结合分数阶微分及Retinex的NSCT自适应低照度图像增强

针对低照度图像存在亮度低、对比度低、边缘模糊等问题,首先将低照度图像NSCT多尺度分解,获得低频子带图像和高频子带系数;接着将低频图像采用多尺度Retinex提升图像亮度,借助非线性的双边滤波函数估计其照度分量,利用Gamma校正函数对照度分量进行校正,提高图像的动态范围,利用影响因子校正反射分量,丰富其层次性,对图像的整体轮廓进行增强;然后将高频部分用Bayes阈值隔离噪声,利用自适应分数阶微分对图像的边缘、纹理等细节进行增强;最后对处理后的图像进行NSCT重构。实验结果表明,本文算法的对比度、清晰度及信息熵与现有增强方法相比,平均提高了10.7%、9.8%、2.3%。增强后的图像在细节、边缘保持等方面也优于现有算法,改善了图像整体的视觉效果。     

基于分数阶Retinex的低照度图像增强方法

低照度彩色图像增强在生活中起着重要作用,传统的低照度彩色图像增强算法往往会引起图像的不同程度失真。为了增强低照度彩色图像而又不引起图像失真,本文提出了一种新的低照度图像自适应对比度增强算法。将分数阶微积分、传统Retinex变分法与分段对数变换饱和度增强法相结合,构造一种新的分数阶Retinex图像增强算法。实验结果表明,该方法具有增强图像对比度的同时又能保持边缘和纹理细节的能力。与传统低照度图像增强算法相比,能突出图像的细节纹理信息,同时图像色度和亮度也有明显改善。     

基于最大熵模型的双直方图均衡算法

为改进亮度保持双直方图均衡算法的不足,提出基于最大熵模型的动态范围优化方法,扩展了双直方图均衡算法的应用范围,使之不仅适用于正常亮度图像,对低照度及高亮图像也能取得较好的效果.算法首先选用大津法确定直方图数据分割点;然后对初始直方图进行预处理;根据所提出的最大熵模型确定最佳的动态范围分割点;最后进行双直方图均衡得到增强图像.本文选取多个图像数据库进行测试,并与BBHE（Brightness preserving Bi-Histogram Equalization）、BPCLBHE（Brightness Preserving and Contrast Limited Bi-Histogram Equalization）、ESIHE（Exposure based Sub Image Histogram Equalization）和DRSHE（Dynamic Range Separate Histogram Equalization）进行比较,同时将信息熵、对比度和NIQE（Natural Image Quality Evaluator）作为客观评价指标.实验结果证明,本文算法对各类图像均具有较好的主观视觉效果和客观评价指标,在保留细节的同时兼顾了对比度的增强.     

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。     

低照度下具有动态特性的彩色图像质量优化算法

针对低照度环境下具有动态性的彩色图像辨识度相对较差的问题,提出了基于人类视觉感知模型的对比度分辨率补偿算法。首先,将图像从RGB空间转换到HSV空间,保持H分量不变;对V分量提取图像特征参数,然后对V分量进行对比度分辨率补偿,增强图像亮度;并对S分量进行线性拉伸,复原图像色彩信息;最后将处理后的V分量和S分量与H分量进行反变换生成RGB空间新图像。实验结果表明,该算法对低照度下具有动态性的彩色图像增强效果较好,较好地保持了图像的细节,取得了良好的视觉效果。     

基于结构纹理分解的红外与可见光图像融合算法

针对红外与可见光图像融合中存在的热目标信息丢失、边缘结构模糊、细节损失等问题，提出一种多层分解的图像融合算法。首先使用结构纹理分解将源图分解为细节层和结构层，对细节层使用基于结构相似性和L2范数的融合规则融合并增强；然后提出一种结构均值法，将结构层分解为亮度层和基础层，对亮度层使用绝对值取大融合，对基础层设计了一种基于多指标的融合规则进行融合；最后重构各子融合图像得到最终融合图像。为验证算法的有效性，与9种红外与可见光图像融合算法进行对比，使用空间频率、平均梯度、边缘强度、方差、视觉保真度、基于人类视觉感知的指标和信息熵7种客观图像评价指标，在前5种指标上分别取得27.4%、36.5%、38.2%、8.5%和23.5%的提升。实验结果表明，本文算法在有效保留红外热目标的同时较好地保留了边缘结构和纹理细节，且在客观评价指标上取得了更好的效果。     

基于双域分解的夜间车辆红外图像研究

夜间车辆交通红外图像光照不均,导致车辆图像细节纹理较弱,识别难度较大。为此,提出基于双域分解的夜间车辆交通红外偏振图像增强方法。采用改进Retinex低照度图像光照补偿算法,分解图像为低频图像与高频图像,对低频图像去雾、优化其对比度,对高频图像去噪与增强,合成低频、高频图像实现夜间车辆交通红外偏振图像增强。实验测试结果证明,对比传统方法,所提方法增强后图像亮度与对比度得以优化,且细节信息更丰富,具有理想的视觉效果。     

融合边缘信息的对比度增强算法

针对红外图像中对比度低,细节不清晰,视觉效果模糊等问题,提出一种结合边缘信息的对比度增强算法。首先,使用引导滤波将原始红外图像分解为基础图像和细节图像,并且通过使用对比度限制的直方图均衡来处理基础图像,提高图像对比度,克服"过度增强"现象;利用Gamma变换处理细节图像,增强细节信息;再将处理后的两幅图像融合成图ImageSD;然后为了有效地改善ImageSD的亮度不均匀的现象,对原始图像进行自适应直方图均衡和拉普拉斯锐化滤波;最后,将两个图像进行线性加权并融合以重建出最终的红外图像。结果表明,该方法可以更好地提升原始图像的对比度,丰富细节信息。     

基于限邻域EMD的图像增强

提出了基于限邻域经验模式分解(Neighborhood Limited Empirical Mode Decomposition,NLEMD)的图像增强新算法.二维NLEMD是在Huang等人EMD自适应特性基础上通过设定最大邻域(时宽)和采用邻域内局部自适应均值算法代替包络均值算法进行分解,克服以往EMD分解算法出现的灰度斑现象.本文通过NLEMD对图像细节信息的强挖掘能力来获取图像中的高频边缘信息,最后根据剩余量的整体亮度均值和整体亮度对比度自动调整剩余量来调整图像的整体亮度.实验结果证明,与以往传统增强算法相比,本文算法具有更强的细节获取能力和整体亮度可控性,增强效果优于以往传统算法.     

低照度环境下视频增强技术

在低照度环境下,摄像机捕捉到的夜间视频质量较差,常出现光照不足、对比度低、模糊不清和颜色偏移等问题,影响了视频的判读和理解。针对夜间视频存在的问题,提出不同时段空间背景融合技术和根据Retinex理论利用三边滤波器提取亮度图像的照度分量并结合Sigmiod 非线性拉伸函数对反射分量进行增强处理以突出细节达到图像增强的目的。经实验证明,提出的算法能够提高低照度夜间视频的整体视觉效果,图像的亮度、对比度、清晰度得到改善,突出了视频图像细节,保留了视频重要内容,增强结果自然清晰,避免了图像失真等问题,解决了夜间视频增强中常出现的光晕、鬼影、颜色偏移等问题,便于视频的判读与分析。     

基于亮度通道细节增强的低照度图像处理

为了解决在低照度条件下,可见光成像设备采集的图像亮度低、细节不清晰等问题,提出一种基于亮度通道细节增强的低照度图像处理算法。首先,将图像从RGB转换到Lab颜色模型,将Lab模型中的亮度通道通过指数派生函数校正构造为光照分量,再经过Retinex增强得到初步增强图像。然后,采用结构张量和多尺度引导滤波分别对初步增强图像进行细节提取,并将两种方法提取的细节信息进行了融合。最后,将细节图像和初步增强图像融合得到了目标图像。实验结果主观上得到了亮度合适、细节清晰的增强图像,客观上在亮度失真、信息熵和能量梯度上均有良好且稳定的表现,表明该算法能够有效提高图像的亮度和细节信息,并保持自然的色彩和光照效果。     

基于ResNet的红外与低照度可见光图像融合方法

针对传统红外与低照度可见光图像融合后,容易造成目标模糊不清、细节信息缺失等问题,本文提出一种低照度可见光图像预增强与残差网络(Residual Network,ResNet)相结合的图像融合方法。该方法首先利用单尺度Retinex(Single Scale Retinex,SSR)算法对低照度可见光图像进行增强预处理,得到增强的可见光图像。其次,利用ResNet-50分别从增强后的可见光图像和红外图像中提取深度特征。然后,采用L1范数对生成的深度特征进行正则化处理,并通过上采样操作将其分辨率恢复至输入图像大小,得到权重图。最后,使用加权平均策略获取融合图像。实验结果表明,本文算法能更好地保留输入图像的纹理细节和结构信息;使用TNO数据集与现有的三种典型算法对比,该算法融合结果的离散余弦特征互信息(FMIdct)、小波特征互信息(FMIw)、基于噪声评估的融合性能(Nabf)、结构相似度测量(SSIM)四种客观指标总体优于对比算法。     

基于多尺度加权引导滤波的红外图像增强方法

现有的红外图像存在细节模糊、边缘和纹理不清晰的问题。针对上述问题,本文提出一种基于加权引导滤波的红外图像增强方法。首先,将图像通过带转向核的多尺度加权引导滤波进行分层处理,得到多幅含有细节信息的细节层图像和基础层图像;接着,对细节层采用基于Markov-Possion的最大后验概率算法和Gamma校正算法对细节层进行增强;然后,对基础层采用限制对比度的自适应直方图均衡算法进行对比度拉伸,最后,进行线性融合得到增强后的图像。综合主、客观实验结果,得出本文方法具有良好的细节增强效果,处理后的图像边缘和纹理信息比较突出,且算法在信息熵（IE）,熵增强（EME）和平均梯度（AG）3个指标都有较优的计算结果。基本满足红外图像细节得到增强,边缘纹理清晰的需求。     

一种结合PE的高动态范围红外图像压缩及细节增强算法

针对在提升高动态范围红外图像中潜在或弱小目标细节的同时,还需兼顾噪声抑制、对比度增强的问题,提出了一种基于引导滤波图像分层的动态范围及细节增强算法。对背景层采用平台直方图均衡算法进行压缩,对细节层先采用中值滤波进行去噪,再采用非线性映射对细节中潜在的弱小目标细节进行增强,最后按照一定权重合并得到细节增强后的图像。综合主、客观实验结果,相对于映射类、直方图均衡、双边滤波分层增强等算法,该算法能够在动态范围压缩的过程中提高红外图像目标场景的对比度,突显其纹理特征,取得良好的细节增强效果。     

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。     

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。     

基于矿山井下视频监控系统的图像增强方法研究

针对煤矿井下照度低、粉尘多的恶劣环境导致矿山井下图像质量差、图像可分辨率低的问题,提出一种基于脊波变换的图像增强算法,采用多种评价标准对增强后的图像进行评价,并且与直方图均衡化算法、小波增强算法进行比较。结果显示,该算法能够更好地增强图像的边缘、对比度和细节信息,图像效果从整体上更加符合人眼视觉标准。     

利用β函数映射与帧间信息融合的低照度视频图像增强方法

在视频监控、视讯会议系统等应用领域,由于环境光照较低或背景光过强,常导致视频图像很多细节丢失,此时需要用视频增强技术来改善视频质量。本文提出了一种基于非线性β函数映射与帧间信息融合的低照度视频图像增强方法。该方法在图像的照度层实现对比度增强,首先将视频图像从RGB空间转换到HSI色彩空间,提取其照度分量;然后用非线性归一化β函数的映射关系得到增强后的照度成分,β函数的参数通过本文提出的评价函数得到;最后,重建图像,完成视频图像的增强。与其它对比度增强方法相比,本文方法的增强效果好,且计算复杂度较小。文中给出了计算机仿真实验结果。      

一种改进的红外图像自适应增强方法

对红外图像而言,如何在压缩动态范围的同时增强细节、抑制噪声以提升显示效果是一个重要的课题。文中提出一种改进的红外图像自适应增强方法,首先设计了一种参数自适应的引导滤波方法,并基于引导滤波将原始红外图像拆分成基本层和细节层;然后基于像素灰度分布设计了一种新型的自适应阈值的直方图映射方法,以对基本层压缩动态范围并增强其对比度;之后利用自适应引导滤波的线性系数对细节层进行增强并抑制噪声;最后对增强后的基本层和细节层进行自适应融合得到增强后的红外图像。实验结果表明,与对比度受限的自适应直方图均衡方法、基于引导滤波的高动态红外图像增强方法等几种效果相对较好的方法相比,文中所提出的方法处理后的图像细节更丰富,噪声抑制效果更强,视觉效果更好,且该方法适应性更强,无须调整参数即可应对多种观测场景。