图像增强作为图像处理的重要方向,其目标是突出图像中重要的区域并增大图像整体和局部对比度。直方图均衡化由于具有良好的实时性和明显的增强效果,因此是图像增强的有效方法。图像梯度可以衡量图像灰度变化的速率,其主要反应的是灰度的动态信息和图像的纹理细节。如果增强图像梯度场可使得图像的细节更加清晰,因此增强图像梯度场能在一定程度上,减小由于光照条件等因素造成的细节缺失的影响。总之,研究如何有效地均衡或变换梯度场,以增强图像必不可少的纹理细节具有重要的意义。本文围绕基于梯度直方图均衡化的图像增强算法展开研究,取得的主要创新工作如下:1.针对目前算法的梯度场过增强和梯度级被吞噬问题,本文将直方图均衡化方法应用到梯度场,提出一种基于边缘分割和概率修正的梯度场均衡化算法。该算法将原图的梯度分布看成混合高斯分布,并利用自适应概率统计方法将原图的梯度场分割出边缘和非边缘部分。再对每部分独立地进行均衡化处理以改善目前算法的过增强效应。此外,在边缘和非边缘部分各自均衡前,利用单阈值法修正两部分的概率,以避免直方图均衡化的梯度级吞噬效应。仿真结果表明:所提算法使图像的平均梯度最多提高了三倍,与对比算法相比,增强后的图像未出现失真的现象。2.针对目前算法重建图像的时间复杂度高和图像质量不足问题,本文在1中所提算法的基础上,进一步提出一种基于矩阵替代法重建的梯度场均衡化算法。该算法利用1中所提算法得到目标梯度场。然后,在基于目标梯度场重建增强图像时,利用矩阵替代法求图像矩阵的拉普拉斯算子和散度算子。并将泊松方程的求解转换为矩阵运算求解,以改善重建图像的时间复杂度和图像质量。仿真结果表明:与目前的重建方法相比,所提的矩阵替代法不仅降低了重建的时间复杂度,还保留了增强图像的细节信息;与1中所提算法相比,改善了算法的时间复杂度。