基于快速模糊聚类的动态多直方图均衡化算法
为了提高直方图均衡化方法对不同亮度图像的适用性,提出一种基于图像聚类的动态多直方图均衡化算法.采用基于直方图加权的模糊C-均值聚类算法对图像进行快速聚类,并采用聚类质量评价指标确定最佳聚类个数.对于每个子图像的直方图,以像素数量均值作为幅度极值进行裁剪,根据原有灰度区间与像素占比重新分配动态范围.基于裁剪的直方图对每个子图像进行独立的均衡化,并映射到新的灰度区间.采用多种亮度特征的测试图像对算法性能进行了验证,并与直方图均衡化、递归均值分割的直方图均衡化、递归分割与加权的直方图均衡化、动态直方图均衡化、基于熵的动态子直方图均衡化、基于模糊分割的双直方图均衡化算法进行比较.实验结果表明,该算法增强的图像具有适中的对比度以及比其他算法更大的平均信息熵、更小的NIQE平均值.该算法对于多种亮度特征的图像均具有良好的适应性,能够有效避免过度增强与细节丢失,图像增强的视觉质量优于其他同类算法.
图像增强、直方图均衡化、多直方图、模糊聚类、直方图裁剪、动态范围分配
50
TP391(计算技术、计算机技术)
国家自然科学基金;安徽省自然科学基金;安徽省自然科学基金
2022-03-30（万方平台首次上网日期，不代表论文的发表时间）
共10页
167-176
