基于光线散射衰减模型的低照度图像增强

针对传统图像增强算法在总体照度低且光照分布不均的环境内易造成图像过度增强和自然度保存能力弱的问题，提出了一种基于光线散射衰减模型的低照度图像增强算法。首先，本文提出了光线散射衰减模型，该模型合理解释了非均匀光照分布的成像过程，其次，通过Max-RGB滤波器分别估计每个像素的照度，初始化照明图，然后，根据光照随图像分割区域入射角、入射距离平滑衰减的特性，利用深度信息和梯度信息优化光照分量，获得精确照明图；此外，利用暗通道先验中的透射率所具有的局部相似性来约束反射分量估计；最后，通过提出的光线散射衰减模型融合优化光照分量和反射分量，获得最终的低照度增强图像。通过与NPE,LIME,HE,ALSM,MSRCR,MF,WV＿SIRE算法比较，在不同场景的低照度图像上，无参考各向异性质量评估器（BIQAA）最大为0.019 6，模糊检测累积概率（CPBD）最大为0.680 1，无参考空间域图像质量评估器（BRISQUE）最小为21.471 5，自然图像质量评估器（NIQE）最小为2.699 5，综合性能优于其他对比算法。实验结果表明，本文算法能够有效抑制噪声，提高图像对比度和亮度，更好地保留图像...     

改进Retinex的低光照图像增强

针对低光照条件下拍摄的图像受可见光低和噪声的影响,不仅降低图像在视觉上的美感而且会造成重要信息丢失的问题。本文提出结合平滑聚类和改进Retinex算法的估计照明图的低光照图像增强方法。使用平滑聚类将图像分离为细节层和基础层;利用max-RGB找到各通道最大值用于估计每个像素的照度,构建初始照明图,根据局部一致性和交替方向最小化技术优化照明图;自适应Gamma矫正对优化后的照明图进行非线性重标形成最终光照图;根据最终光照图增强输入图像,将增强后图像与细节层进行融合,获得清晰且细节更为丰富的图像;通过与LE,GC,HE,SSR,MSR,MSRCR,MSRCP算法相比,在图像HightB上,边缘强度最高达到1.00e+02,平均梯度最高达到10.520 6,空间频率最高达到52.050 8,图像清晰度最高达到14.656 2,在主观评价和客观评价均优于其他对比算法。实验结果表明,所提算法具有良好的清晰度,更好的保留边缘和细节纹理,使用本文算法增强后的图片质量更高,细节更加丰富。     

结合偏微分方程增强图像纹理及对比度

针对图像获取过程中外界光照的非均匀性会使图像存在阴影区和高亮区,从而丢失图像细节的问题,本文结合偏微分理论,提出了基于直方图均衡化的偏微分图像增强方法.该方法首先将图像变换到梯度域,通过梯度场的变换得到新的梯度函数;然后应用最小二乘原理,对梯度场中变换后的图像进行重建以增强图像的纹理细节,表现原本不清楚的细节信息.另外,针对光照的不均匀特性,结合直方图均衡化,提出反均衡变换来增强图像的亮度和对比度.提出的算法采用有限差分法将图像离散化,并与热方程相结合,其计算简单,运行速度快,具有较强的灵活性和较广的应用范围.采用Visiual C++编程,对于大小为512 pixel×512 pixel的图像的处理时间为35 ms,达到了视频实时增强显示要求.     

基于双边滤波MSR与AutoMSRCR融合的低光照图像增强

针对在低光照环境下拍摄的图像受光照强度的影响而导致图像质量差的问题,本文提出了基于双边滤波的MSR与AutoMSRCR算法融合的低光照图像增强算法。首先,在原始低光照图像的HSV颜色空间中针对V分量使用基于双边滤波MSR算法对亮度通道进行增强,得到保留原有色彩信息的亮度增强图像。然后,将此初始亮度增强图像运用CLAHE算法基于LAB颜色空间进行亮度通道细节增强,得到细节增强的图像。最后,采用AutoMSRCR算法对原始低光照图像进行处理,并与细节增强图像进行加权融合得到最终的增强图像。以UCIQE,AG,SD,IE为评价指标,将经过该算法增强的图像与MSR算法,MSRCR算法,CLAHE算法,改进GAMMA算法等进行比较。结果表明,使用该图像增强算法处理的图像效果最佳,UCIQE达到了0.472 1,AG达到了12.674 2,SD达到了0.263 2,IE达到了7.637 9。增强后的图像色彩信息更加丰富,图像更加清晰,图像对比度更好,图像的边缘纹理信息保留更完整,图像质量更高,本研究为低光照图像增强提供了一种可行方法。     

低照度彩色图像的自适应亮度增强

为恢复低照度场景图像的原有色彩信息和细节信息,本研究提出自适应亮度调节的低照度彩色图像增强方法。该方法首先对低照度场景连续拍摄多帧图像,并对其进行自适应伽马亮度校正;然后将多帧亮度校正后图像转换到YUV色彩空间并行两种处理,一种是提取Y通道分量分组进行基于权值调整二阶盲辨识的盲源分离降噪,一种是进行帧平均后提取Y通道分量与多个盲源分离降噪的Y通道分量依次进行结构匹配,并选出匹配最佳Y通道分量;再将最佳Y通道分量进行基于皮尔生长曲线的亮度调整后与经帧平均处理的U、V通道分量重新组合;最后将重组图像转换回RGB空间,即可得到视觉效果显著提升的彩色图像。本文提出的图像增强方法满足实时处理要求,可将原彩色图像的极低亮度提高54.4倍、中等亮度提高3.5倍;并将图像信息熵提高1.3～2.9倍。与典型的图像增强算法相比,本文提出的方法对低照度彩色图像在降低噪声、均衡光照和恢复细节方面有较大改善。     

基于模拟多曝光融合的低照度全景图像增强

针对低照度全景图像存在的对比度低、视觉效果差等问题,提出了一种基于模拟多曝光融合的低照度全景图像增强算法。首先,将原图像从RGB颜色空间转换到HSV颜色空间,以图像信息熵作为度量估计最佳曝光率,采用亮度映射函数对V分量进行增强处理,再将其转回RGB颜色空间得到过曝光图像;接着,以低照度图像和过曝光图像为输入,采用曝光插值法合成中等曝光图像;然后,采用多尺度融合策略将低照度图像、中等曝光图像和过曝光图像进行融合,得到融合后的图像;最后,通过多尺度细节增强算法对融合后的图像进行细节增强,得到最终的增强图像。通过与NPE,LIME,SRIE,Li,Ying,RtinexNet算法相比,在不同场景的全景图像上,亮度顺序误差(LOE)最小为322,自然图像质量评估器(NIQE)最小为2.32,无参考空间域图像质量评估器最小为5.71,结构相似度(SSIM)最高达到0.82,综合性能优于其他对比算法。实验结果表明,本文算法能够有效地提升低照度全景图像的质量。     

复杂光照下的两步法颜色恒常性算法

根据视觉信息处理的分模块性原理,给出了一种新颖的两步法颜色恒常彩色图像增强算法。首先利用边缘附近像素估计原图像偏色信息,白平衡对偏色图像进行偏色纠正。然后根据RGB颜色空间三分量颜色相关性特点,通过获取亮度增益曲面对彩色图像的RGB三分量进行同比增强得到最终的彩色图像同时保持颜色不变。该算法克服了传统颜色恒常性的不适定问题,实验结果表明该算法对于存在偏色、低照度等复杂光照下的图像均能较好的保持颜色的恒常性,同时能有效提升图像的亮度信息。     

基于梯度直方图变换增强红外图像的细节

针对红外图像信噪比低、目标边缘和细节模糊等缺点,提出了一种基于梯度直方图变换增强红外图像细节的方法。通过分析红外图像的梯度直方图,构造出一个高斯函数来扩展梯度直方图,增大图像的梯度值。采用直方图规定化法,实现图像的梯度直方图规定化,得到变换的梯度场。在从变换的梯度场重建增强的图像时,引入全变分(TV)模型来抑制噪声。实验结果表明,提出算法的图像信息熵比灰度直方图均衡化和规定化算法显著提高,明显增强了红外图像的纹理细节,为目标检测、跟踪和识别提供了高质量的图像信息。提出的算法采用有限差分法迭代进行求解和Visiual C++编程,对大小为480pixel×480pixel的图像的处理时间约为40ms,基本达到了工程应用对图像处理的要求。     

基于双线性滤波器的安防相机低照度去噪研究

针对安防监控摄像机在夜间拍摄时易产生噪声,以及所使用的图像去噪方法易产生图像边缘特征退化的问题,提出了一种基于图像像素值差的监控摄像机低照度去噪方法。通过计算像素值差,再下采样得到图像金字塔,以获得整体和局部像素值差的索引,由此设计了一种适用于低照度的去噪卷积核,以增加噪声对中间像素值的影响,实现低照度环境下图像噪点的消除并保留其边缘特征。实验表明,该方法在低照度场景实际应用中既去除了图像的噪点,又保留了边缘信息。与基于小波变换的算法相比,该方法明显提升了图像的主观评价质量,并在Imatest信噪比测试中提升了图像的亮度信噪比。     

复杂光照下的两步法颜色恒常性增强

根据视觉信息处理的分模块性原理,研究了复杂光照下的颜色恒常性,给出了一种两步法颜色恒常彩色图像增强算法.利用边缘附近像素估计原图像的偏色信息,采用白平衡的方法对偏色图像进行偏色纠正.然后,根据RGB颜色空间三分量的颜色相关性特点,获取亮度增益曲面并对彩色图像的RGB三分量进行同比增强得到最终的彩色图像.在SFU数据库进行了实验,结果表明该算法的对比度是原图的4倍以上,且亮度改变适中.该算法克服了传统颜色恒常性的不适定问题,对于存在偏色、低照度等复杂光照下的图像均能较好地保持颜色的恒常性,同时能有效提升图像的对比度和亮度.     

应用参数化对数模型增强图像细节及对比度

传统红外图像增强方法由于未考虑人眼视觉特性而存在"超区间值",故极易丢失图像细节。本文结合对数图像处理（LIP）理论,提出了基于参数化对数模型（PLIP）的平台直方图均衡图像增强方法。该方法首先将图像变换为灰度色调函数;然后应用PLIP模型对变换后的图像进行重建,结合平台直方图均衡化来增强图像的对比度和细节信息,并利用图像评价函数（EMEE）与信息熵（En）确定模型的参数值。最后,研制了算法硬件平台,分别用中波和长波红外成像系统对算法进行了实验验证。实验结果显示：该方法对不同场景的图像均可取得很好的增强效果,图像的EMEE值比传统的平台直方图均衡算法提高至少5倍以上,对改善图像质量和视觉效果具有实用价值。     

基于正态反高斯模型的自适应小波消噪方法

提出一种基于正态反高斯分布模型局部逼近小波系数的降噪算法。该算法以db5小波作为振动信号的分解小波,对噪声信号进行分解。对于分解过程中包含大量噪声的小波系数,利用具有良好细节逼近性能的正态反高斯分布构造先验模型,在先验模型的基础上,运用贝叶斯最大后验概率估计从含噪的小波系数中估计出真实的小波系数。在后验估计的过程中,对于估计模型中的关键系数采用粒子群算法进行优化选取。利用估计的小波系数来重构信号,得到降噪后的信号。通过仿真实验和实际轴承的故障信号对该方法进行了验证,结果表明,该方法具有较好的降噪效果,可以有效的消除信号的噪声。     

亮通道先验Retinex对低照度图像的光照补偿

针对光照不足导致图像质量退化的问题,提出了亮通道先验的Retinex算法用来补偿图像的光照强度。该算法假设局部恒常的光照可以初步满足光照均匀并与场景相似,以亮通道运算对光照分量进行粗估计;通常解决局部处理带来的分块效应问题是采用引导滤波方法,但这会使补偿后的图像纹理模糊甚至丢失细节,为此设计了基于图像结构相似性的融合策略。最后使用Retinex理论模型对光照进行补偿。实验结果表明:所提算法简单高效,能够对图像阴影或夜间图像的低照度区域进行快速地光照补偿,在峰值信噪比(PNSR)上较传统算法提高了5dB左右,在结构相似性(SSIM)上比传统算法提高了7%以上。算法在纯软件系统的PC机上处理640×360的彩色视频时能达到6~12ms/帧,处理320×256的红外视频时达到4~10ms/帧,可满足工程需要。     

升余弦变增益微视觉图像自适应增强与应用

微视觉系统中同轴光源和光学衍射的存在,使CCD相机获取的图像具有灰度值偏低、光照不均匀、动态范围大、对比度差以及微细结构丢失或无法辨识的缺陷。为改善图像质量,本文提出一种升余弦变增益子带分解微视觉图像自适应增强方法。该算法首先基于图像特性利用自适应Log增益对原图像进行增强,提高微视觉图像中亮暗区细节特征与背景的对比度;接着使用自适应升余弦卷积进行快速照度估计;然后对各通道的输出图像采用自适应变增益子带分解算法获取独立光谱子带;最后进行亮度校正、图像融合与色彩恢复。将该算法用于微位移测量系统中可使测量结果的相对误差小于20%;用于处理光照不均的图像可有效降低同轴光源靠近中心区域的亮度;此外,扩展至普通图像的处理中可提高对比度,改善细节特征。3组实验结果的平均图像质量相对提高率为81.46%,71.18%和93.75%;平均耗时为3.86s,0.24s和1.27s。     

马尔科夫随机场模型下的Retinex夜间彩色图像增强

由于Retinex算法在处理夜间彩色图像时容易出现光晕、颜色失真、细节丢失与噪声干扰等问题,本文基于马尔科夫随机场（MRF）提出了一种针对单幅图像的Retinex图像增强算法。该算法在HSV颜色空间下采用线性引导滤波估计图像照度分量;在MRF模型下求解仅包含物体本身特性的反射分量,并通过颜色恢复函数与增益补偿方法进行颜色恢复与校正,最终实现了夜间彩色图像的增强。实验结果表明,利用本文算法处理后图像的均值（整体亮度）可以提高2倍以上,标准差、熵、峰值信噪比（PSNR）等参数均有5%以上的提升。与其它基于Retinex原理的算法相比,本文提出的算法增强效果显著,具有消除“光晕伪影”现象、抑制噪声、颜色保真和有效地凸显边缘细节信息等能力。     

基于模糊同组划分的多尺度彩色图像增强算法

现有多尺度Retinex彩色图像增强算法采用同定权值进行加权来融合各个单尺度Retinex算法的增强结果,无法充分体现各个单尺度算法在细节增强和颜色保持上的优势,且噪声信号往往随着图像的增强而放大.针对这些问题,提出一种基于模糊同组划分的多尺度Retinex彩色图像增强算法.算法首先采用模糊同组技术将像素点划分为噪声点、细节点和平滑区域点3类,并对噪声点采用矢量中值滤波进行去除.然后采用不同尺度的Retinex算法增强图像,并通过细节区域和平滑区域所占局部窗口的面积比例来融合各个单尺度增强结果.最后通过颜色恢复和动态截取拉伸操作,进一步减少图像颜色失真,扩大动态范围.实验表明,所提出的方法相比其他算法具有更好的彩色图像增强效果,具有实际应用价值.     

基于牙科X光片的多种直方图均衡化图像增强对比

牙科X光片在牙科疾病的诊断治疗中越来越重要。牙齿X光片机不像光学相机可以聚焦,常受低对比度和噪声的影响,很难直接借此识别疾病特征,常常需要对图片进行增强处理,故主要探讨一些适用于电子病例的牙科X光图像增强算法。算法主要有直方图均衡化、限制对比度自适应直方图均衡化、锐化中值滤波自适应直方图均衡化和改进的对比度自适应直方图均衡化方法。通过对这些算法处理后的牙科X光片图像的均方根误差(RMSE)、图像信噪比(SNR)和改善对比度指数(CII)以及视觉效果进行比较,发现用改进的对比度自适应直方图均衡化方法处理所得图像的均方根误差、改善对比度指数最小,图像信噪比最大,图像视觉效果清晰。     

一种新的边缘保持局部自适应图像插值算法

为了尽可能降低噪声的影响和保持图像的边缘信息,提出了一种新的边缘保持局部自适应图像插值算法。算法首先对分割成部分重叠的各子图像进行整数小波变换,然后对于高频子带进行逐点BayesShrink阈值去噪和中值滤波去除高斯和椒盐噪声,同时对于低频子带进行亮度保持的直方图均衡增强图像的对比度,最后根据自适应阈值Canny边缘检测将子图像划分为平坦和边缘区域,分别进行施用双线性插值和非线性插值。实验结果表明,MBW图像插值算法得到的插值图像有较好的主观图像质量,其峰值信噪比(PSNR)比传统方法平均提高了2.23～2.96dB。     

基于单尺度Retinex的电路板刀具磨损图像细节增强方法

在采集电路板刀具磨损图像过程中,会因光照角度的变化导致图像细节不足,而常规图像细节增强方法在处理过程中存在噪声混叠的情况,实时性不强。针对这一问题提出基于单尺度Retinex的电路板刀具磨损图像细节增强方法,根据目标图像的灰度值变化来定义灰度色调函数,在构建图像处理模型的基础上,采用引导滤波函数处理目标图像模型,去除图像噪声干扰后,使用高斯函数获得图像内的照射分量和反射分量,再利用单尺度Retinex方法剔除照射分量,增强电路板刀具磨损图像的细节。实验结果表明：设计的基于单尺度Retinex的图像细节增强方法运行时间短,增强效果好,处理后的图像质量高。     

等面积递归分解的部分重叠局部直方图均衡

针对现有的直方图均衡算法在图像细节信息增强的同时无法保持输入图像亮度的缺点,以部分重叠局部直方图均衡算法（POSHE）为基础,将递归分解的思想引入子块图像直方图均衡过程,提出了一种改进的部分重叠局部直方图均衡算法。子块图像根据其累积概率密度（CDF）的中值递归地进行不同深度的分解,然后对每一个分解的子图像在其灰度范围内进行直方图均衡,并将均衡后的子图像合并,最后根据移动步长对子块图像进行线性或双线性插值消除块效应对图像细节信息的影响。实验结果表明,这种算法既能有效地增强图像的细节信息,又能保持输入图像的亮度,并且彻底地消除了块效应对图像均衡结果的影响,使均衡后的图像具有更加自然的视觉效果。