论文部分内容阅读
针对传统算法增强图像认知区域后的信息熵与对比度较低,笔者提出基于机器学习的图像认知区域增强算法。该算法首先采用均值滤波和K近邻滤波两种方式,去除原始图像认知区域的噪声点,然后利用机器学习的卷积神经网络,分割预处理后的图像语义,最后提取认知区域特征,对区域特征进行灰度变换、空间锐化、直方图增强,实现图像认知区域增强。实验结果表明,该算法提高了增强图像的信息熵、对比度,充分保证了认知区域的整体视觉效果。