基于 RBF 神经网络的低对比度图像自适应增强算法

• 作者: 崔佳星 张志芳 李华德 赵仁涛 郭彩乔 铁军
• 来源期刊: 图学学报
• 学科: 工学
• 关键词: 直方图修正 条件概率 图像增强 RBF神经网络
• 年，卷（期）: 2015,（3）
• 所属期刊栏目: 视觉与图像
• 页码范围: 432-437
• 页数: 6页
• 分类号: TP751
• 字数: 4347字
• 语种: 中文

摘要

针对低对比度图像增强问题，提出了一种将直方图修正与RBF神经网络相结合的图像对比度增强算法。首先由原始图像获得与其邻域存在对比度的像素的条件概率直方图，通过调整两个增强参数可以改变条件概率直方图和均匀分布直方图的权重，生成新的直方图对图像进行增强。采用RBF神经网络建立图像特征与两个增强参数之间的非线性映射关系。根据图像本身的特征快速获得增强参数，从而实现图像的自适应增强。该方法计算量小，实时性强，应用范围广，有较强的自适应性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李华德	北京科技大学自动化学院	145	1646	23.0	36.0
2	张志芳	北方工业大学电气与控制工程学院	15	73	6.0	8.0
3	铁军	北方工业大学电气与控制工程学院	33	210	10.0	12.0
4	赵仁涛	北京科技大学自动化学院	31	147	7.0	9.0
8	郭彩乔	北方工业大学电气与控制工程学院	3	13	3.0	3.0
9	崔佳星	北方工业大学电气与控制工程学院	1	6	1.0	1.0