-
自适应直方图均衡化（AHE）：图像增强的新维度
在数字图像处理领域，对比度增强是一项至关重要的技术，旨在提升图像的视觉质量和可识别性。自适应直方图均衡化（Adaptive Histogram Equalization, AHE）作为一种先进的图像增强方法，通过局部调整图像的直方图分布，显著提高了图像的对比度和细节表现力。本文将深入探讨AHE的原理、实现方式及其在多个领域的应用。
-
一种基于单尺度Retinex的图像增强算法
摘要：以单尺度Retinex算法为基础，结合RGB颜色空间与YCbCr颜色空间转换的方法和直方图均衡化，获得一组类比于曝光度不同的图像，接着将所得曝光度不同的图像组按权重重建图像。通过比较处理前后的图像，可看出该算法可实现对单张图像整体和细节方面的增强。
-
基于图像分割技术的小麦识别
摘 要 ：图像处理作为计算机视觉技术必不可少的部分，成为众多学者口中的热点及难点。图像分割是把图像分成若干个特定、具有独特性质的区域并提出感兴趣目标的技术和过程，目的是实现通过医学领域的阈值分割方法以有效分割作物与背景。此次实验以田间小麦图像作为研究对象，通过多图像进行预处理以及利用图像分割技术中的阈值分割算法，从复杂的背景中提取出小麦。结果表明，阈值分割算法不仅可以提取出作物信息而且还有助于去除噪声的影响。此次实验为基于图像识别及计算机视觉技术的农田绿色作物识别技术研究提供了参考。
-
雾天图像增强中Retinex算法的细节信息优化
摘 要：为了解决雾天图像增强中的细节信息优化问题，提出了一种新的基于亮度块Retinex算法的雾天图像增强方法。该方法首先采用背景亮度作为激励亮度值对图像的亮度块进行分割，然后采用不同尺度的增强因子对分割块进行增强，在对像素的边缘信息分割之后，再按照一定的比例对块信息进行融合。仿真结果显示：与传统的Retinex算法相比，基于亮度块的图像增强Retinex算法的信息熵较高，增强效果较好。
