基于先验知识与大气散射模型的图像增强算法

针对现有图像增强算法大多不具备处理多种类型降质图像的能力,提出一种基于先验知识与大气散射模型的快速图像增强算法.首先,通过大量实验统计,提出一种新的图像先验-明亮通道先验,即高质量清晰图像中每个像素邻域都极有可能存在白点;随后,对散射模型所存在的缺陷加以改进,并结合明亮通道先验与黑色通道先验,推导出场景反射率的恢复公式;最后,针对黑色通道先验失效情况,提出一种基于可靠性预测的容错机制,以提高其适用范围.实验结果表明:本文算法不但可以有效的突出纹理细节,还具有一定的色调恢复功能,能够处理多种不同类型的降质图像.     

基于双通道先验和光照图引导滤波的图像增强

针对低照度图像增强过程中存在的光晕伪影、边缘细节丢失和噪声放大等问题,提出了一种结合双通道先验和光照图引导滤波的图像增强算法.传统去雾物理模型仅基于暗通道先验进行图像增强,局部区域景深不同,进而导致图像过曝和光晕伪影等问题.针对该问题,采取亮暗双通道结合的方法求取大气光值和透射率.对于边缘信息易丢失的问题,采取光照图梯...     

基于暗原色先验模型的Retinex算法

 现有雾天图像增强的Retinex算法采用固定滤波器,无法适应多种景深和雾化程度的情况.对此,本文提出一种基于暗原色先验模型的Retinex算法.暗原色先验模型反映了雾天图像中雾的分布与景深信息.受此启发,根据局部区域暗原色值设计一种尺度可变滤波器,针对不同景深和雾化区域采用不同尺度的滤波器估算雾天图像的照度分量,实现对雾天图像的增强.分别使用主观观察和客观数据分析方法,将本文算法与HE算法、固定尺度MSR算法进行对比,本文算法在细节增强以及图像整体效果上均优于HE算法和固定尺度MSR算法.     

基于Retinex和多注意力的低光照航拍图像增强方法

针对低光照航拍图像亮度低、对比度弱、噪声多、细节缺失等问题,提出一种基于Retinex和多注意力机制的低光照航拍图像增强(MARNet)方法。首先,将低光照航拍图像分解为光照图和反射图,再将CBAM注意力机制引入噪声调整网络,让网络更加关注高噪区域,去除反射图中大量噪声;然后,设计了由上下采样结构组成的光照调整网络,引入通道注意力机制,提升光照图亮度,同时,加入区域损失函数,提高细节对比度;最后,为实现低光照近地面目标检测与跟踪,利用低光照图像合成方法,加入真实噪声,制作了一套低光照航拍配对数据集。实验结果表明,所提方法在提高图像亮度、减少噪声的同时还原了细节信息,3项性能指标PSNR,SSIM和NIQE及人类视觉感知效果均有所提升。     

结合多尺度深度学习网络和Retinex理论的低光照图像增强算法

针对低光照增强任务缺乏参考图像及现有算法存在的色彩失真、纹理丢失、细节模糊、真值图像获取难等问题,本文提出了一种基于Retinex理论与注意力机制的多尺度加权特征低光照图像增强算法。该算法通过基于Unet架构的特征提取模块对低光照图像进行多尺度的特征提取,生成高维度的多尺度特征图;建立注意力机制模块凸显对增强图像有利的不同尺度的特征信息,得到加权的高维特征图;最后反射估计模块中利用Retinex理论建立网络模型,通过高维特征图生成最终的增强图像。设计了一个端到端的网络架构并利用一组自正则损失函数对网络模型进行约束,摆脱了参考图像的约束,实现了无监督学习。最终实验结果表明本文算法在增强图像的对比度与清晰度的同时维持了较高的图像细节与纹理,具有良好的视觉效果,能够有效增强低光照图像,视觉质量得到较大改善;并与其他多种增强算法相比,客观指标PSNR和SSIM得到了提高。     

利用自适应光照初始化的弱光图像增强方法

由于光照分量分解估计的高度不确定性,如何准确估计图像的光照分量一直是基于Retinex模型的图像增强方法需要解决的难题。该文提出一个简单有效的方法,准确估计图像的初始光照分量,进而实现弱光图像增强。具体地,首先根据输入图像得到其对应的光照权重矩阵,以指导光照分量的自适应初始化估计;随后在光照结构约束下,对初始光照分量优化估计,并进一步执行非线性光照调整;最终结合Retinex模型得到增强结果。实验表明,该方法不仅能够实现准确的图像分解估计,而且与现有的弱光图像增强方法相比,该文所提方法在多个数据集上的主观视觉效果和客观评价指标都有更好的表现,同时也保持着良好的运行效率。     

一种基于光照补偿的图像增强算法

 针对局部光照不均图像的增强问题,提出了一种新的基于光照补偿的图像增强方案.该算法将待增强图像分别乘以不同的照射系数来获得不同光照补偿后的多幅图像,利用限邻域经验模式分解(Neighborhood Limited Empirical Mode Decomposition,NLEMD)提取各光照补偿后图像的细节信息和照射分量,所有图像的细节信息叠加来增强纹理细节,照射分量用Retinex算法进行增强处理,最后重构出增强结果.实验表明,该增强方案可以对图像的细节有效地增强,同时有效地解决了光照补偿问题.     

基于颜色衰减先验和视觉显著性的水下图像增强算法

针对水下拍摄的图片存在颜色失真、细节和边缘模 糊等特点,提出了一种基于颜色衰减先验的水下图像增强算法。首先在计算暗通道函数时,用最小值滤波去噪。然后,对图片进行显著图处理,利用颜色先验法则完成深度估计。此滤波方法不仅能降噪,还可以防止颜色失真。最后,基于模型简化获得复原的图片,将其进行伽马变换进行校正,实现柔性去雾。实验结果表明,本文算法与几种典型的水下图像去雾算法相比,能够较好提高图像的清晰度和对比度,同时获得较好的图像颜色。     

基于Retinex理论的微观驱替图像增强算法

针对微观驱替实验图像存在光照不均的现象,提出一种基于快速引导滤波的Retinex图像增强算法.快速引导滤波具有较好的保边性和较低的时间复杂度,可避免照度估计时边缘丢失和运行时间长的问题.该算法通过快速引导滤波得到图像的照度分量,后使用Retinex算法处理得到光照均衡的微观驱替实验图像.实验结果表明,本文算法与MSR算...     

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.     

非均匀光照图像双分量增强Retinex算法

图像增强是“数字图像处理”课程的一项重要教学内容。针对图像增强方法的实践训练,给出一个综合实验-非均匀光照图像双分量增强Retinex算法。该实验整合了灰度变换、直方图均衡、图像平滑、去锐化掩模、高频增强等图像增强方法,并引入用于图像质量评价的量化指标等内容,图像增强效果好,对于图像增强的实践教学具有较好的参考价值。     

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。     

基于暗通道先验改进算法的水下图像增强方法研究

针对水下图像受介质散射和吸收的影响所出现的颜色失真、对比度低和细节模糊等问题,提出水下图像增强的暗通道先验改进算法。采用白平衡处理对水下图像的蓝(绿)色偏进行颜色校正,进而在LAB空间对图像L分量进行同态滤波处理,从而获得暗部细节提亮的图像。在RGB空间对图像分别进行CLAHE处理增强图像对比度,解决图像雾化问题,MSRCR处理提高图像色彩饱和度并均衡图像亮度。根据暗通道先验图像计算融合权重系数对所得到的3幅图像进行加权融合与细节增强,得到最终增强图像。实验结果表明,所提算法能够有效消除图像颜色失真情况,增强的图像呈现出高对比度和更清晰的细节。     

基于Retinex理论的雾天图像增强算法

针对雾天图像对比度低、细节模糊和色调偏灰等问题,提出了一种基于Retinex理论的雾天图像增强算法。将雾天图像转换到HSI空间,对S分量进行线性拉伸,用改进的SSR算法对I分量进行增强处理,转换回RGB空间,用sigmoid函数进行颜色恢复得到增强图像。实验结果表明,提出的算法能有效地提高雾天图像质量,恢复雾天图像色彩,增强效果优于传统算法。     

基于在线估计的视觉SLAM低光照图像增强算法

为了提升基于特征点的双目视觉定位算法在低光照环境下定位的准确性,提出一种基于在线估计的视觉同步定位与地图构建(simultaneous localization and mapping,SLAM)低光照图像增强算法.通过在线估计图像亮度值,实时更新图像增强算法的参数,解决了基于固定参数的图像增强算法在图像较亮、较暗等情...     

基于多尺度Retinex的图像增强算法

针对单景深低对比度图像中有用信息量少,可辨别性低的特点,提出运用多尺度Ret-inex理论对该类图像进行增强.根据单景深图像特点,在多尺度Retinex处理过程中采用平均标准偏差作为尺度参数的基础,设计多尺度参数高斯滤波器与原始图像在空域中进行滤波,最后运用灰度级均匀化对处理后图像进一步增强,结果显示处理效果良好.     

基于Retinex的视频自适应增强算法

Retinex算法是图像增强的常用方法。基于Retinex理论提出一种新的视频光照增强算法,结合图像全局及局部灰度特性引入补偿系数,增强暗区域光照的同时克服了传统算法处理后的人工痕迹,使处理结果更加自然;同时,算法用引导滤波估计照度图像,在避免光晕现象的同时可以加快算法处理速度。实验结果表明,该方法简单有效,视觉效果提升显著。