基于纹理先验和颜色聚类的图像增强算法

针对传统带彩色恢复的多尺度Retinex算法（multi-scale Retinex with color restoration,MSRCR）存在的纹理信息被弱化，部分信息丢失，增强效果不佳等问题，提出一种基于纹理先验和颜色聚类的图像增强算法。首先，在图像增强之前，进行纹理先验信息提取，以便后续进一步处理。其次，针对于光照分布不均匀的情况，提出利用颜色聚类算法进行图像的分块增强。再者，在对数域映射中，在分块处理的基础上提出了基于均方值和均方差的映射方案。最后，在增强算法的评价部分，提出使用图像的信息熵以及自然统计特性来对增强图像做进一步的有效性评估。实验结果证明，所提方法的平均信息熵达到了7.4934，平均自然统计特性达到4.0903。算法有效地增强了图像的细节部分，图像更为自然，质量得到了进一步提升。     

增强图像的客观质量评价算法研究

增强图像是指与原始图像相比,在清晰度、饱和度和亮度等方面所增强的图像。图像增强被广泛应用在生活中。因此,对增强图像精确的质量评价具有非常重大的意义。然而,现有的增强图像质量评价算法不能够对增强图像的质量进行精确评价。文章算法综合考虑增强图像与原始图像的结构相似度、色彩饱和度相似度和清晰度相似度对增强图像作出评价。文章算法在现有的增强图像数据库中的测试结果显示,文章算法的性能优于传统的质量评价算法和现有的增强图像质量评价算法。     

基于暗通道和伽马变换的水下图像增强

光在水下传播存在吸收和散射现象,导致水下图像颜色失真、对比度低.为此,提出了一种基于暗通道先验和伽马变换的水下图像增强算法.首先,在RGB空间利用暗通道先验估计水下图像透射率和大气光照值,加权处理后得到自适应补偿参数,进而对图像颜色校正.在此基础上,将增强后的RGB图像转化到HSV颜色空间,对V通道进行自适应伽马变换,提高图像的对比度.最后,在公用水下图像增强数据集(RUIE)上进行实验,并与现有增强算法进行比较.实验结果表明,所提算法显著提高了水下图像的视觉质量,优于其他相关算法.     

基于移位窗口多头自注意力U型网络的低照度图像增强方法

针对低照度图像增强模型中的亮度提升、噪声抑制以及保持纹理颜色一致性等难点问题,该文提出一种基于移位窗口自注意力机制的低照度图像增强方法。该文以U型结构为基本框架,以移位窗口多头自注意力模型为基础,构建了由编码器、解码器以及跳跃连接组成的图像增强网络。该网络将自注意力机制的特征提取优势应用到低照度图像增强领域,建立图像特征信息之间的长期依赖关系,能够有效获取全局特征。将所提方法与当前流行的算法进行定量和定性对比试验,主观感受上,该文方法显著提升了图像亮度,抑制图像噪声效果明显并较好地保持了纹理细节和颜色信息;在峰值信噪比(PSNR)、结构相似性(SSIM)和图像感知相似度(LPIPS)等客观指标方面,该方法较其他方法的最优值分别提高了0.35 dB, 0.041和0.031。实验结果表明,该文所提方法能够有效提升低照度图像的主观感受质量和客观评价指标,具有一定的应用价值。     

色度在评价增强图像时对传统算法的修正效果

增强图像是指与原始图像相比在清晰度、亮度、色彩、对比度等方面有一定增强的图像.图像增强已被广泛应用,例如很多图像处理软件PS,ACDSee等都能够对图像进行增强.与此同时,也出现了很多图像增强算法.所以,对增强图像的质量评价具有重要意义.传统的图像质量评价算法不能够对增强图像进行精确评价.增强图像与原始图像相比,在色度上存在一定差异.在此基础上,研究了色度在评价增强图像质量时对传统的图像质量评价算法的修正效果.在增强图像数据库中进行的实验证明在评价增强图像质量时,色度能够对传统的图像质量评价算法进行较好的修正.     

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所面临的挑战,旨在为低照度图像增强的发展方向提供思考。     

G_L分数阶微分理论在遥感图像增强中的应用

扼要阐述了分数阶微积分,遥感图像增强Grünwald-Letnikov的常见形式。概括了分数阶微分的相关定义。介绍了现在G_L等分数阶微分在图像增强的研究中已有的进展。论文主要研究Grünwald-Letnikov定义的分数阶微分在遥感图像中的增强处理,同时构造了3乘3、5乘5、7乘7三种常见的增强算子模板对图像(彩色图像和灰度图像)进行仿真图像增强实验处理,对比不同掩模大小和不同分数阶微分阶次及不同分数阶微分对图像增强的效果,建立遥感图像增强的信息熵评价指标。结果表明,在遥感图像增强方面,整数阶微分增强遥感图像的效果没有分数阶微分好。阶次我们可以调整使其变大,这时候遥感图像的信息熵慢慢变大,信息量慢慢增加。     

基于自适应动态范围CLAHE的雾天图像增强

针对雾天图像对比度低、细节模糊的问题，提出了一种自适应动态范围CLAHE的雾天图像增强算法。引入自适应参数T1和T2自动调整图像重分配的范围，对传统的CLAHE进行改进，结合同态滤波改善图像过亮、过暗区域；原始图像通过多尺度细节增强算法进行细节增强处理；将处理后的细节图像与同态滤波处理后的结果相结合，达到图像对比度和细节增强的目的。通过信息熵、局部对比度、平均梯度和运行时间4种客观评价指标对图像结果进行对比分析，主观与客观测试结果表明，所提算法可有效增强图像对比度、凸显细节信息，便于雾天图像信息的提取。     

基于人类视觉系统的立体图像质量评价方法

随着立体图像的大规模发展,很多应用场合需要能够迅速有效地完成对立体图像的质量评价工作,以便于后续应用,而对其进行主观质量评价在效率上很难满足要求。因此,提出了一种感知质量评价算法,并结合了一些人类视觉系统的特性。首先需要得到视差图,然后通过边界图和显著图来对视差图进行加权调整。接着使用Minkowski融合方法将加权后的视差图整合成感知分数。最后,使用多尺度分析来得到最终的感知质量分数。通过使用EPFL立体质量评价数据库来验证文中的立体图像感知质量评价算法。实验显示算法最后得到的客观分数和EPFL数据库中的主观分数具有高度的一致性和单调性,证明了文中的立体图像感知质量评价算法是有效的。     

基于分数阶微分和高斯曲率滤波的遥感图像增强

遥感图像的复杂性、模糊性、噪声强等特点,严重影响了图像的质量。为改善图像质量,提出一种结合分数阶微分和高斯曲率滤波的图像增强算法。通过分数阶微分提升图像的高频成分、增强图像的中频成分以及非线性保留甚低频成分,获得图像边缘明显突出、纹理更加清晰的遥感图像;后引入高斯曲率滤波在分数阶微分增强图像过程中进行平滑,解决遥感图像本身噪声强以及分数阶微分增强过程中带来的噪声放大和扩散问题。多组对比实验表面,算法可以增强遥感图像的细节信息,有效的抑制噪声。     

区域自适应多尺度强光融合的红外图像增强

图像增强可以分为全局增强和局部增强两种技术,当前基于局部的图像增强技术无法准确地对目标和背景进行分割且难以自适应地对分割区域进行增强。本文提出了一种区域自适应多尺度强光融合算法用于红外图像的增强处理。该算法首先使用语义分割技术完成目标区域和背景区域的划分,然后使用改进后的多尺度强光融合算法分别对各区域进行自适应增强。实验结果表明,所提算法的增强效果均优于当前主流算法,图像增强的视觉效果更真实。     

基于无监督学习的双分支融合低光图像增强方法

针对经过算法增强后的图像产生伪影且图像噪声放大的问题，提出了一种基于无监督学习的双路融合低光照图像增强网络(Unsupervised Learning-based Dual Fusion Low-light Image Enhancement Network, ULDFNet),可从非配对的低光和正常光数据集中学习到低光图像到正常光图像的映射方式。ULDFNet由双支路构成，上支路是注重对噪声进行抑制的细化分支，下支路是基于注意力机制的U-Net全局重建分支，用于高质量图像的生成。判别网络采用特征金字塔的多尺度结构来增强图像全局一致性，同时改进了损失函数，引入全新的保真度循环一致性损失来进一步提高图像纹理信息的恢复质量。定性与定量的实验结果证明了所提方法能够有效抑制增强后图像伪影的产生和噪声的放大。     

基于对抗和梯度的无参考图像质量评价算法

由于现有的生成对抗网络（GAN）很难完全获取细节上的失真,生成高质量图像仍旧比较困难。为了提高基于GAN的无参考图像质量评价（NR-IQA）方法的性能,提出一种基于对抗和梯度的NR-IQA方法。通过改进网络模型结构和引入基于梯度和色度相似性的平均偏差相似指数（MDSI）来提升模型的整体性能,整个模型由GAN和质量预测网络组成。首先,为了增强对抗训练,设计了双判别器的GAN,将失真图像和参考图像分别输入到网络中,利用WED数据集对GAN进行训练;其次,利用GAN生成相应失真图像的虚拟图像,并分析两者之间的差异,得到失真差异图和MDSI图;最后,为了从多个方面测量图像的感知质量,设计了多流质量预测网络,将失真图像、虚拟图像、失真差异图、MDSI图分别输入到网络中,输出图像质量预测分数。在LIVE、CISQ、TID2013数据集上进行训练和测试,所提算法在三个数据集上都表现出较好的性能,尤其在TID2013上。实验结果表明,该算法与人的主观评价具有较高的一致性。     

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。     

高斯混合模型自适应微光图像增强

为了改善微光情况下可见光图像传感器输出图像的质量,提出了一种基于高斯混合模型的自适应微光图像增强算法。对图像的直方图进行混合高斯建模,应用改进的期望最大化算法对直方图拟合,从而获取高斯混合模型的最优参数,然后根据各个聚类的交点将直方图分区,最后确定输出图像所属聚类的映射关系,同时应用保持最大熵方法逼近人类视觉特性映射函数得到最终的增强图像。实验结果表明,此图像增强模型能自适应确定最佳聚类个数,提高直方图拟合的运算速度,一帧图像平均处理时间为0.37s,在相关信息熵和纹理信息等的客观评价中,增强结果明显优于传统方法,有效地提高了微光图像的对比度,同时保持了图像的细节。     

海域图像增强方法综述

由于在海域条件下,受到雾气、光线等多种气象因素影响,光电装备获取的图像出现不同程度的退化现象,导致图像的显示质量下降。为了提高图像增强方法在海域环境下应用的有效性,本文针对海域图像海雾及照度不均的特点,分析了4种常用的图像增强算法,包括基于直方图均衡化的图像增强算法、基于暗原色原理的去雾算法、基于Retinex的图像增强算法、基于同态滤波的图像增强算法,并总结了这些算法的特点及其使用场景。上述4种图像增强算法应用于海域环境下图像增强,选择合适的增强算法可以有效提升图像对比度,克服海域图像海雾及照度不均问题。     

一种优化参数的图像增强算法

为了解决图像成像、复制、扫描、传输和显示时出现的图像模糊问题,在采用改进的同态滤波进行图像增强的基础上,重点应用差分进化算法对增强参数进行优化来提高图像的视觉效果。证明了差分进化能够找到最优的各层子图的增益和最优的结构元素大小。通过与基于傅里叶变换、小波变换的同态滤波图像增强法的对比,验证了所提方法能获得更好的视觉效果。     

二维分数阶卡尔曼滤波及其在图像处理中的应用

该文研究了二维分数阶卡尔曼滤波及其在图像增强与滤波中的应用问题。首先基于分数微积分的定义,建立了二维线性离散系统的分数阶差分状态空间模型。然后,提出了一种可应用于图像信息处理的二维分数阶卡尔曼滤波算法,并通过实验验证了该文提出算法的有效性。仿真结果证明,该算法增强了图像中的细节特征,同时消弱了图像中的背景噪声。     

仿生偏振光检测系统的设计与实现

提出一种基于人眼视觉特性的红外图像增强算法。该算法采用符合人眼感知特性的LIP(Logarithmic Image Processing)模型, 并根据人眼视觉在图像变化区域比平滑区域敏感, 使用幂次变换方法对图像的高频和低频成分分别进行增强处理。实验结果表明: 所提算法相比传统算法能够有效增强图像细节信息,提高图像对比度, 明显改善红外图像的视觉效果。     

一种改进的低对比度图像增强算法

为提升图像对比度,增强图像细节,抑制图像噪声,在认真研究图像增强的基础上,对图像进行小波变换,低频子带系数采用广义模糊算子进行处理,能够更大程度地提升图像对比度和局部亮度.采用贝叶斯萎缩阈值算法将高频子带系数分为噪声和细节信息,通过非线性增益函数抑制噪声并放大细节信息.对传统非线性增益函数进行改进,引入调节因子α,以实现不同程度的细节增强.同时根据信息熵来选取非线性增益函数中参数c的值,以提高算法的自适应性.仿真结果表明,所提算法取得了较高的信息熵、峰值信噪比、清晰度和对比度,图像增强质量较好.