一种色彩改进型Retinex彩色图像增强方法

提出了一种色彩改进型Retinex彩色图像增强方法.对于曝光量不足的彩色图像,采用多尺度Retinex算法增强后,在亮度平均值附近以1倍标准差进行截取,拉伸后的图像亮度与对比度的乘积较大,再采用Brovey彩色变换方法,以原图像各像素中红绿蓝所占的成份比例进行运算.由色彩改进型Retinex彩色图像增强方法增强后得到的图像信息熵是直接使用Retinex算法的1.019±0.002倍.     

一种基于Retinex理论的彩色图像增强算法

在分析Retinex理论及其经典算法的基础上,提出一种新的彩色图像增强算法。该方法在保持增强图像高频成分的同时,很好地保留了图像的部分低频成分,并根据Gray World理论,引入动态参数,提高了图像的动态范围。实验结果表明,用所提算法能有效增强彩色图像。     

视频处理器中的一种新的彩色图像增强方法

LED显示屏显示图像之前,视频图像通常用视频处理器进行图像增强等操作。本文考虑到视频处理器在RGB彩色图像变换时可能产生的彩色失真情况,提出一种自适应的灰度变换算法,此算法将原始的RGB彩色图像和经过灰度变换后的RGB彩色图像转换到HSB彩色空间,然后将两者的色调与亮度分量进行重组,再对其饱和度进行补偿。这种方法的优点是既保证了原始彩色图像在进行灰度变换后的灰度细节,又能保证其彩色细节,同时提高了原始彩色图像的对比度。另外,此算法计算量小,利于硬件的实时实现。     

一种基于FPGA的彩色图像实时增强方法

彩色图像中包含了丰富的颜色信息,能够直观地感知世界,它使我们的工作生活更加便利。但是,由于一些恶劣环境的影响,彩色图像的成像会出现模糊、目标被淹没、对比度偏低等问题。针对此问题,本文设计了一款基于FPGA的嵌入式实时图像增强处理系统。并提出一种灰度值拉伸变换方法,将该方法直接对RGB色彩空间的R、G、B三分量进行增强处理,既增大了灰度值的变化范围提高人眼视觉效果,也避免了色彩空间转换带来的计算量及节省了处理时间满足了工程的实时性要求。目前该系统已在实际工程项目中应用,工程结果表明该系统工作稳定有效,能够有效解决工程中出现的光线条件差,低对比度情况下的彩色图像增强问题。     

基于亮度补偿与双边滤波的彩色图像增强方法

本文针对彩色图像增强的饱和度和亮度特性,首先将图像的RGB色彩空间转化为HSI色彩空间,之后对饱和度分量使用高斯滤波,对亮度分量使用双边滤波,对整副图像的亮度进行补偿,并通过把经过这种处理后的新的HSI色彩空间转换回到RGB色彩空间,来得到经过增强之后的图像。实验结果说明,这种方法不仅可以使图像的的细节被显现出来,而且可以较好地保持图像的色调和饱和度。     

驾驶员疲劳检测中的彩色图像增强算法

为解决因驾驶室光照不均引起的图像质量下降问题,提出一种新的基于Retinex的驾驶员视频图像增强算法。首先将图像从RGB空间转换到YCbCr空间,保持Cb和Cr分量不变,对Y分量进行高、低频分解,低频分量部分包含图像全部光照信息;利用多尺度Retinex(MSR)算法对低频部分进行光照补偿,然后对Y分量进行拉普拉斯锐化和高斯平滑滤波,增强图像细节和消除噪声干扰;最后将处理后的Y分量与原来的Cb、Cr分量进行逆变换生成新图像。实验表明,与传统算法相比,本文算法能对驾驶员视频图像起到增强效果,同时也能很好地增强图像细节信息,有利于系统对驾驶员状态进行疲劳检测。     

一种新的自适应语音增强系统

针对自适应噪声对消(ANC)语音增强系统的性能高度依赖于参考信号的质量，任何原始语音信号泄漏到参考信号中，都会导致原始语音信号失真和噪声抵消性能恶化这一问题，本文提出一种对泄漏不敏感的附加随机噪声(ARN)自适应噪声对消语音增强系统。它通过在参考信号中加入一个低功率的宽带随机训练信号，然后用该训练信号作参考信号对噪声传输函数(NTF)进行自适应建模，并在使用自适应预测滤波器(APF)消除NTF自适应建模的语音信号干扰的同时，用补偿滤波器(CPF)来修正由APF引起的参考信号失真。计算机仿真表明，这种ARNANC语音增强系统在泄漏情况下能将原始语音信号从带噪语音信号中有效分离出来。     

基于视觉特性的非线性多尺度彩色图像增强

[目的]针对图像在低光照下的亮度和对比度偏低的问题,提出一种基于视觉特性的非线性多尺度彩色图像增强算法.[方法]该算法将彩色图像从RGB色彩空间转化到HSI色彩空间,保持H分量不变,对S分量进行指数拉伸,对Ⅰ分量利用视觉系统模型和非线性映射方法实现图像对比度增强,再通过自适应的亮度调整增加图像的全局亮度.最后将HSI色彩空间转化到RGB色彩空间,从而实现对彩色图像自适应增强.[结果]通过对低光照彩色图像进行增强测试,其测试结果表明,[结论]该算法能够自适应地调整图像的全局亮度,增加图像的局部细节对比度,并保持其原色彩,提升彩色图像在低光照下的视见度.     

基于灰度补偿与多尺度Retinex算法的彩色图像增强方法研究

对彩色图像进行增强可以改善图像的质量并获得更多的图像细节,以利于后续的图像分析。针对彩色图像增强的颜色保持特性,本文使用灰度补偿和多尺度Retinex算法相结合的方法,对待增强的彩色图像首先进行Retinex算法处理,然后对图像的红、绿、蓝三种颜色分量分别进行直方图均衡化,并进行对比度调节,这样来获得经过增强之后的图像。实验结果说明,这种方法可以使得图像的局部细节更好地显示出来,具有较好的颜色保持性能。     

基于照度分割的局部多尺度Retinex算法

针对现有多尺度Retinex图像增强算法采用线性加权的方法来综合各个单尺度Retinex增强效果,不能很好地体现出各个尺度在色彩保真和细节增强上的特点与优势,本文提出一种新的基于照度分割的局部多尺度Retinex图像增强算法.该算法首先通过引入带参数的LIP模型将图像分解成四个照度区域,然后对各区域根据照度的差异采用相应尺度的Retinex算法进行增强,最后通过基于面积的比例因子对各增强后子图进行照度融合,实现图像增强.实验结果表明,与现有多尺度Retinex算法相比,本文算法在图像亮度保持和细节增强上,处理效果较好,在色彩方面也有较好的效果.     

一种自适应的雾天降质图像清晰化方法研究

用幂次变换函数取代传统的累积积分函数做直方图均衡,使输出图像亮度可调,显示更多细节。对Retinex理论求解法的Kimmel变分模型做了修改,增加了增强图像细节的因式项。将直方图幂次变换函数均衡化法和基于Retinex理论的图像增强法相结合,讨论了结合原则,提出了以图像方差指标作为结合与否的判据,达到了自适应处理薄、浓雾天降质图像的目的。实验表明,该方法既防止了单一进行直方图均衡在图像颜色细节上的畸变,又提高了基于Retinex理论图像增强法去浓雾的能力,取得了较好的视觉效果。     

基于双边滤波的单尺度Retinex图像增强算法

提出了一种基于双边滤波的单尺度Retinex图像增强方法,在有效增强图像的同时,很好地保持了图像边缘及高亮部分的细节.采用双边高斯滤波来估计图像亮度,同时对原始图像进行局部对比度增强,有效地消除了光晕现象并增强了局部对比度.通过Weber定律在增强过程中对图像亮度进行控制,防止增强后的图像过亮,保持图像高亮部分的细节.实验结果表明:该方法增强效果明显,适用于灰度图像和彩色图像,并能防止颜色失真,使灰度和彩色图像达到较好的视觉效果.     

改进的单尺度Retinex雾天图像增强算法

在恶劣天气(如雾、霾)条件下,室外计算机视觉系统会采集到严重降质的图像,为生产、生活带来了严重的影响.本文基于色彩恒常理论提出了一种快速有效的雾天图像增强新算法,首先利用拉普拉斯梯度算子增强了雾天降质图像的各个颜色分量的边缘信息,然后在单尺度Retinex算法的基础上创新性提出了一种符合人眼视觉特性的中心自适应调节的拟合函数增强图像各个颜色分量,提高对比度,保持色彩信息.同时结合对比度、信息熵和运算时间等客观评价标准,与直方图均衡化和多尺度Retinex算法进行对比,验证了本算法优越性,并能满足实时处理的需求.实验仿真结果表明,该算法去雾效果显著,具有良好的视觉欣赏效果.     

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Retinex理论的简化图像增强算法

本文介绍了一种基于Retinex理论的快速图像增强算法。其核心是在Retinex模型的基础上,将经典的算法进行简化改进,然后在matlab软件平台上实现,并进行仿真。结果显示,简化的算法不但能降低运算成本,而且能尽可能地保持Retinex算法的图像增强性能,增强效果较好。     

基于亮度分量的快速图像增强方法

为提高图像的视觉质量,需要对图像进行对比度增强处理。从研究图像增强的空域法入手,分析了Retinex理论的相关方法。考虑到基于Retinex理论现有算法的不足,提出了基于亮度分量的处理方法,并用IIR实现高斯函数的运算。仿真结果表明,改进后的方法在完成图像增强的同时,能避免灰度化,保持色彩恒常,并加快处理速度。

     

一种对光照鲁棒的人脸图像预处理算法

分析了Retinex理论的本质意义,得出Retinex输出图像本质上是相对反射率,而相对反射率对光照不敏感,从而将其应用于光照情况复杂的人脸图像预处理.采用均值方差归一化的方法,对Retinex输出图像进行灰度值线性拉伸.实验结果表明,该算法能有效地提高人脸识别对光照的鲁棒性,尤其是非受控条件下得到的复杂光照人脸图像.     

一种基于Retinex和PCA的人脸图像识别方法

针对目前人脸识别算法在光照条件恶劣时识别精度较低的缺陷,提出一种基于Retinex和PCA的人脸图像识别方法.Retinex算法能够有效去除图像中光照恶劣导致的阴影,而PCA能够有效提取图像中有代表性的特征,从而使得快速准确的识别成为可能.在Yale和Yale B数据库上验证该算法的性能,结果证明,此算法简单快速,且具有较高的识别精度,是一种实用的人脸图像识别方法.     

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.