基于LIP模型的低照度彩色图像增强新算法

针对低照度彩色图像色彩偏暗的问题,提出一种色彩恢复的彩色图像增强方法。该算法首先将RGB彩色图像转换到HSV彩色空间,利用对数图像增强模型(Logarithmic Image Processing,LIP)对彩色图像的亮度分量进行非线性增强,其次利用正弦隶属函数将图像亮度分量由空间域映射到模糊域,并采用Pal增强算子对隶属函数值进行修正实现亮度分量再次增强。实验结果表明,新算法可以提高图像的整体对比度,增强图像细节,与人眼视觉相符合。     

基于微粒群算法的彩色图像增强研究

在增强彩色图像问题中,把图像增强看作最优化问题,提出了一种基于微粒群算法的彩色图像自适应增强方法．将在RGB空间表示的降质图像转换到与人类视觉系统特性相适应的HIS颜色空间进行增强,提出了应用于亮度1分量的新的目标函数．使用此方法可以自动地找出降质图像归一化的非完全口函数的最优参数值,对原始图像降质类型进行正确的推理．仿真结果表明所提出的方法在自动拟合灰度的广义变换上有很好的性能,图像增强效果显著．     

一种RGB模型彩色图像增强方法

为了研究基于全参考图像的RGB模型彩色图像增强方法及其质量的客观评价方法,依据RGB模型彩色图像分解后得到的颜色分量具有相关性的理论,应用基于点处理的灰度图像的灰度变换理论,提出了基于像素值区间变换系数相同的和基于分量的变换系数比例一致的图像增强算法.实验结果表明,提出的算法均可用于一定目的的RGB模型彩色图像的增强,由给出一组基于误差的单位像素的增强质量的客观评价的计算公式计算出的数据可用于彩色图像的增强质量的客观评价,且与彩色图像的增强效果的主观质量评价结果是一致的,可用于彩色图像增强质量的评价.     

基于清晰度的彩色图像量子增强算法

针对信息熵不能客观地反映图像清晰程度的不足,提出一种基于图像清晰度的量子增强算法。该方法首先将一幅由RGB空间表示的彩色图像转换为由HSV空间表示,其次根据相关灰度阈值函数对其亮度分量进行归一化处理,并采用量子衍生增强算法对其进行增强,在此基础上采用清晰度评价函数自适应确定本算法的灰度阈值参数,最后将增强后的HSV空间表示的图像还原为一幅新的RGB空间表示的彩色图像。实验结果表明,基于清晰度评价的彩色图像增强算法较信息熵函数准则有更好的图像增强效果。     

基于S、V分量的模糊C均值彩色图像分割算法

针对彩色图像的分割问题,提出一种快速有效的彩色图像分割算法。基于彩色图像的HSV颜色空间,应用快速模糊C均值聚类算法,对彩色图像的S、V颜色分量进行聚类,综合考虑图像中目标彩色个数与得到的聚类中心完成对彩色图像的分割。实验结果表明,与其他彩色图像分割算法相比,本文算法可以准确地分割目标区域颜色不同的彩色图像,背景信息保留较少,运算速度受图像尺寸影响较小,可以得到理想的彩色图像分割结果。     

基于多尺度Retinex理论的遥感图像增强算法

多尺度Retinex算法是近年来常用的图像增强方法之一,针对该方法在处理遥感图像时存在过增强、灰度化和色彩失真等不足,结合I阶巴特沃斯函数良好的滤波特性,提出了一种改进多尺度Retinex理论的遥感图像增强方法.首先,采用I阶巴特沃斯函数取代多尺度Retinex中的高斯环绕函数,对降质的遥感图像R、G、B三个分量分别进行滤波操作;然后对滤波后的各通道下不同尺度的亮度图像分别进行加权和归一化处理,得到增强后的R、G、B三个分量;最后将三通道分量进行合成显示,得到最终的增强图像.文中采用中巴资源卫星(CBER-02)多光谱图像和日本ALOS卫星多光谱图像进行实验,结果表明,与传统的多尺度Retinex理论增强方法相比,改进后的方法在抑制图像灰度化、增强图像空间细节和降低图像颜色失真等方面有更好的实验效果.     

一种结合直方图均衡化和MSRCR的图像增强新算法

为便于集成电路(IC)真实缺陷形貌图的缺陷特征提取,提出了一种结合直方图均衡化(HE)和多尺度Retinex彩色恢复(MSRCR)算法的彩色图像增强新算法．用直方图均衡化对彩色图像进行增强,可以显著提高对比度,但会降低原图的信息熵;用Retinex算法对彩色图像进行增强,可以显著提高暗区域的细节,但会产生泛白、颜色失真和对比度低的现象．新算法根据两种算法处理结果的特点,将图像先分别进行HE增强和MSRCR增强,然后按照一定的图像融合规则进行加权融合,经过大量的测试统计,得到了一个最佳权重．实验证明,改进的算法使图像的亮度、对比度、细节等都有很大的增强,不仅改善了图像的整体视觉效果,而且得到了最大的信息熵,能更好地刻画IC缺陷细节,有利于后续的目标检测和缺陷特征提取,并验证了算法的通用性．     

基于空间变换和专家模糊技术的彩色图像对比度增强

现有的图像增强算法存在计算量大、实时性差、参数选择困难、颜色漂移、无法保证收敛性等问题.图像增强的效果主要考虑人眼的视觉感受程度,难以用准确的标准和方法对图像进行处理.因此,基于不精确概念和专家经验的模糊技术是解决现有图像增强算法问题的有效方法.本文提出了一种彩色图像对比度增强技术,首先,从RGB颜色空间变换到色调、饱和度和灰度的颜色空间;然后,利用专家模糊技术对彩色图像的灰度分量进行图像增强处理.该算法不改变原始彩色图像的色调和饱和度.对比实验表明:该方法明显提高了图像的视觉效果,并且计算量小、实时性好.     

基于金字塔连接算法的彩色图像分割

根据金字塔连接算法的特性，提出一种彩色图像自动分割算法。根据HSV颜色空间颜色和亮度无关，将彩色图像从RGB空间变换到HSV空间，然后用基于金字塔的图像分割算法对色调、饱和度和亮度3个分量进行分割．通过合并得到最终分割结果．试验表明，这是一种计算高效的自动分割算法，     

基于FitzHugh-Naguno神经元随机共振机制的图像复原

应用随机共振机制,借助噪声能量实现图像复原,改善低信噪比图像的输出质量.通过分析FitzHugh-Nagumo(FHN)神经元的阈上随机共振机理,以及在相平面上的阈值工作特性,对FHN神经元模型进行约简,以峰值信噪比(PSNR)为图像复原的评价函数,提出基于随机共振的自适应最优图像复原算法.以含噪mountain彩色图像和LED芯片图像为实验对象,与均值滤波、维纳滤波等图像复原算法进行仿真对比研究.结果表明:随机共振方法较好地抑制了噪声、恢复了图像细节和色彩信息,且随着噪声的增强,随机共振方法复原图像的峰值信噪比变化较小,该方法具有较好的鲁棒性.     

结合人眼视觉特性和模糊集理论的彩色图像增强

针对不均匀光照或低照度的彩色图像对比度低的问题,提出一种结合人眼视觉特性的全局亮度调节和局部对比度增强的方法. 首先,将已有的RGB图像转换到HSV彩色空间,根据人眼视觉特性,自适应生成算法参数,非线性调节图像全局亮度和动态范围,提高图像亮度的整体水平; 然后,结合模糊集理论增强算法特性,建立局部对比度隶属度函数,非线性调整图像的局部对比度细节信息; 最后,将增强后的图像由HSV空间转换回RGB空间,完成彩色空间恢复. 实验表明,该方法能够有效地增强低照度图像的全局亮度和局部对比度,提升低照度图像的视见度.     

彩色图像增强的几种方法研究比较

彩色网像中包含有丰富的细节信息,为了获得清晰的彩色图像,保护原有的彩色信息,消除亮度不够对彩色图像像质的影响,笔者在研究彩色图像增强原理的基础上,根据彩色图像的不同模型,对比了3种不同的彩色图像增强方法,并给出了实验结果。研究结果表明,应用增强彩色图像中的亮度信息的方法,既得到了清晰的彩色图像,又保护了原有的彩色信息,而且图像像质还强于Photoshop软件处理的效果。实验结果为彩色图像增强方法的选择提供了指导和参考依据。     

具有颜色保真性的彩色眼底图像增强方法

为了改善彩色眼底图像增强后颜色失真及采集过程所造成的对比度低、细节信息模糊甚至细节丢失的问题,提出一种兼顾颜色保真、亮度增强和细节增强相匹配的眼底图像增强方法.首先将RGB空间的眼底图像转换到HSV空间进行基于亮度的自适应幂律变换,以解决眼底图像亮度的平衡问题.其次,在Lab颜色空间中采用受限直方图均衡化方法提高眼底图...     

基于梯度稀疏和多尺度变分约束的图像增强算法

针对低照度条件下采集到的图像存在亮度偏低、细节模糊等问题,通过分析传统Retinex理论在增强图像过程中的缺陷,提出了一种基于梯度稀疏和多尺度变分约束的图像增强算法。该算法首先将输入图像由RGB空间转换到HSV空间,提取亮度分量,实现三个通道的解耦合。然后根据零范数的梯度全局显著特性,定义了一个新的相对全变分正则项。接着在HSV空间下惩罚亮度分量,构建一种具有梯度稀疏的变分模型对亮度通道进行约束,并通过将控制因子扩张为多个尺度,形成多尺度变分约束,提升照度估计的准确度,使之更加符合光照分布特性。根据Retinex理论进行映射,获取亮度通道对应的反射图像。进而利用亮度通道不同尺度下的约束所对应的不同照度结果,分别提取图像的粗略细节、中等细节和精细细节,通过多尺度细节加权,对反射图像进行细节增强。最后,对照度图像进行伽马校正,与经细节提升后的反射图像重组并进行颜色空间转换得到输出的增强图像。通过实验对比表明,所提算法的增强图像有着更高的色彩丰富度和更低的色差水平,能够保持图像的自然度,提升图像的视觉效果。在均值、平均梯度和信息熵的表现上,相比原图均有大幅度提升,与现有的先进算法相比,平均定量指标在不同类型低照度图像的增强图像上均产生了较优的效果,且有着较快的运算效率。     

基于双容差机制的快速暗原色理论雾天图像增强算法

针对经典暗原色理论算法在处理雾天图像时出现的色调和亮度失真问题,提出了一种基于双容差机制的快速暗原色理论雾天图像增强算法.该算法首先通过容差机制分割图像,并根据阈值判断图像的明亮和非明亮区; 然后引入改进的高斯平滑滤波对透射率图像进行平滑处理,以此优化透射率图像; 最后通过引入容差机制对透射率图像进行修正,以此得到更加清晰的图像.将本文方法与经典的暗原色算法进行对比表明,本文方法在亮度、颜色保真度和时间效率上均优于暗原色算法,因此本文方法可为雾天图像的处理提供参考.     

基于非下采样contourlet变换的彩色图像增强算法

本文提出一种结合DCT变换和非下采样contourlet变换的彩色图像增强算法。算法根据非下采样contourlet变换后不同子带的特点对低频子带和高频子带采用不同的增强方法进行处理;为了修复增强过程中产生的颜色偏移,对增强后的图像进行了颜色修复;最后通过简单锐化即可达到很好的效果。由实验结果可知,算法提高了图像整体对比度的同时保留了完整的边缘细节信息和色彩保真度,从视觉效果和性能指标上来看都优于curvelet变换的方法和DCT变换的方法。     

Research and Implementation of Algorithm for Image Enhancement and Unwrapped Distortion Correction for SLVF Panoramic Night Vision Image

Abstract： Based on digital signal processor（DSP） and field programmable gate array（FPGA） techniques, the architecture of super large view field（SLVF） panoramic night vision image processing hardware platform was established. The panoramic unwrapping and correcting algorithm, up to a full 360°, based on coordinate rotation digital computer （CORDIC） and night vision image enhancement algorithm, based on histogram equalization theory and edge detection theory, was presented in this paper, with the purpose of processing night vision dynamic panoramic annular image. The annular image can be unwrapped and corrected to conventional rectangular panorama by the panoramic image processing algorithm, which uses the pipelined CORDIC configuration to realize a trigonometric function generator with high speed and high precision. Histogram equalization algorithm can perfectly enhance the contrast of the night vision image. Edge detection algorithm can be propitious to find and detect small dim dynamic targets in night vision circumstances. After abundant experiment, the al- gorithm for panoramic image processing and night vision image enhancement is successfully implemented in FPGA and DSP. The panoramic night vision image system is a compact device, with no external rotating parts. And the system can reliably and dynamically detect 360＊ SLVF panoramic night vision image.     

基于峰值信噪比改进的图像增强算法

在图像增强技术中,现有的图像增强算法在对图像进行增强时,总是伴随着原图像亮度的丢失和过度增强效果。提出一种改进的图像增强算法,该方法解决了传统图像增强过程中造成的过度增强、局部过度不自然、原始图像亮度降质的问题。实验结果证明,基于峰值信噪比的改进的图像增强方法优于现有的算法,并且该算法可以在对图像增强的基础上有效的维持原始图像的亮度。