薄雾条件下退化图像的直方图均衡模型

计算机工程与应用 ›› 2016, Vol. 52 ›› Issue (3): 211-214.

薄雾条件下退化图像的直方图均衡模型

邢世宏1，杨晓东1，姜璐1，张少康2

1.海军潜艇学院航海观通系，山东青岛 266000
2.海军潜艇学院导弹兵器系，山东青岛 266000

出版日期:2016-02-01 发布日期:2016-02-03

Mathematical model of histogram equalization for degraded images in mist

XING Shihong1, YANG Xiaodong1, JIANG Lu1, ZHANG Shaokang2

1.Department of Navigation and Communication, Navy Submarine Academy, Qingdao, Shandong 266000, China
2.Department of Missile Weapon, Navy Submarine Academy, Qingdao, Shandong 266000, China

Online:2016-02-01 Published:2016-02-03

摘要/Abstract

摘要： 传统灰度图像直方图均衡模型在处理薄雾条件下的降质图像时，会出现概率较低的灰度级合并，总的灰度级有所损失问题，因此导致图像细节丢失，灰度分辨率下降，针对这一问题提出了改进的灰度图像直方图均衡模型，采取去除原始图像实际没有占有的灰度级，只对不为0的灰度级进行直方图均衡，从而保证总的灰度级数不减少，可以在一定程度上解决灰度级保持的问题。实验表明该直方图均衡模型可以对薄雾条件下降质图像处理取得较好的增强效果。

关键词: 直方图均衡, 图像增强, 薄雾条件, 保持灰度级

Abstract: Aiming at the problems that merging of low probability gray levels and loss of total gray levels lead to losing details and gray scale resolution, an improved HE model is proposed which takes the concept of removal of gray level not occupied in the image and limitation in the non-zero gray level, which guarantees the grayscale doesn’t decrease, and solves problems on gray-level preserving. Experiment shows that the model can obtain a good result for degraded images in mist.

Key words: histogram equalization, image enhancement, mist condition, gray-level preserving

邢世宏1，杨晓东1，姜璐1，张少康2. 薄雾条件下退化图像的直方图均衡模型[J]. 计算机工程与应用, 2016, 52(3): 211-214.

XING Shihong1, YANG Xiaodong1, JIANG Lu1, ZHANG Shaokang2. Mathematical model of histogram equalization for degraded images in mist[J]. Computer Engineering and Applications, 2016, 52(3): 211-214.

[1]	汤子麟，刘翔，张星. 光照不均匀图像的自适应增强算法[J]. 计算机工程与应用, 2021, 57(21): 216-223.
[2]	李文龙，李兴广，胡冉冉，崔炜. 基于天空分割的单幅交通标志图像去雾算法[J]. 计算机工程与应用, 2021, 57(20): 221-228.
[3]	王小鹏，杨文婷，文昊天. 利用自适应形态学实现遥感水体图像增强[J]. 计算机工程与应用, 2021, 57(12): 186-192.
[4]	杜豫怡，王鹏章，多化琼，董霙达. 频域内分位数的蒙古族家具纹样增强算法[J]. 计算机工程与应用, 2021, 57(12): 207-210.
[5]	陈迎春. 基于色调映射的快速低照度图像增强[J]. 计算机工程与应用, 2020, 56(9): 234-239.
[6]	陈建促，王越，朱小飞，李章宇，林志航. 融合多特征图的野生动物视频目标检测方法[J]. 计算机工程与应用, 2020, 56(7): 221-227.
[7]	袁小平，崔棋纹，程干，张侠，张毅，王溯源. 改进型Gabor自商图算法及其在人脸识别中的应用[J]. 计算机工程与应用, 2020, 56(5): 206-213.
[8]	朱德利，杨德刚，万辉，杨雨浓. 用于低照度图像增强的自适应颜色保持算法[J]. 计算机工程与应用, 2019, 55(24): 190-195.
[9]	王英博1，刘健2. 幂律变换和IGLC算法的显著性目标检测方法[J]. 计算机工程与应用, 2019, 55(14): 168-176.
[10]	王忠民1，2，段娜1，范琳1. 融合YOLO检测与均值漂移的目标跟踪算法[J]. 计算机工程与应用, 2019, 55(10): 186-192.
[11]	张桂梅1，刘峰瑞1，刘建新2. 图像增强中分数阶阶次自适应模型的构造[J]. 计算机工程与应用, 2018, 54(3): 184-191.
[12]	田敏，张印辉，何自芬，王森. 基于联合模型匹配的齿轮视觉检测方法[J]. 计算机工程与应用, 2018, 54(23): 170-175.
[13]	成钊1，2，王和明1，唐永康2，张颖1. 基于细节增强分析的硬件木马红外图像检测方法[J]. 计算机工程与应用, 2018, 54(16): 86-92.
[14]	覃宏超，李炎炎，龙伟，赵瑞朋，王倩. 改进的暗原色先验理论视频去雾算法研究[J]. 计算机工程与应用, 2018, 54(16): 176-181.
[15]	范晓鹏1，2，3，4，朱枫1，3，4. 人眼灰度感知建模及其在图像增强中的应用[J]. 计算机工程与应用, 2018, 54(13): 209-215.