图像增强是图像处理一大主要任务,其主要作用是改善图像的视觉效果,同时也为图像识别、图像理解等任务服务。图像处理是病态问题。目前解决病态的主要方法是正则化方法,即增加约束条件。但是由于图像的强随机性,找到能适合于多种类型图像以及整幅图像的约束十分困难,因此在图像处理算法中使用了大量的假设,而研究表明:算法中的假设越多,其性能越差。图像处理算法的自适应则是一种合理的解决方法,因为针对不同情况来处理,其假设条件会减少并且更接近实际情况。本文在图像自适应增强方面,提出了基于像素分类的算法自适应图像增强方法。但是这种方法只能改变边缘的斜率而不能改变边缘两侧的对比度。为此本文又提出了区域间直方图均衡的增强方法,具有在改变边缘两侧对比度的同时提高边缘的斜率,而且还能抑制平滑区的噪声。 图像方向信息测度反映了像素的某些基本属性,将像素分为平滑点、边缘点、纹理点。测度的大小反应了图像像素边缘的强弱性。作者在对方向信息测度研究的基础上,认为从方向信息测度中可以得到更多的信息,因此对其定义进行了改进。利用改进的图像方向信息测度中大量的图像像素信息,对表格图像进行算法自适应增强;用实验验证了算法自适应图像增强的思想,并用测度作为评价标准定量地评价了增强前后图像质量的好坏,为该类型的图像增强提供了借鉴。 区域间直方图均衡不同于传统的直方图修正技术,该思想是充分地考虑到人类的视觉特性和边缘在图像视觉中的作用而提出的。它首先利用作者提出的基于图像方向信息测度的边缘连接方法对图像进行区域分割,将分割后的各个区域的均值作为均衡的对象,使之最大范围的分布在图像的灰度级上,从而改善整个图像的灰度动态范围实现边缘增强;同时它保持区域中每个像素对该区均值的相对差值不变,因此在每个区内能很好的保持区域的平滑性而不引入噪声。最后,对该算法中产生的噪声设计了滤波方法。 对以上两种增强思想,本文提出了自己的实现方法,并做了大量的实验进行验证,论文中所有的结果图片都是作者仿真后的结果图片。