一种基于高斯函数的直方图规定化算法

格式：pdf
大小：151.27 KB
文档页数：4

ｆｎｔｎ（ｕｓａｕｃｉｏＧａｓｉｎＰＤＦ）Ｔｈｒｐｓｄａｇｒｔｍａｃｌｔｓｔｅｖｌｅｆｔｅａｅａｅｇａｅｅｎｏｔａｔ．ｅｐｏｏｅｌｏｉｈｃｌｕａｅｈａｕｓｏｈｖｒｇｒｙｌｖｌａｄｃｎｒｓ
Ａｂｓｒｃ：ＴｈｉａｒｐｒｏｅｎａｇｏｉｈｏｓｏｒｍｐｅｉｉａｉｎｂａｅｈｅＧａｕｓａｏｂｂｉｉｙｄｎｓｔｔａｔｓｐｐｅｏｐｓｓａｌｒｔｍｆｈｉｔｇａｓｃｆｃｔｏｓｄｏｎｔｓｉｎｐｒａｌｔｅｉｙ
维普资讯
第２卷第４期８
２００６年８月
铁
道
学
ห้องสมุดไป่ตู้
报
Ｖｏ．８Ｎｏ４１２．
Ａｕｓ２０ｇｕｔ０６
ＪＯＵＲＮＡＬ０ＦＴＨＥＣＨＩＮＡＲＡＩＬＷＡＹＳＯＣＩＥＴＹ
摘
要：提出一种基于高斯函数的直方图规定化算法，算法首先根据原图像的信息求出灰度平均值和灰度平本
均对比度，利用这两个参数估计输出图像的灰度平均值和灰度平均对比度，后利用输出图像的灰度平均值和并然灰度平均对比度构成高斯函数来规定输出图像的直方图，而控制输出图像的灰度平均值和灰度平均对比度。从此算法处理效果明显优于直方图均衡化算法，且计算量小、理速度快、需要人工干预，用于计算资源有而处不可限、时性要求较高的场合。而且通过改变单一参量就可以控制输出图像的对比度，工程应用中为用户提供了实在
ｏｆｔｎｐｍａｅ，ａｓｓｔｓｗｏｐｒｍｅｅｓｔｓｉａｅｔｖｅａａｙｌｖｌａｏｎｒｓｈｔｔｈｅｉｕｔｉｇｎｄｕｅｈｅｅｔａａｔｒｏｅｔｍｔｈｅａｒｇｅｇｒｅｅｎｄｃｔａｔｏｆｔｅｏｕｐｕｉｇｍａｅ，ａｄｔｅｐｃｆｅｈｅｈｉｔｇｒｍｈｅｏｕｐｕｍａｅｗｉｈｔｕｓｉｎｐｏｂｉｉｙｄｎｓｔｕｎｃｉｎｈｎｓｅｉｉｓｔｓｏａｏｆｔｔｔｉｇｔｈｅＧａｓａｒｂａｌｔｅｉｙｆｔｏｎ，ｔｅｈｅｅｔｔｏｎａａｉｎｅｏｘｐｃａｉｎｄｖｒａｃｆｗｈｉｈａｅｒｓｃｉｅｙｔｖｒｇａｅｅｎｏｒｓ．Ｔｈｅｐｅｆｒｎｃｈｃｒｅｐｅｔｖｌｈｅａｅａｅｇｒｙｌｖｌａｄｃｎｔａｔｒｏｍａｅｏｆｔｅａｇｉｈｍｓｅａｌａｅｄｅｐｅｉｅａｅｕｔｈｗｈｅｓｐｅｉｉｙｏｈｅｐｏｐｅｌｏｒｔｌｏｒｔｉｖｕｔｄａｎｘｒｍｎｔｌｒｓｌｓｓｏｔｕｒｏｒｔｆｔｒｏｓｄａｇｉｈｍｏｍｐａｅｔｃｒｄｗｉｈｓｍｅｅｓｉｇａｇｉｈｓｏｉｔｇｒｍｑｌｚｔｏｏｘｉｔｎｌｏｒｔｍｆｈｓｏａｅｕａｉａｉｎ．Ｉｌｏｈａｎｙａａａｓｏｒｏｔｒｉｇｅｅｈａｅｎｔａｓｓｍａｄｖｎｔｇｅｖｅｈｅｍａｎｎｃｍｅｔｍｅｈｓｉｅｐｅｔｏｆｌｗｏｔｏｄｎｒｓｃｏｃｍｐｕｔｔｏｌｃａｉｎａｏｍｐｌｘｔｅｉｙ，ｈｉｈｅｆｃｅｃｇｆｉｉｎｙ，ｎａａｎｔｒｅｔｏｎａｓｏｒｌｏｏｍｎｕｌｉｅｖｎｉｎａｄｅｙｃｎｔｏｆｔｏｒｓｈｔｈｅｃｎｔａｔｏｆｔｅｏｕｐｕｔｉｇｙａｔｒａｉｎｌｎｅｐａａｔｒ，ａｔｃｎｂｅｉｅｌｔｍｅｏｐｒｔｏｎｍａｅｂｌｅｎｔｎｇｏｙｏｒｍｅｅｎｄｉａｅｕｓｄｎｒａｉｅａｉｓａｄｓｓｅｔｉｉｅｏｍｐｕａｉａｅｏｃｓｎｙｔｍｓｗｉｈｌｍｔｄｃｔｔｏｎｌｒｓｕｒｅ．Ｋｅｒ：ｉａｅｅｈａｅｎｔｙｗｏｄｓｍｇｎｎｃｍｅ；ｇａｓｉｎＰＤＦ；ｓｔａｍａｎ；ｔａｎｐｉｉｍａｎ；ｆｚｙｐｏｃｓｉｕｓａｐａｉｌｄｏｉｒｓｏｓｔｏｎｓｄｏｉｕｚｒｅｓｎｇ
文章编号：０１８６（０６０一ｌ９０１０ —３０２０）４Ｏ１—４
一
种基于高斯函数的直方图规定化算法
肖斌，王嗄，毕秀丽，王振邦
（陕西师范大学物理学与信息技术学院，西西安７０６）陕１０２
调控与选择手段。
关键词：图像增强；高斯函数；间域法；变换域法；糊处理法空模
中图分类号：３１６ＴＰ１．ＴＰ０．：３７４文献标识码：Ａ
ＡｉｔｇａＳｃｆｃｔｏｇｒｔｓｄｏｕｓａＨｓｏｒｍｐｅｉｉａｉｎＡｌｏｉｈｍＢａｅｎＧａｓｉｎＰＤＦ
ＸＩＡＯｎ，ＷＡＮＧａＢＩＸｉ —ｉＷＡＮＧＢｉＸｕｎ，ｕｌ，Ｚｈｅ — ｎｎｂａｇ
（ｈｏｆＰｈｓｃｎｄＩｆｒｔｃｎｌｇＳｃｏｌｏｙｉｓａｎｏｍａｉＴｅｈｏｏｙ，ＳａｎｉＮｏｍａｎｖｒｉｙ。ＸｉＡｎ７０６，ＣｈｉａｏｎｈａｘｒｌＵｉｅｓｔ ’ １０２ｎ）

MATLAB直方图匹配

MATLAB直⽅图匹配直⽅图匹配或叫做直⽅图规定化都可以，是把原图像的直⽅图按照给定的直⽅图加以映射，使新图像的直⽅图的分布类似于给定的函数。

总共有以下⼏步： 1.求给定的函数的累积直⽅图s。

2.求原图像的累积直⽅图G。

3.求s中每⼀个值在G中距离最⼩的位置index。

4.求原图像每个像素通过index映射到的新像素的值。

代码如下：1 clear all;2 close all;3 clc;45 r=127;6 x=-r:r+1;7 sigma=20;8 y1=exp(-((x-80).^2)/(2*sigma^2));9 y2=exp(-((x+80).^2)/(2*sigma^2));10 y=y1+y2; %双峰⾼斯函数，任意函数都可以1112 %im=imread('bg.bmp'); %匹配⼀个图像的直⽅图13 %y=imhist(im);14 y=y/sum(y); %归⼀化，使函数符合概率分布的sum(y)==1这样⼀个规律15 plot(y); %待匹配的直⽅图1617 G=[]; %函数的累积直⽅图18for i=1:25619 G=[G sum(y(1:i))];20 end2122 img=imread('lena.jpg');23 [m n]=size(img);24 hist=imhist(img); %待处理图像的直⽅图25 p=hist/(m*n);26 figure;plot(p) %原图直⽅图2728 s=[]; %待处理图像的累积直⽅图29for i=1:25630 s=[s sum(p(1:i))];31 end3233for i=1:25634 tmp{i}=G-s(i);35 tmp{i}=abs(tmp{i}); %因为要找距离最近的点，所以取绝对值36 [a index(i)]=min(tmp{i}); %找到两个累积直⽅图距离最近的点37 end3839 imgn=zeros(m,n);40for i=1:m41for j=1:n42 imgn(i,j)=index(img(i,j)+1)-1; %由原图的灰度通过索引映射到新的灰度43 end44 end4546 imgn=uint8(imgn);47 figure;imshow(imgn)48 figure;plot(imhist(imgn)) %新图的直⽅图效果如下：给定的直⽅图原图原图直⽅图变换后的直⽅图最后的结果。

基于Retinex理论的图像增强算法研究

表格４．６．１．２增强图像的对比度……………………………。
…………。４２
表格４．６．１．３增强图像的信息熵…………………………．
…………．．４３
■
●
Ⅵ
ＹＩ刁００６鼯。
声明本学位论文是我在导师的指导下取得的研究成果，尽我所知，在本
学位论文中，除了加以标注和致谢的部分外，不包含其他人已经发表或公布过的研究成果，也不包含我为获得任何教育机构的学位或学历而使用过的材料。与我一同工作的同事对本学位论文做出的贡献均已在论文中作了明确的说明。
Ｒｅｔｉｎｅｘ图像增强算法是一种建立在科学实验和科学分析基础上的图像增强理论，其实质就是从图像Ｓ中抛开照射光工的影响来获得物体的反射性质足，即获得物体本来的面貌。与其它图像增强方法相比，Ｒｅｔｉｎｅｘ算法具有锐化、颜色恒常性、动态范围压缩大、色彩保真度高等特点。
虽然传统的色彩理论能够很好地解释很多与色彩有关地现象，并在实际生活中有着非常广泛地应用。然而美国物理学家ＥｄｗｉｎＬａｎｄ在２０世纪５０年代发现有些现象是传统的色彩理论无法解释的，经过近２０多年的科学实验和分析，Ｌａｎｄ认为在视觉信息的传导过程中人类的视觉系统对信息进行了某种处理，去除了光源强度和照射不均匀等一系列不确定的因素，而只保留了反映物体本质特征的信息，如反射系数等【２】。当这些描述物体本质特征的相关信息传递到大脑皮层后，经过更为复杂的信息处理，才最终形成人的视觉。基于这样的认识，１９７７年ＥｄｗｉｎＬａｎｄ首次提出了一种被称为Ｒｅｔｉｎｅｘ的色彩理论，Ｒｅｔｉｎｅｘ这个词本身就是由视网膜Ｒｅｔｉｎａ和大脑皮层Ｃｏｒｔｅｘ两个词组合构成的。Ｒｅｔｉｎｅｘ理论主要包含了两个方面的内容：物体的颜色是由物体对长波、中波和短波光线的反射能力决定的，而不是由反射光强度的绝对值决定的；物体的色彩不受光照非均性的影响，具有一致性【２】。

kcf算法的实现 -回复

kcf算法的实现-回复KCF算法的实现KCF（Kernelized Correlation Filter）算法是一种基于相关滤波器的目标跟踪算法。

它通过将目标在图像域转化到特征域，利用核函数将相似度计算转化为线性回归问题，从而实现实时有效的目标跟踪。

本文将从KCF算法的原理、特征提取、核函数使用以及优化方法等方面，一步一步地介绍KCF算法的实现。

一、KCF算法原理KCF算法的核心思想是在每一帧图像中，通过相关滤波器将目标与背景进行分离。

其步骤如下：1. 初始化：首先在第一帧图像中手动选择目标的位置，并提取相关特征。

2. 特征提取：通过使用HOG（方向梯度直方图）特征和灰度图像特征，将目标从图像域转化到特征域，以提高鲁棒性。

对于每一帧图像，也使用相同的提取方法进行特征提取。

3. 相似度计算：利用核函数将目标模板与当前帧的特征进行比较，计算它们之间的相似度。

4. 线性回归：将相似度与样本标签建立线性关系，对目标模板和背景模板进行线性回归训练，得到目标模板的回归系数。

5. 目标跟踪：在下一帧图像中，通过将目标模板与当前帧进行相关计算，利用回归系数来定位目标的位置。

二、特征提取特征提取是KCF算法中非常重要的一步，它能够有效地从原始图像中提取有用的特征，以帮助跟踪目标。

常用的特征包括HOG特征和灰度图像特征。

1. HOG特征：方向梯度直方图（HOG）是一种用于目标检测和跟踪的特征描述子。

它将图像分割成小的单元格，计算每个单元格中灰度梯度的方向直方图，并将这些直方图串联起来形成特征向量。

HOG特征能够有效地表达目标的形状和边缘信息。

2. 灰度图像特征：除了HOG特征外，KCF算法还利用灰度图像的信息来进行目标跟踪。

通过将图像转化为灰度图像，可以简化计算，并提供目标的亮度信息。

三、核函数的使用KCF算法中使用核函数将相似度计算问题转化为线性回归问题，实现目标跟踪。

常用的核函数包括线性核函数、高斯核函数和多项式核函数。

基于sift特征的图像匹配算法

２１．特征点方向的确定
利用特征点邻域像素的的梯度方向分布特征，为每
一
个特征点指定方向参数，使算子具有尺度不变性。
ｍｘ）√ ＋ｙＬ一）＋，１Ｌ，ｌ（＝ｌ）（１））（Ｙ，，一ｘ，，＋一ｘ— ０ｘ）ｏｎＯｙＯＬ，１／（１）三一））９，＝２，－（ｙ）（ｘ，一Ｏ１）（）ｙｔｔａ＋￣－）Ｌ＋，），
２２＊个种子点，每个种子点８方向，共可生产３个数个２
二、算法实现和实验结果
实验算法采用Ｖ２０开发。结果如下：Ｃ０８第一组实验，上图是由下图放大而来，且 ±
光照强度。两幅图中
的箭头方向代表了该像素点的梯度方向，
ＬｘＹｏ＝ＧｘＹ）（，）（）（，，）（，，ｏＩｘ２
ＳＦ特征匹配算法是ＤａｉＬｗｅ０４ＩＴｖｄＧ．ｏ在２０年总结了
现有的基于不变量特征检测技术的基础上，提出的一种
基于尺度空间的，对图像缩放、旋转甚至仿射变换保持
不变性的图像局部特征描述算法。ＳＦ特征是图像局ＩＴ
骤：１特征点的检测；２特征向量的生成；３特征向．是．．
量的匹配。
尺度对应于图像的概貌特征，小尺度对应于图像的细节
特征。选择合适的尺度因子平滑是建立尺度空间的关键。在这里，主要是建立高斯金字塔和ＤＧ（ｉｅｅｃＯＤｆｒｎｅ
１．．

下载提示

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

一种基于高斯函数的直方图规定化算法

合集下载

MATLAB直方图匹配

基于Retinex理论的图像增强算法研究

kcf算法的实现 -回复

基于sift特征的图像匹配算法

文档推荐

最新文档