导读:本文包含了增强对比度论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:对比度,图像,卷积,直方图,神经网络,锐化,尺度。
增强对比度论文文献综述
李庆忠,赵峂,牛炯[1]（2019）在《低照度图像自适应颜色校正与对比度增强算法》一文中研究指出光照变化会造成图像颜色失真和清晰度的下降,为了使计算机视觉系统具有颜色恒常感知功能,提出了一种基于极限学习机和杜鹃搜索算法的图像颜色校正与对比度增强算法.首先对于输入图像,提取该图像的17维特征向量,并利用训练好的极限学习机神经网络自适应地选择适合该图像的最佳颜色恒常算法,并进行相应的颜色校正;然后,针对图像的亮度分量,利用杜鹃搜索算法自动确定亮度增强函数的最优参数,并进行相应的对比度增强.基于Funt数据集的实验结果表明,文中算法不仅能有效地完成图像颜色校正,还能自适应地提高图像的信息量和对比度,获得图像颜色和对比度的综合最佳视觉质量.(本文来源于《计算机辅助设计与图形学学报》期刊2019年12期）
杨桐,张姗姗,江方舟,李奕飞,俞戈昊[2]（2019）在《基于深度学习与自适应对比度增强的臂丛神经超声图像优化》一文中研究指出现代医学中,利用臂丛神经分割与识别后的图像经过对比度增强优化后,可以更利于医师识别出病症和肿瘤。在上肢手术与术后护理中需要进行麻醉护理,而臂丛神经阻滞是一种常用的局部麻醉方式。为了精确确定臂丛神经的位置,在实际治疗过程中广泛应用超声设备对神经系统进行检测和定位。文中阐述了基于深度学习以及神经网络,在超声动态影像中准确地识别并分割臂丛神经,且在截出的图像中通过自适应对比度增强来优化超声图像的显示。实验数据来自于北京积水潭医院,分为病人的超声影像以及对应的良性恶性肿瘤图片。文中运用了增强对比度的算法对所提取的特征进行处理,结果表明增强了图像的对比度和显示内容的精确度。(本文来源于《计算机科学》期刊2019年S2期）
周博睿,谈宜东,沈学举,朱开毅,鲍丽萍[3]（2019）在《微泡造影剂增强超声调制激光回馈成像对比度的机理研究》一文中研究指出超声调制光学成像技术是一种新型的生物组织光学检测技术,在癌症的早期检测方面具有巨大的潜力,但该技术在信噪比和成像对比度方面存在不足.在超声调制光学成像技术的基础上,结合高灵敏度的激光回馈技术提出了超声调制激光回馈技术,建立了含微泡介质的蒙特卡罗光子传输模型,通过仿真和实验研究了超声微泡造影剂增强超声调制激光回馈成像对比度的作用机理.结果表明,在透明溶液中,超声微泡造影剂可以增强超声调制激光回馈信号,并产生谐波调制,通过检测回馈基波和谐波信号增强量的方法可提高成像对比度;而在仿生物组织环境中,超声微泡造影剂可显着衰减超声调制激光回馈信号,通过检测回馈基波和谐波信号衰减量的方法可提高成像对比度.(本文来源于《物理学报》期刊2019年21期）
沈旭,程小辉,王新政[4]（2019）在《结合视觉注意力机制基于尺度自适应局部对比度增强的红外弱小目标检测算法》一文中研究指出如何在没有先验信息的情况下从复杂噪声背景下快速检测到远距离进入的弱小目标,提高整个装备系统的响应能力,是目前IRST热门研究课题。本文通过引入视觉注意机制,提出了一种结合尺度自适应的局部对比度测量的红外弱小目标检测方法。本文首先采用拉普拉斯金字塔尺度空间理论对所有像素点局部对比度进行分析,获得对应的自适应尺度信息;然后在跳出效应的基础上设计了一种基于改进的局部对比度测量模型,最终生成一个显着图来突出目标特性,该方法能够在增强目标对比度同时,抑制背景杂波。定性定量实验结果表明,本文提出的方法相比于对比算法具有较高的红外小目标检测性能,能够对对比度不低于5%的目标稳定检测,适合防空武器装备工程应用。(本文来源于《红外技术》期刊2019年08期）
罗谨哲,荣传振,贾永兴,杨宇[5]（2019）在《基于对比度增强和两尺度分解的红外与可见光图像融合》一文中研究指出为了实现夜视场景增强,获得更适合人类视觉感知的图像,提出一种基于对比度增强和两尺度分解的红外与可见光图像融合方法。首先利用引导滤波与动态范围压缩算法,对可见光图像进行自适应增强;为提高算法的运行效率,采用图像两尺度分解,将红外图像与增强后的可见光图像分解为基本层和细节层,同时引入视觉显着性检测以生成权重图,对细节层图像进行融合,图像基本层融合采用加权平均融合方法;最后,对各层融合图像进行重构,以获得最终的融合图像。实验结果表明,本方法不仅能有效突出红外目标信息,同时保留图像的纹理细节信息,有效提升图像的可视性,在视觉质量和客观评价方面优于其他目前常用的图像融合方法,同时大幅降低了处理时间,提高了算法的运行效率。(本文来源于《通信技术》期刊2019年08期）
郭钰璐,董丽丽,许文海[6]（2019）在《融合边缘信息的对比度增强算法》一文中研究指出针对红外图像中对比度低,细节不清晰,视觉效果模糊等问题,提出一种结合边缘信息的对比度增强算法。首先,使用引导滤波将原始红外图像分解为基础图像和细节图像,并且通过使用对比度限制的直方图均衡来处理基础图像,提高图像对比度,克服"过度增强"现象;利用Gamma变换处理细节图像,增强细节信息;再将处理后的两幅图像融合成图ImageSD;然后为了有效地改善ImageSD的亮度不均匀的现象,对原始图像进行自适应直方图均衡和拉普拉斯锐化滤波;最后,将两个图像进行线性加权并融合以重建出最终的红外图像。结果表明,该方法可以更好地提升原始图像的对比度,丰富细节信息。(本文来源于《红外技术》期刊2019年07期）
张雷洪,熊锐[7]（2019）在《基于增强的低对比度印品缺陷的识别技术研究》一文中研究指出目的针对当前印刷缺陷检测系统中存在的低对比度印刷缺陷检测精度不高等问题,基于HSV颜色空间,提出一种增强的低对比度印刷缺陷识别方法。方法首先,将标准样张图像与采集到的印刷图像由RGB颜色空间转换到HSV颜色空间,并提取视觉上变化敏感的亮度分量V作为待检测对象;其次,将对比度受限的局部直方图均衡(CLAHE)与数学形态学相结合,来增强显现待检测图像中的缺陷;再次,使用连通域分析方法来获取缺陷的面积、周长、离心率、长宽比和圆形度等5种特征信息,并以此建立15个特征模型;最后,构建基于PNN的印刷缺陷识别神经网络,并在Matlab中实现对低对比度印刷缺陷的识别。结果 15个模型的平均耗时为475 ms,都控制在毫秒级别,满足了现代印刷缺陷检测对于实时性的要求。其中模型2的测试正确率为95%,能够识别污点等点缺陷,模型3和模型12的测试正确率为93%和93.3%,能够识别刮痕等线缺陷,模型5的测试正确率为93.1%,能够识别墨迹等面缺陷,且测试正确率高于基于BP神经网络的缺陷识别方法。结论从缺陷检测的实时性和精确性上来讲,提出的方法能够对低对比度印刷缺陷进行实时和精确的检测。(本文来源于《包装工程》期刊2019年13期）
陈思文,刘玉江,刘冬,苏晨,赵地[8]（2019）在《基于AlexNet模型和自适应对比度增强的乳腺结节超声图像分类》一文中研究指出乳腺癌是女性是最常见的恶性肿瘤之一,其发病率有逐年增高的趋势,严重威胁着患者健康。如何取代传统活体穿刺,快速准确地对乳腺结节进行良恶性判断,近年越来越受到关注。医学研究表明,良恶性结节在边缘处呈现较为显着的差异,因此对边界加强处理的算法为判断乳腺结节良恶性的深度学习提供了新思路。文中实验数据库的构建基础得到首都医科大学附属北京友谊医院的支持。在比较5种边界增强算法后对图像进行扩增,并采用在图像分类方面十分出色的AlexNet网络模型。将分别经过线性、非线性对比度拉伸、直方图均衡化、直方图阈值化以及自适应对比度增强算法处理后的数据用于AlexNet模型,比较5种算法对AlexNet模型准确度的影响,得出更适用于乳腺结节超声图像的预处理算法。扩增后的数据集图像总数量超过一万张,其中训练集占80%,验证集与测试集各占10%。最终,通过绘制ROC曲线计算敏感度、特异度、精确度参数,对测试结果进行评估,并得到了较好的测试结果。(本文来源于《计算机科学》期刊2019年S1期）
郭庆荣[9]（2019）在《基于非下采样剪切波变换和模糊对比度的数字图像增强算法的研究》一文中研究指出目前,成像技术的快速发展使得图像的获取变的越来越方便。但是由于图像在采集和传输的过程中各种干扰的影响,导致出现了对比度较低、清晰度下降、信息丢失等问题,给后续图像的处理和应用增加了困难。图像增强的主要目的是有针对性的凸显目标信息的特征,最大程度的减少噪声,改善细节信息的清晰度,使之更有利于对图像的后续解析和应用。本文研究的主要内容是分别以遥感图像和医学图像为研究对象来验证本文所提算法。(一)对于遥感图像,由于采集和传输过程中的各种干扰,导致许多细节信息的丢失,清晰度的下降和信噪比的降低等问题,因此本文提出一种NSST与模糊对比度相结合的遥感图像增强算法。首先,原始图像通过NSST分解为低频分量和高频分量;然后线性增强低频分量以改善图像的整体对比度,并通过阈值法去除高频分量中的噪声,以消除其对图像细节的影响;接着,对处理后的低频和高频分量进行NSST逆处理;最后,对前面获得的图像使用模糊对比度增强以改善图像的层次感,突出显示细节信息。实验结果表明,与传统算法相比,该算法不仅取得了清晰的视觉效果,同时在去噪效果,提高对比度等方面均有明显的提升。(二)目前,医学图像已经越来越多的应用于现代医学诊断体系。然而,由于成像过程中图像受到各种干扰的影响,最终影响医生对病情的预判。因此,本文提出了一种基于NSST和模糊对比度的医学图像增强算法。首先,原始图像使用自适应直方图均衡化以增强图像的整体对比度;然后通过NSST将获得的图像分解为高频分量和低频分量;接着通过阈值法增强高频分量以去除图像中的噪声,使用线性变换增强低频分量以改善对比度;接着,对处理后的两个部分进行NSST逆处理,获得重建图像;最后,使用模糊对比度算法处理重建图像,以改善图像细节和纹理信息,获得最终增强图像。实验结果表明,该算法不仅可以得到良好的视觉效果,而且峰值信噪比(PSNR),均方根误差(Rmse)和时间等客观指标,都具有明显的优势。(本文来源于《新疆大学》期刊2019-06-03）
陈子妍[10]（2019）在《低对比度图像的清晰化与增强》一文中研究指出图像增强技术作为数字图像处理主要的研究内容之一,其目的是将一幅图像中有用的信息进行增强,同时将无用的信息进行抑制,提高图像的可观察性,从而得到更具有实用性的图像。文章主要研究了传统的图像增强算法,第一,对比度展宽算法,通过抑制非重要信息的对比度扩展重要信息的对比度增强图像;第二,动态范围调整,通过压缩动态范围,将所关心部分的灰度级变化范围扩大增强图像;第叁,直方图均衡化,对图像中像素个数多的灰度值进行展宽,对像素少的灰度值进行归并,从而增强图像。经过实验结果验证,这叁个方法最终都得到了显着的增强效果,达到了图像增强的目的。(本文来源于《科技视界》期刊2019年14期）
增强对比度论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
现代医学中,利用臂丛神经分割与识别后的图像经过对比度增强优化后,可以更利于医师识别出病症和肿瘤。在上肢手术与术后护理中需要进行麻醉护理,而臂丛神经阻滞是一种常用的局部麻醉方式。为了精确确定臂丛神经的位置,在实际治疗过程中广泛应用超声设备对神经系统进行检测和定位。文中阐述了基于深度学习以及神经网络,在超声动态影像中准确地识别并分割臂丛神经,且在截出的图像中通过自适应对比度增强来优化超声图像的显示。实验数据来自于北京积水潭医院,分为病人的超声影像以及对应的良性恶性肿瘤图片。文中运用了增强对比度的算法对所提取的特征进行处理,结果表明增强了图像的对比度和显示内容的精确度。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
增强对比度论文参考文献
[1].李庆忠,赵峂,牛炯.低照度图像自适应颜色校正与对比度增强算法[J].计算机辅助设计与图形学学报.2019
[2].杨桐,张姗姗,江方舟,李奕飞,俞戈昊.基于深度学习与自适应对比度增强的臂丛神经超声图像优化[J].计算机科学.2019
[3].周博睿,谈宜东,沈学举,朱开毅,鲍丽萍.微泡造影剂增强超声调制激光回馈成像对比度的机理研究[J].物理学报.2019
[4].沈旭,程小辉,王新政.结合视觉注意力机制基于尺度自适应局部对比度增强的红外弱小目标检测算法[J].红外技术.2019
[5].罗谨哲,荣传振,贾永兴,杨宇.基于对比度增强和两尺度分解的红外与可见光图像融合[J].通信技术.2019
[6].郭钰璐,董丽丽,许文海.融合边缘信息的对比度增强算法[J].红外技术.2019
[7].张雷洪,熊锐.基于增强的低对比度印品缺陷的识别技术研究[J].包装工程.2019
[8].陈思文,刘玉江,刘冬,苏晨,赵地.基于AlexNet模型和自适应对比度增强的乳腺结节超声图像分类[J].计算机科学.2019
[9].郭庆荣.基于非下采样剪切波变换和模糊对比度的数字图像增强算法的研究[D].新疆大学.2019
[10].陈子妍.低对比度图像的清晰化与增强[J].科技视界.2019
论文知识图
