吉林大学学报(工学版) ›› 2022, Vol. 52 ›› Issue (10): 2399-2404.doi: 10.13229/j.cnki.jdxbgxb20210561
• 计算机科学与技术 • 上一篇
摘要:
为了解决数字图像灰度信息丢失、边缘模糊导致的图像效果不佳等问题,提出基于卷积神经网络的数字图像模糊增强算法。以图像灰度级作为论域构建特征模糊集合,拟定模糊隶属度,基于模糊熵计算图像边缘灰度值,同时,构建不同光照环境下限制对比度均衡派生图、伽马转换派生图、对数转换派生图、两通道增强派生图,借此微小调整图像像素方差,强化细节信息的表达,增强隶属度;最后,通过卷积神经网络筛选图像内渡越点,以此调整图像内对比度、平均亮度与像素方差,实现数字图像的模糊增强。实验结果表明,采用本文方法增强数字图像模糊的效果较好、且不易受环境影响。
中图分类号:
1 | 傅博, 王瑞子, 王丽妍, 等. 基于深度卷积神经网络的水下偏色图像增强方法[J]. 吉林大学学报:理学版, 2021, 59(4): 891-899. |
Fu Bo, Wang Rui-zi, Wang Li-yan, et al. Enhancement method of underwater color cast image based on deep convolutional neural network[J]. Journal of Jilin University (Science Edition), 2021, 59(4): 891-899. | |
2 | 张慧, 常莉红, 马旭, 等. 一种基于曲波变换与引导滤波增强的图像融合方法[J]. 吉林大学学报:理学版, 2020, 58(1): 113-119. |
Zhang Hui, Chang Li-hong, MA Xu, et al. An image fusion method based on curvelet transform and guided filter enhancement[J]. Journal of Jilin University (Science Edition), 2020, 58(1): 113-119. | |
3 | 冯相辉. 一种改进的同态滤波图像增强算法[J]. 重庆邮电大学学报:自然科学版, 2020, 32(1): 138-145. |
Feng Xiang-hui. An improved homomorphic filtering image enhancement algorithm[J]. Journal of Chongqing University of Posts and Telecommunications (Natural Science Edition), 2020, 32(1): 138-145. | |
4 | 韩梦妍, 李良荣, 蒋凯. 基于光照图估计的Retinex低照度图像增强算法[J]. 计算机工程, 2021, 47(10): 201-206. |
Han Meng-yan, Li Liang-rong, Jiang Kai. Retinex low-illumination image enhancement algorithm based on light image estimation[J]. Computer Engineering, 2021, 47(10): 201-206. | |
5 | 刘文, 杨梅芳, 聂江天, 等. 基于局部生成对抗网络的水上低照度图像增强[J]. 计算机工程, 2021, 47(5): 16-23. |
Liu Wen, Yang Mei-fang, Nie Jiang-tian, et al. Low-light maritime image enhancement based on local generative adversarial network[J]. Computer Engineering, 2021, 47(5): 16-23. | |
6 | 房楚尧, 周知, 赵家培, 等. 基于再模糊理论的航拍图像质量检测方法[J]. 计算机工程与应用, 2019, 55(7): 199-206. |
Fang Chu-yao, Zhou Zhi, Zhao Jia-pei, et al. Detection method of aerial image quality based on re-blur theory[J]. Computer Engineering and Applications, 2019, 55(7): 199-206. | |
7 | 曹锦纲, 李金华, 郑顾平. 基于生成式对抗网络的道路交通模糊图像增强[J].智能系统学报, 2020, 15(3): 491-498. |
Cao Jin-gang, Li Jin-hua, Zheng Gu-ping. Enhancement of blurred road-traffic images based on generative adversarial network[J]. CAAI Transactions on Intelligent Systems, 2020, 15(3): 491-498. | |
8 | 于天河, 李昱祚, 兰朝凤. 基于顶帽底帽变换的仿生图像增强算法[J].计算机应用, 2020, 40(5): 1440-1445. |
Yu Tian-he, Li Yu-zuo, Lan Chao-feng. Bionic image enhancement algorithm based on top-bottom hat transformation[J]. Journal of Computer Applications, 2020, 40(5): 1440-1445. | |
9 | 侯向丹, 郑梦敬, 刘洪普, 等. 基于剪切波和改进Pal-King的医学图像增强算法研究[J]. 激光与光电子学进展, 2019, 56(3): 123-129. |
Hou Xiang-dan, Zheng Meng-jing, Liu Hong-pu, et al. Medical image enhancement algorithm based on shearlet domain and improve Pal-King algorithm[J]. Laser & Optoelectronics Progress, 2019, 56(3): 123-129. | |
10 | 吴婷. 基于非均匀有序直方图和锐化的红外图像增强[J]. 半导体光电, 2020, 41(1): 135-140. |
Wu Ting. Infrared image enhancement based on non-uniform ordered histogram and sharpening[J]. Semiconductor Optoelectronics, 2020, 41(1): 135-140. | |
11 | 刘永娜, 王利绒. 基于激光传感器的模糊图像增强研究[J]. 激光杂志, 2020, 41(3): 122-125. |
Liu Yong-na, Wang Li-rong. Research on fuzzy image enhancement based on laser sensor[J]. Laser Journal, 2020, 41(3): 122-125. | |
12 | 陈晓文, 刘光帅, 刘望华, 等. 结合LoG边缘检测和增强局部相位量化的模糊图像识别[J]. 计算机科学, 2020, 47(12): 197-204. |
Chen Xiao-wen, Liu Guang-shuai, Liu Wang-hua. Blurred image recognition based on log edge detection and enhanced local phase quantization[J]. Computer Science, 2020, 47(12): 197-204. | |
13 | 林森, 刘世本, 唐延东. 多输入融合对抗网络的水下图像增强[J].红外与激光工程, 2020, 49(5): 217-225. |
Lin Sen, Liu Shi-ben, Tang Yan-dong. Multi-input fusion adversarial network for underwater image enhancement[J]. Infrared and Laser Engineering, 2020, 49(5): 217-225. | |
14 | 王成, 张艳超. 像素级自适应融合的夜间图像增强[J]. 液晶与显示, 2019, 34(9): 888-896. |
Wang Cheng, Zhang Yan-chao. Night image enhancement based on pixel level adaptive image fusion[J]. Chinese Journal of Liquid Crystals and Displays, 2019, 34(9): 888-896. | |
15 | 王红茹, 张弓, 卢道华, 等. 基于背景光估计与颜色修正的水下图像增强[J]. 计算机工程, 2020, 46(10): 253-258. |
Wang Hong-ru, Zhang Gong, Lu Dao-hua, et al. Underwater image enhancement based on background light estimation and color correction[J]. Computer Engineering, 2020, 46(10): 253-258. | |
16 | 刘明珠, 苏桃宇, 王依宁. 压扩多尺度Retinex图像增强算法研究[J]. 哈尔滨理工大学学报, 2020, 25(5): 93-99. |
Liu Ming-zhu, Su Tao-yu, Wang Yi-ning. Research on compressed multiscale retinex image enhancement algorithms[J]. Journal of Harbin University of Science and Technology, 2020, 25(5): 93-99. | |
17 | 孙启隆, 于萍, 司振惠, 等. 基于暗通道的沙尘图像增强算法[J]. 吉林大学学报:理学版, 2021, 59(5): 1179-1187. |
Sun Qi-long, Yu Ping, Si Zhen-hui, et al. Dust image enhancement algorithm based on dark channel[J]. Journal of Jilin University(Science Edition), 2021, 59(5): 1179-1187. |
[1] | 申铉京,张雪峰,王玉,金玉波. 像素级卷积神经网络多聚焦图像融合算法[J]. 吉林大学学报(工学版), 2022, 52(8): 1857-1864. |
[2] | 高明华,杨璨. 基于改进卷积神经网络的交通目标检测方法[J]. 吉林大学学报(工学版), 2022, 52(6): 1353-1361. |
[3] | 杨怀江,王二帅,隋永新,闫丰,周跃. 简化型残差结构和快速深度残差网络[J]. 吉林大学学报(工学版), 2022, 52(6): 1413-1421. |
[4] | 王学智,李清亮,李文辉. 融合迁移学习的土壤湿度预测时空模型[J]. 吉林大学学报(工学版), 2022, 52(3): 675-683. |
[5] | 李向军,涂洁莹,赵志宾. 基于多尺度融合卷积神经网络的熔解曲线有效性分类[J]. 吉林大学学报(工学版), 2022, 52(3): 633-639. |
[6] | 李先通,全威,王华,孙鹏程,安鹏进,满永兴. 基于时空特征深度学习模型的路径行程时间预测[J]. 吉林大学学报(工学版), 2022, 52(3): 557-563. |
[7] | 高文志,王彦军,王欣伟,张攀,李勇,董阳. 基于卷积神经网络的柴油机失火故障实时诊断[J]. 吉林大学学报(工学版), 2022, 52(2): 417-424. |
[8] | 张龙,徐天鹏,王朝兵,易剑昱,甄灿壮. 基于卷积门控循环网络的齿轮箱故障诊断[J]. 吉林大学学报(工学版), 2022, 52(2): 368-376. |
[9] | 段亮,宋春元,刘超,魏苇,吕成吉. 基于机器学习的高速列车轴承温度状态识别[J]. 吉林大学学报(工学版), 2022, 52(1): 53-62. |
[10] | 钟辉,康恒,吕颖达,李振建,李红,欧阳若川. 基于注意力卷积神经网络的图像篡改定位算法[J]. 吉林大学学报(工学版), 2021, 51(5): 1838-1844. |
[11] | 王德兴,吴若有,袁红春,宫鹏,王越. 基于多尺度注意力融合和卷积神经网络的水下图像恢复[J]. 吉林大学学报(工学版), 2021, 51(4): 1396-1404. |
[12] | 王柯俨,王迪,赵熹,陈静怡,李云松. 基于卷积神经网络的联合估计图像去雾算法[J]. 吉林大学学报(工学版), 2020, 50(5): 1771-1777. |
[13] | 李志军,杨楚皙,刘丹,孙大洋. 基于深度卷积神经网络的信息流增强图像压缩方法[J]. 吉林大学学报(工学版), 2020, 50(5): 1788-1795. |
[14] | 刘国华,周文斌. 基于卷积神经网络的脉搏波时频域特征混叠分类[J]. 吉林大学学报(工学版), 2020, 50(5): 1818-1825. |
[15] | 谌华,郭伟,闫敬文,卓文浩,吴良斌. 基于深度学习的SAR图像道路识别新方法[J]. 吉林大学学报(工学版), 2020, 50(5): 1778-1787. |
|