷歌学术搜索
26. j . r . Tang和n . a .垫Isa“Bi-histogram均衡使用修改后的直方图箱,”应用软计算卷,55 31-43,2017页。视图:出版商的网站|谷歌学术搜索
27. y朱镕基和c .黄”,一个自适应直方图均衡化算法在图像灰度映射,”物理Procedia25卷,第608 - 601页,2012年。视图:出版商的网站|谷歌学术搜索
28. CVG-UGR-Database,http://decsai.ugr.es/cvg/dbimagenes。
29. k . Hasikin和n . a . m . Isa”模糊增强微观雄性sd大鼠精子中图像的非均匀照明,”《IEEE医学研讨会上测量和应用,MeMeA 20122012年5月,页255 - 260。视图:出版商的网站|谷歌学术搜索
30. a . s . Zadbuke“亮度保持使用修改后的二元子图像直方图均衡化图像增强,”国际科学和工程研究杂志》上,3卷,不。2,第一条,2012年。视图:谷歌学术搜索
31. J.-C。Yoo和c·w·安,“图像匹配使用峰值信噪比ratio-based闭塞检测”专业图像处理》第六卷,没有。5,483 - 495年,2012页。视图:出版商的网站|谷歌学术搜索|MathSciNet
32. Anand, k . Thirugnanam j·塞巴斯蒂安et al .,“自适应显示移动游戏、电源管理”学报》第九届国际会议在移动系统中,应用程序和服务,经验的11和共存研讨会2011年7月,页57 - 70。视图:出版商的网站|谷歌学术搜索
33. 谢k .梁y, y, b .周和r·王”一种新的自适应红外图像对比度增强算法基于双高原直方图均衡化,”红外物理与技术,55卷,不。4、309 - 315年,2012页。视图:出版商的网站|谷歌学术搜索
34. C.-J。张,M.-Y。傅,m·金和Q.-H。张”的方法来增强对比基于小波变换的红外图像,”Hongwai Yu Haomibo学报/红外杂志和毫米波段,23卷,不。2、119 - 124年,2004页。视图:谷歌学术搜索
35. j . r . Tang和n a垫Isa,“基于Bi-Histogram均衡的自适应图像增强与剪切极限,”电脑和电子工程,40卷,不。8,86 - 103年,2014页。视图:出版商的网站|谷歌学术搜索
36. n Sengee崔和h“小说过滤ed Bi-Histogram均衡方法,”朝鲜日报》多媒体的社会,18卷,不。6,691 - 700年,2015页。视图:出版商的网站|谷歌学术搜索
37. r . Aedla g . Dwarakish, d . v . Reddy”海岸线检测和自动变化检测分析Netravati-GurpurRivermouth使用直方图均衡化和自适应阈值技术,”水生Procedia4卷,第570 - 563页,2015年。视图:出版商的网站|谷歌学术搜索
38. l .孔雀王朝、p·k·马哈和A . Kumar“社会蜘蛛优化亮度对比度增强的图像融合方法和保存,”应用软计算52卷,第592 - 575页,2017年。视图:出版商的网站|谷歌学术搜索

版权

版权©2017 Liyun壮族和Yepeng关。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。