多维对比度受限自适应直方图均衡化
图像与视频处理
2020-05-19 v3 信号处理
数据分析、统计与概率
定量方法
摘要
对比度增强是提高图像处理和计算机视觉下游任务性能的一项重要预处理技术。在基于非线性直方图变换的现有方法中，对比度受限自适应直方图均衡化（CLAHE）是处理自然和科学环境中获得的二维图像的一种流行选择。近期数据采集系统的硬件升级导致数据复杂性显著增加，包括其大小和维度。高于三维的密集采样数据测量，通常由三维数据作为外部参数的函数组成，在自然科学和工程的各种应用中变得越来越普遍。对这些复杂多维数据集的初步理解通常需要通过视觉检查进行人工干预，而渗透在各个维度中的不同对比度水平可能会妨碍这一过程。我们定性和定量地表明，在所有维度上同时使用我们的多维CLAHE扩展（MCLAHE）可以更好地可视化和识别多维图像特征，并通过四维光电子能谱和荧光显微镜的案例进行了演示。我们在Tensorflow中实现的多维CLAHE是公开可访问的，并支持多CPU和各种其他硬件加速器（包括GPU）的并行化。
引用
@article{arxiv.1906.11355,
title = {Multidimensional Contrast Limited Adaptive Histogram Equalization},
author = {Vincent Stimper and Stefan Bauer and Ralph Ernstorfer and Bernhard Schölkopf and R. Patrick Xian},
journal= {arXiv preprint arXiv:1906.11355},
year = {2020}
}