一种自适应分数阶偏微分图像增强模型

计算机工程与科学

一种自适应分数阶偏微分图像增强模型

李伟凯1,王政霞1,蒋伟2

（1.重庆交通大学信息科学与工程学院，重庆 400074;重庆交通大学数学与统计学院，重庆 400074）

收稿日期:2016-10-02 修回日期:2016-12-04 出版日期:2018-04-25 发布日期:2018-04-25
基金资助:
国家自然科学基金(61004118，11071266，11401060);重庆市教委科学技术研究项目(KJ1500501;KJ1755492);重庆市自然科学基金(cstc2015jcyjA70010)；2016年重庆市研究生科研创新项目(CYS16183);2015年重庆交通大学实验教学改革与研究项目(SYJG201532)

An adaptive fractional-order partial

differential image enhancement model

LI Weikai1,WANG Zhengxia1,JIANG Wei2

(1.School of Information Science and Engineering,Chongqing Jiaotong University,Chongqing 400074;

2.College of Mathematics and Statistics,Chongqing Jiaotong University,Chongqing 400074,China)

Received:2016-10-02 Revised:2016-12-04 Online:2018-04-25 Published:2018-04-25

摘要/Abstract

摘要：

针对传统的自适应分数阶偏微分方程图像增强算法对图像暗区纹理区域的增强不足的缺点，考虑到人眼对光感的敏感程度不同，将亮度对视觉的影响因素考虑进传统的自适应分数阶偏微分方程图像增强算法。以梯度和灰度值为参数，建立了一种新的自适应分数阶偏微分图像增强模型。该模型改善了传统算法对暗区图像增强不足的缺点，图像增强后的平均梯度提升明显，很好地改善了图像的视觉效果。实验结果说明本算法具有一定的有效性。

关键词: 图像增强, 分数阶, 自适应, 偏微分方程, 暗区图像增强

Abstract:

Aiming at the shortcoming that the conventional adaptive image enhancement algorithms based on fractionalorder partial differential equations have not good enhance performance on the dark texture region, taking into account the different sensitivity of the human eye to the light sensation, the impact of brightness on vision is combined with the conventional adaptive image enhancement algorithms based on fractionalorder partial differential equations. A new adaptive fractionalorder partial differential image enhancement model is established by using the gradient and gray value as parameters, which improves the shortcoming of the previous model in enhancing the dark region image. The average gradient of the enhanced image is increased significantly and the image’s visual effect is improved superiorly, which shows that the proposed algorithm has some validity.

Key words: image enhancement, fractional order, adaptive, partial differential equations, dark space image enhancement

李伟凯1,王政霞1,蒋伟2. 一种自适应分数阶偏微分图像增强模型[J]. 计算机工程与科学.

LI Weikai1,WANG Zhengxia1,JIANG Wei2.

An adaptive fractional-order partial

differential image enhancement model

[J]. Computer Engineering & Science.

[1]	胡小月, 王强, 吕方旭, 许超龙, 张锦. 面向56 Gb/s高速SerDes接收机DSP设计[J]. 计算机工程与科学, 2024, 46(07): 1202-1209.
[2]	范琪, 王善敏, 刘成广, 刘青山. 类别特征约束的多目标域表情识别方法[J]. 计算机工程与科学, 2024, 46(05): 836-845.
[3]	李江华, 王鹏晖, 李伟. 一种混合多策略改进的麻雀搜索算法[J]. 计算机工程与科学, 2024, 46(02): 303-315.
[4]	吴国栋, 刘旭旭, 毕海娇, 范维成, 涂立静. 基于元学习个性化推荐研究综述[J]. 计算机工程与科学, 2024, 46(02): 338-352.
[5]	李雨恒, 高尚, 孟祥宇. 基于精英引导的改进哈里斯鹰优化算法[J]. 计算机工程与科学, 2024, 46(02): 363-373.
[6]	沈克宇, 游志宇, 刘永鑫. 基于拟合优先搜索的多场景自适应改进A*算法[J]. 计算机工程与科学, 2024, 46(01): 142-149.
[7]	孙睿男, 初翔, 陈昱, 闫明宁. 基于混合启发式算法的快递末端选址路径优化研究[J]. 计算机工程与科学, 2024, 46(01): 159-169.
[8]	刘琰, 张姣, 姜胜腾, 潘筱茜, 赵海涛, 魏急波. 一种多策略融合的人工蜂鸟算法[J]. 计算机工程与科学, 2023, 45(12): 2216-2225.
[9]	陈清江, 顾媛. 基于多尺度深度可分离卷积的低照度图像增强算法[J]. 计算机工程与科学, 2023, 45(10): 1830-1837.
[10]	王若宾, 耿芳东, 张永梅, 宋威, 王伟锋, 徐琳. 基于改进自适应DBSCAN的混合式MOOC视频观看模式挖掘[J]. 计算机工程与科学, 2023, 45(09): 1670-1678.
[11]	罗晓霞, 邓勇, 叶鸥. 复杂场景中多阶段自适应帽子检测算法[J]. 计算机工程与科学, 2023, 45(07): 1253-1262.
[12]	白杉, 冯秀芳. 基于注意力增强的中心差分自适应图卷积的骨架行为识别[J]. 计算机工程与科学, 2023, 45(07): 1263-1273.
[13]	柴岩, 朱玉, 任生. 多策略协同的改进鲸鱼优化算法[J]. 计算机工程与科学, 2023, 45(07): 1308-1319.
[14]	黄学雨, 罗华. 融合正余弦策略的算术优化算法[J]. 计算机工程与科学, 2023, 45(07): 1320-1330.
[15]	赖明澈, 吕方旭, 张庚, 许超龙. 面向112 Gbps PAM4串行接收机的低误码协同自适应均衡器[J]. 计算机工程与科学, 2023, 45(06): 951-960.