CLAHE算法在不同彩色空间中的图像增强效果评估

直方图均衡是一种常用的灰度图像增强算法,很多研究者对其做了各种改进,但少有人研究其在不同颜色空间上的增强效果.研究了对比度限制的自适应直方图均衡(CLAHE)图像增强算法,并介绍了图像和视频处理中常用的RGB、HSV、YIQ、YCbCr和Lab 5种颜色空间,给出了均方误差(MSE)、峰值信噪比(PSNR)、彩色增强因子(CEF)和结构相似度(SSIM)4个图像质量评价指标的计算公式,并用这4个指标评价了CLAHE算法在5种颜色空间上的增强效果.实验结果表明,相比于其它4种颜色空间,CLAHE算法在HSV颜色空间上取得了最好的增强效果.     

基于HSV颜色空间的改进的多尺度Retinex算法

针对带颜色恢复的多尺度Retinex算法在最后输出的图像上存有重叠的问题,提出了一种改进的子频带分解的Retinex算法,该算法不仅能增强亮点中的细节,也能增强在阴影中的细节.由于RGB这三种颜色之间有很强的关系,而HSV这三者之间没有很大的关联,能够较好的反映人对色彩的感知.实验结果表明,与基于RGB空间的多尺度Retinex算法相比,改进的基于HSV的算法更有效的增强图像在亮点和阴影中的细节,颜色更接近于原图.     

自适应HSV空间Retinex煤矿监控图像增强算法

针对煤矿井下的监控图像由于粉尘、煤尘、低照度或点光源等光照的影响,而整体阴暗模糊,对比度低,背景噪声强,视觉效果不理想的问题,提出一种改进的HSV(Hue,Saturation,Value)空间的颜色可恢复的多尺度Retinex(Muhi-Scale Ret-inex,MSR)的图像增强算法.该算法先将图像从RGB空间转换到HSV空间,以确保后续图像增强处理不会影响图像的色彩效果;然后利用提出的自适应的高斯核函数分离亮度分量V的照度分量和反射分量,再利用自适应的增益系数对反射分量进行增强处理,获得不受光照影响的、增强的反射图像;最后将反射图像逆变换回RGB空间,再利用优化的颜色恢复函数对增强的图像进行颜色修正,从而改善图像的全局视觉效果和局部对比度.实验表明该方法能有效提高煤矿井下监控图像的对比度和亮度,抑制背景噪声,从而大大改善煤矿井下监控图像的视觉效果,且很好地实现了参数自适应,减少了人为因素对结果的影响.     

基于灰度变换及改进Retinex的低照度图像增强

针对低光照条件下拍摄的图像受光和环境的影响,其重要信息丢失严重,出现对比度低、细节模糊等问题,提出了一种基于灰度变换与改进Retinex的图像增强方法。首先采用引力搜索算法（gravitational search algorithm, GSA）优化的全局灰度变换函数对图像的RGB各通道灰度图像进行灰度变换,增强图像光照强度,使其更接近均匀光照场景;然后将图像转为HSV色彩空间,对V通道（亮度通道）采用改进的多尺度Retinex(MSR)算法处理,将基于范围的自适应双边滤波和Gabor滤波作为Retinex算法的环绕函数,结合两种滤波的特性来增强图像的亮度和细节。最后采用伽马校正避免图像融合造成的图像色偏。实验结果显示,该方法处理过的增强图像在主观和客观评价上优于其他方法,图像颜色失真较小,细节更清晰,为图像的后续应用做了铺垫。     

改进的单尺度Retinex雾天图像增强算法

在恶劣天气(如雾、霾)条件下,室外计算机视觉系统会采集到严重降质的图像,为生产、生活带来了严重的影响.本文基于色彩恒常理论提出了一种快速有效的雾天图像增强新算法,首先利用拉普拉斯梯度算子增强了雾天降质图像的各个颜色分量的边缘信息,然后在单尺度Retinex算法的基础上创新性提出了一种符合人眼视觉特性的中心自适应调节的拟合函数增强图像各个颜色分量,提高对比度,保持色彩信息.同时结合对比度、信息熵和运算时间等客观评价标准,与直方图均衡化和多尺度Retinex算法进行对比,验证了本算法优越性,并能满足实时处理的需求.实验仿真结果表明,该算法去雾效果显著,具有良好的视觉欣赏效果.     

基于颜色直方图的图像检索技术

讨论了基于颜色直方图的图像检索中颜色空间和直方图距离的选择问题,提出了利用颜色直方图来检索图像的一般框架,建立了基于两种颜色空间(RGB和HSV)和四种直方图距离共八种图像检索算法,并且采用了两种客观评价标准对所建立算法的有效性进行评价。结果证明,在基于颜色直方图的应用中,HSV空间比RGB空间更有效,EMD距离在所有四种距离量度中性能较好,但计算量稍大,与EMD距离相比,虽交集距离性能稍有不足,但所需计算量较小。     

模糊逻辑与学习方法的车牌颜色识别算法

针对光照环境复杂多变及各地车牌颜色特征不同的情况,提出了一种结合模糊逻辑与学习方法的车牌颜色识别算法.在HSV颜色空间中进行车牌颜色特征提取,并根据反色信息将车牌颜色识别由一个四分类问题转换为两个二分类问题.对HSV颜色空间三个分量的模糊映射进行加权融合,建立基于隶属度的分类函数,相关参数通过学习算法获得.在一个基于DSP的嵌入式车牌识别平台上进行了与其他传统分类方法的对比实验,结果表明本文算法存两个测试集上都取得了更好的识别效果.     

基于MSRCR理论的算法实现

色彩恢复多尺度Retinex算法(MSRCR)是在单尺度Retinex算法(SSR)和多尺度Retinex算法(MSR)的基础上进行的改进和增强,其能明显改进上述2种算法的图像偏色效果并扩大图像的动态范围,使图像的明、暗区域细节都能得到很好的体现.给出一种改进的基于MSRCR理论的算法实现,实验表明,该算法实用性强,在图像对比度和细节增强方面都有很好的效果.     

尺度变化的Retinex红外图像增强

经典Retinex模型增强算法采用固定尺度高斯核平滑滤波,导致单一尺度Retinex无法进行全局有效增强,而多尺度Retinex权重系数选取困难,二者均不能满足视觉要求。针对以上问题,基于人眼视觉掩盖效应提出一种尺度变化高斯核平滑滤波的Retinex算法。首先利用人眼视觉掩盖效应的屏蔽函数检测像素邻域空间细节,依据像素区域细节信息丰富程度设计出尺度变化的高斯平滑滤波器,实现照度估计,最后对尺度变化高斯平滑滤波器实现提出实用方法。实验证明本文算法有效提高红外图像对比度,增强细节信息,在主观视觉效果和客观评价指标上整体优于修正对比度限制直方图均衡算法、单尺度Retinex、多尺度Retinex及平稳小波和Retinex增强算法。     

基于多尺度Retinex算法的遥感图像增强

遥感图像增强是对遥感图像进行后继处理的必要步骤且在遥感图像的处理中占有独特的地位.当前,有很多图像增强方法被应用到遥感图像的增强当中,文中引入Retinex增强算法,该算法可以实现对图像进行自适应的增强处理.为了使Retinex算法更具有普遍性和自适应性,采用多尺度Retinex算法对图像进行增强.多尺度Retinex算法即结合多个尺度上的单Retinex算法,因而可以进一步提高Retinex算法的自适应能力和对图像的增强效果.应用小波变换方法和多尺度Retinex算法对遥感图像进行增强对比实验,实验结果表明多尺度Retinex算法在遥感图像的增强方面具有优越性,并且可以取得令人满意的增强效果.     

改进Retinex与多图像融合算法用于低照度图像增强

为了解决低照度图像在图像增强过程中图像质量不佳、对比度不高等问题,本文提出改进Retinex与多图像融合算法用于低照度图像增强。首先将待处理图像转换到HSV色彩空间,并设定阈值对其V通道分量进行亮度调节,然后转换到RGB色彩空间,将其拷贝3份,对第一份进行直方图均衡化,中值滤波处理;对第2份进行自动亮度调节,双边滤波处理;对第3份进行改进的Retinex算法处理,采用高斯滤波、双边滤波作为其环绕函数,估计图像照明分量,最后输出反射图。将处理后的3份图像转到HSV色彩空间,对其V分量进行多图像融合,H、S分量沿用第2份图像分量值,最后将融合后的图像由HSV转为RGB色彩空间,输出处理后的图像。实验结果表明,本文提出的算法在增强低照度图像的同时,还可抑制图像噪声,同时具有良好的保边性,且细节明显。     

一种基于Retinex理论的图像增强算法

提出了一种基于Retinex理论的图像增强算法。Retinex理论的实质就是从图像S中抛开照射光L的影响来获得物体的反射性质R,即获得物体本来的面貌。在对Retinex理论进行研究的基础上,论述了该算法的原理和实现方法,并通过实验与几种传统的图像增强方法以及单尺度、多尺度和带彩色恢复的多尺度Retinex进行了比较,表明该算法对于图像阴影细节的增强和色彩的保真较一般的图像增强算法能够达到更好的效果。     

基于全变分Retinex及梯度域雾天图像增强算法

为提高雾天图像增强的对比度并保持颜色恒常性,提出了基于全变分Retinex及梯度域雾天图像增强算法。首先,采用高斯—赛德尔GS（Gauss-Seidel）迭代算法对基于Retinex的全变分能量泛函数进行求解,从而有效地保持颜色恒常性;其次,采用相对梯度与绝对梯度相结合的方式拉伸雾天图像较亮处的梯度, 在全变分Retinex理论下重建增强后的雾天图像,并将该增强算法应用到彩色图像;最后,加权融合基于全变分Retinex增强算法与梯度域增强算法的增强结果,使得增强结果既能提高对比度又能保持色彩恒常性。实验结果表明,本算法提高了雾天图像增强后的对比度和清晰度,具有颜色恒常性、颜色保真高等特性。     

一种自适应尺度的MSR图像增强方法

针对传统多尺度Retinex增强算法不能有效增强图像不同尺度的细节特征问题,提出了一种自适应尺度的MSR增强算法,利用HSI空间中的亮度分量方差值自适应确定滤波器尺寸,在增大图像对比度、突出图像细节特征的同时保持了图像色彩的稳定性,对光照不均匀图像取得了较好的增强效果。     

Low-light image enhancement based on Retinex theory and dual-tree complex wavelet transform

In order to enhance the contrast of low-light images and reduce noise in them, we propose an image enhancement method based on Retinex theory and dual-tree complex wavelet transform (DT-CWT). The method first converts an image from the RGB color space to the HSV color space and decomposes the V-channel by dual-tree complex wavelet transform. Next, an improved local adaptive tone mapping method is applied to process the low frequency components of the image, and a soft threshold denoising algorithm is used to denoise the high frequency components of the image. Then, the V-channel is rebuilt and the contrast is adjusted using white balance method. Finally, the processed image is converted back into the RGB color space as the enhanced result. Experimental results show that the proposed method can effectively improve the performance in terms of contrast enhancement, noise reduction and color reproduction.     

基于Retinex的低照度图像增强

Retinex理论是颜色恒常知觉的计算理论,可以用于图像清晰度严重失真状况下的图像增强.在研究Retinex算法的基础上,对低照度彩色图像失真中色彩恢复存在的问题进行研究,构建了一个恢复效果较好的色彩恢复函数——余弦色彩恢复函数.给出了处理后图像的自动补偿/增益方法以及补偿/增益中参数实际选取的经验值.对处理后的图像进行了质量评价分析,表明该恢复函数在处理低照度图像时具有较明显的改善效果.     

基于视觉特性的多尺度彩色图像增强算法

本文根据人眼对亮度和颜色不同的敏感特性，按照视觉心理特性选择了适当的色度空间，在此空间中提出了一种基于小波变换的彩色图像增强算法。和目前存在的灰度图像增强算法不同，不仅对亮度分量做出了动态范围调节，同时对图像的颜色分量也进行处理。实验证明，增强后的彩色图像不仅更加清晰，更加生动，鲜艳，达到了预期的目标。     

Retinex based low-light image enhancement using guided filtering and variational framework

A new image enhancement algorithm based on Retinex theory is proposed to solve the problem of bad visual effect of an image in low-light conditions. First, an image is converted from the RGB color space to the HSV color space to get the V channel. Next, the illuminations are respectively estimated by the guided filtering and the variational framework on the V channel and combined into a new illumination by average gradient. The new reflectance is calculated using V channel and the new illumination. Then a new V channel obtained by multiplying the new illumination and reflectance is processed with contrast limited adaptive histogram equalization (CLAHE). Finally, the new image in HSV space is converted back to RGB space to obtain the enhanced image. Experimental results show that the proposed method has better subjective quality and objective quality than existing methods.