Multi-scale fusion residual encoder-decoder approach for low illumination image enhancement

The sensing light source of the line scan camera cannot be fully exposed in a low light environment due to the extremely small number of photons and high noise, which leads to a reduction in image quality. A multi-scale fusion residual encoder-decoder (FRED) was proposed to solve the problem. By directly learning the end-to-end mapping between light and dark images, FRED can enhance the image's brightness with the details and colors of the original image fully restored. A residual block (RB) was added to the network structure to increase feature diversity and speed up network training. Moreover, the addition of a dense context feature aggregation module (DCFAM) made up for the deficiency of spatial information in the deep network by aggregating the context's global multi-scale features. The experimental results show that the FRED is superior to most other algorithms in visual effect and quantitative evaluation of peak signa-to-noise ratio (PSNR) and structural similarity index measure (SSIM). For the factor that FRED can restore the brightness of images while representing the edge and color of the image effectively, a satisfactory visual quality is obtained under the enhancement of low-light.     

基于Contourlet变换和模糊理论的红外图像增强算法

红外图像具有噪声大、对比度低等特点,针对该特点,提出了一种基于Contourlet变换与模糊理论的红外图像增强算法。首先对图像进行Contourlet变换,得到多尺度多方向的低通子带和带通子带。对低通子带,进行基于子带系数最大最小值的线性变换,提高图像的整体对比度;对于带通子带,先估计噪声阈值,对子带系数进行抑制噪声处理,然后通过模糊增强算法,对高频系数进行非线性增强,增强目标边缘纹理的特征,抑制背景信号。最后经过Contourlet逆变换得到对比度增强,噪声被抑制的图像。经过算法仿真,与几种现有的图像增强算法相比,该算法更能有效地抑制噪声,增强图像的对比度,突出图像的边缘与细节纹理信息。     

天空区域图像的增强算法的改进

传统的子块部分重叠直方图均衡化(POSHE)算法在增强图像对比度的同时会在灰度变化缓慢的区域造成过增强效果,产生块状效应和噪声,严重影响图像质量,本文针对这一缺点对该算法进行改进,将图像中灰度变化缓慢的天空区域从图像中分离出去,对分离出的天空区域进行全局直方图均衡化处理,对分离后的图像进行局部直方图均衡化处理。通过Matlab仿真实验可以证明本文算法不仅可以增强图像的对比度,还可以加强图像的整体和细节信息,有效防止过增强并抑制噪声,使图像的质量和视觉效果都得到提高。     

一种改进的图像去噪与增强模型

图像的去噪和增强越来越成为制约后续图像一系列处理的瓶颈,为此提出一种图像去噪与增强的混合模型。该模型在各向异性扩散模型的基础上引入边缘指示函数,达到快速识别边缘的目的;在冲击滤波器的基础上,引入含有时间变量的边缘判定函数,适时控制冲击幅度的大小。而后将上述两个模型结合起来,克服了扩散模型仅依赖梯度信息来控制扩散进程的弊端,也适时地锐化了边缘。实验表明该混合模型不仅可以很好地去除图像的斑点噪声,并且可以达到图像增强效果。     

基于深度学习的低照度图像增强技术研究综述

使用图像增强方法和深度学习的方法可以提高低照度图像亮度,改善图像质量.文章首先对传统的低照度图像增强算法分类介绍,总结这些算法近年来的改进过程,然后重点介绍当下适用于低照度图像增强的网络模型,同时对这些网络结构和适用于该网络的部分方法进行梳理,最后介绍实验所需要的数据库与增强后图像的评价准则,提出了目前深度学习在该领域...     

一种新的红外图像细节增强算法

红外成像系统在数字化时使用14位(或16位)数据来量化一个像素,具有动态范围大、含噪多和对比度低等特点,因此在进一步处理之前往往需要进行必要的增强。目前常用的红外数据增强都是基于普通方法压缩至8位后完成,许多细节信息已在压缩过程中损失,因而增强效果有限。本文把增强过程放在从14位到8位的压缩过程中,提出一种双域滤波及改进的最值归一化对比度增强算法的红外图像增强方法。首先使用双域滤波将原始14位图像的细节部分与基本部分分开,压缩基本部分的动态范围、保留或增强细节部分,然后使用改进的最值归一化方法增强图像对比度,最终得到可以在普通显示器上处理的8位图像数据。该方法在压缩红外图像数据宽度的同时保留了细节信息,取得了良好的实验结果。     

基于NSCT扩散的图像去噪增强方法

本文提出了一种基于非下采样Contourlet变换与非线性各向异性扩散的方法进行含噪图像的去噪和增强。首先对含噪图像进行非下采样Contourlet分解,对每个分解层的各个子带进行非线性收缩和拉伸,以达到抑制噪声和增强图像特征的目的。然后,对去噪增强后图像的Contourlet小系数进行空间域的非线性各向异性扩散,以去除由于进行非下采样Contourlet去噪所造成的为伪Gibbs现象和 side-band效应。实验结果表明,本文方法相比于无扩散的Wavelet和Contourlet方法相比,不仅对图像进行了去噪和增强,而且有效的抑制了伪Gibbs现象和 side-band效应。     

A statistical image resolution enhancement approach for mixed-resolution video

Many scalable video compression techniques utilise a mixed-resolution scheme, which down-samples some frames at the encoder to produce reduced-resolution frames while keeping resolutions of other frames unchanged as full resolutions, in order to achieve higher compression gain. Image enlargement technique is required at the decoder to recover the original full-resolution frames for this mixed-resolution video system set-up. This article proposes a Bayesian approach to enlarge the reduced-resolution frame via its maximum a-posterior estimation, using the information from the observed reduced-resolution frame, plus more detailed information extracted from available neighbouring frames in full resolution. Experiments are conducted to justify that the proposed approach outperforms a few conventional approaches.     

一种新的基于图像增强的融合算法

针对一般融合算法在图像预处理上存在的不足,将图像融合引入图像预处理中,使待融合图像不仅得到增强,且不损失其他信息,为下一步图像融合奠定良好的基础,在此基础上对图像进行融合,其标准差、平均梯度、熵等图像评价指标都优于直接对图像进行融合,达到预期效果.     

一种改进的基于各向异性微分的SAR图像增强方法

合成孔径雷达(SAR)图像经过相干斑抑制后,图像中目标边缘会出现模糊。针对这一问题,提出了一种改进的基于各向异性微分的SAR图像增强方法。该方法在梯度方向和与梯度垂直方向构造了两个扩散系数分布函数。在非目标边缘区域,各方向扩散程度不同,对相干斑噪声具有较好的抑制效果;在目标边缘区域,梯度方向不做平滑,以保护和增强边缘,而在垂直于梯度方向有较大的平滑,突出边缘轮廓。实验结果表明,该方法具有很好的相干斑抑制能力和边缘增强能力。     

红外夜视图像自适应增强系统设计

提出了一种高效的红外夜视图像增强系统.该系统主要由小波变换预处理、低频子带增强和高频子带增强三个处理流程组成.预处理过程将图像分解为低频主要信息和高频细节信息.根据红外夜视图像的特点,对低频信息进行自适应动态范围扩展,扩大了图像暗区主要内容的灰度层次.利用高频子带的方向性,对高频系数进行纹理保护高斯滤波,并对滤波后的系数进行噪声抑制边缘增强.实验结果表明,本文算法不仅在主观视觉方面的表现超越了直方图均衡化算法,且离散信息熵提高了48％ ～ 58％,噪声指数仅为直方图均衡化算法的5％,满足人眼观察和智能图像分析检测的要求.     

一种新的红外图像自适应增强算法

针对红外热图像普遍存在的目标与背景对比度差、边缘模糊等特点,提出了一种新的红外图像自适应增强算法.通过自适应地选择平台阈值,对红外图像进行平台直方图均衡化,有效抑制了背景的过度增强,避免目标灰度级的过多合并,提升了目标的灰度空间,获得了很好的增强效果.实验结果表明,本算法优于直方图均衡化算法,可有效地突出红外目标.     

Low-light image enhancement via deep Retinex decomposition and bilateral learning

Low-light images enhancement is a challenging task because enhancing image brightness and reducing image degradation should be considered simultaneously. Although existing deep learning-based methods improve the visibility of low-light images, many of them tend to lose details or sacrifice naturalness. To address these issues, we present a multi-stage network for low-light image enhancement, which consists of three sub-networks. More specifically, inspired by the Retinex theory and the bilateral grid technique, we first design a reflectance and illumination decomposition network to decompose an image into reflectance and illumination maps efficiently. To increase the brightness while preserving edge information, we then devise an attention-guided illumination adjustment network. The reflectance and the adjusted illumination maps are fused and refined by adversarial learning to reduce image degradation and improve image naturalness. Experiments are conducted on our rebuilt SICE low-light image dataset, which consists of 1380 real paired images and a public dataset LOL, which has 500 real paired images and 1000 synthetic paired images. Experimental results show that the proposed method outperforms state-of-the-art methods quantitatively and qualitatively.     

织物图像增强技术的研究

对具有不同特性的织物数字图像利用二维离散傅立叶变换进行图像增强和图像复原等操作,能有效地改善图像的 质量,突出所需要的细节,为织物密度的自动测量提供最佳质量的图像.研究了二维离散快速傅立叶变换算法,以及利用该 算法在频率域中进行图像增强和图像复原的新方法.实验结果分析表明,利用提出的方法可以较好地改善织物图像的质量.     

多传感器光电经纬仪图像增强系统研究

多传感器光电经纬仪是靶场光电测量的重要设备,为了提高多传感器光电经纬仪图像可视化效果,提出了采用图像增强技术处理多传感器光电经纬仪图像。首先分析了靶场光测经纬仪的发展趋势,简要介绍了多传感器光电经纬仪的光学测量系统原理,分析了各波段光学系统的性能,然后给出图像增强系统方案,介绍了各种图像增强算法,最后提出了一种适合短波图像的等间距图像增强算法,并进行了仿真验证与分析。实验结果表明:采用图像增强技术处理多传感器光电经纬仪图像能有效提高图像可视化效果。     

图像通信中一种低照度彩色图像增强算法

针对低照度彩色图像细节模糊、亮度不高等问题,提出一种新的彩色图像增强算法。首先引入新传递函数改进传统同态滤波,然后,在RGB色彩空间上,分别对R、G、B分量用改进的同态滤波和对比度受限自适应直方图均衡（CLAHE）进行增强。接着,转换到HSV色彩空间,用非线性函数对亮度进行光照补偿,对饱和度进行1.5倍拉伸。最后恢复图像色彩信息。实验结果表明,新算法在保持图像细节的同时能够增强图像对比度,使图像清晰度更高。     

模糊理论图像增强快速算法设计与实现

自Pal模糊增强算法提出以来,模糊集理论开始广泛地用于图形图像处理,并在实践应用中取得了较好的效果。但由于Pal算法函数复杂、运算耗时长、渡越点难以设置等问题,势必对于各类图像的增强效果产生了影响。本文就该问题提出了一种基于模糊理论的交互式图像增强快速算法,该算法简化隶属函数和增强算子,不但提高了图像模糊化效率、缩短图像增强处理运算时间,同时面向各类图像的增强处理需求,利用MATLAB设计实现图像增强处理系统,提供了交互式的渡越点设置接口。系统仿真结果表明,本文算法相比 Pal算法,具有更快捷的增强速度和更灵活地阈值选取以及良好的增强效果。     

基于人眼视觉的红外图像增强算法研究

红外图像具有低对比度、噪声大、动态范围大以及视觉效果差等特点。传统的图像增强算法具有各自的局限性,处理后的视觉效果并不理想。为了改善红外图像的视觉效果,增强图像中目标的识别力,研究了基于人眼视觉特性的Retinex算法,结合红外图像的成像机制,将适用于可见光图像的Retinex增强算法应用于红外图像,取得了良好的视觉效果。在此基础上,对算法进行自适应改进,提出了AMSR算法。采用几种传统的图像增强算法和基于Retinex的算法对具有典型特性的红外图像进行增强处理,并计算客观评价指标。通过对实验结果的主观评价和客观指标分析,验证了AMSR增强算法对红外图像具有适用性和优越性。本文的研究工作对红外目标探测和识别具有重要的意义。     

基于多尺度对比度塔的图像增强新算法

传统图像增强算法对灰度级比较分散、细节信号分布在整个灰度级空间的图像难以取得令人满意的效果,而且往往在增强图像的同时也使图像的噪声得到了提升。在此针对传统图像增强技术的缺点,提出了一种新的图像增强算法。该算法采用高斯窗口函数对图像进行变换,并通过构造多尺度对比度塔来对图像进行增强。实验结果表明该算法在灰度分散的情况下同样能有效地对细节信号进行增强,同时对图像中的噪声信号也有较好的抑制作用。     

Enhancing underwater image via color correction and Bi-interval contrast enhancement

Underwater captured images often suffer from color cast and low visibility due to light is scattered and absorbed while it traveling in water. In this paper, we proposed a novel method of color correction and Bi-interval contrast enhancement to improve the quality of underwater images. Firstly, a simple and effective color correction method based on sub-interval linear transformation is employed to address color distortion. Then, a Gaussian low-pass filter is applied to the L channel to decompose the low- and high-frequency components. Finally, the low- and high-frequency components are enhanced by Bi-interval histogram based on optimal equalization threshold strategy and S-shaped function to enhancement image contrast and highlight image details. Inspired by the multi-scale fusion, we employed a simple linear fusion to integrate the enhanced high- and low-frequency components. Comparison with state-of-the-art methods show that the proposed method outputs high-quality underwater images with qualitative and quantitative evaluation well.