亮度补偿变换矩阵的颜色恒常性算法

颜色恒常性是计算机视觉的重要研究方向,旨在准确识别目标的真实颜色而不受场景光源变化的影响。目前提出的多种颜色恒常性算法,使用传统的Von Kries 对角变换矩阵对图像的估计照明进行校正,对低照度和强光照射条件下采集到的图像处理效果比较差。根据图像形成的数学模型和光学原理提出了亮度补偿对角变换矩阵的颜色恒常计算方法,该方法对图像颜色校正的同时根据图像像素亮度变化对图像的亮度进行补偿。通过采用多种颜色恒常性算法进行实验验证,该方法能够有效地校正低照度和强光照射图像的颜色、对比度和亮度,从而增强了图像的视见度。     

基于方向性全变分Retinex的低照度图像增强

为了提高低照度图像的视觉质量,提出一种基于方向性全变分Retinex的低照度图像增强方法.首先利用基于灰像素的色彩恒常方法恢复低照度图像的真实场景颜色;然后构造方向性相对全变分约束,据此估计照度图像;接着在计算反射图像时,利用方向性梯度残余最小约束来遏制增强过程中放大的噪声和伪影;最后根据当前像素亮度与其邻域平均亮度的关系拉伸局部亮度,得到最终的增强结果.采用从互联网上搜集的多幅低照度图像进行实验,结果表明,与一些当前国际先进水平的方法相比,文中方法得到的图像质量更佳、视觉效果更好.     

基于双目立体视觉的图像增强

户外视觉系统采集图像时,容易受到低照度等因素的影响,导致捕获的图像退化,视见度降低。本文提出了一种基于双目立体视觉的图像增强算法。该算法首先通过立体匹配处理求解场景视差图像,然后构建广义双边滤波估计图像照度分量,根据Retinex原理求解图像反射分量,实现图像的增强。实验证明,该算法能够有效地改善图像质量,提高双目视觉系统工作的鲁棒性和可靠性。     

基于光照图估计的Retinex低照度图像增强算法

针对低照度环境下采集的图像存在对比度较低、细节丢失、噪声干扰等问题,提出一种基于Retinex的光照图估计改进算法,以实现低照度图像增强.计算R、G、B 3个颜色通道中的最大值,并用L2范数对光照进行近似,运用基于相对总变差形式的改进模型对亮通道进行平滑细化及自适应Gamma校正,并利用Retinex模型进行图像增强.在MATLAB仿真平台上对不同的低照度图像进行增强处理,实验结果表明,与Retinex-Net、SRIE等典型算法相比,该算法能有效提高图像对比度与清晰度,增强图像细节信息,使图像颜色更加鲜艳自然,视觉质量更好.     

基于光照图估计的Retinex低照度图像增强算法

针对低照度环境下采集的图像存在对比度较低、细节丢失、噪声干扰等问题,提出一种基于Retinex的光照图估计改进算法,以实现低照度图像增强.计算R、G、B 3个颜色通道中的最大值,并用L2范数对光照进行近似,运用基于相对总变差形式的改进模型对亮通道进行平滑细化及自适应Gamma校正,并利用Retinex模型进行图像增强.在MATLAB仿真平台上对不同的低照度图像进行增强处理,实验结果表明,与Retinex-Net、SRIE等典型算法相比,该算法能有效提高图像对比度与清晰度,增强图像细节信息,使图像颜色更加鲜艳自然,视觉质量更好.     

基于Lab色彩空间和色调映射的彩色图像增强算法

针对低照度图像对比度增强处理中的细节保留和色彩恒常问题,提出一种新颖的基于Lab色彩空间和色调映射的Retinex图像对比增强算法。首先,在Lab色彩空间中将一个低对比度的输入图像分解成亮度和色度分量,并使用自适应双边滤波估计照明的强度,以便根据亮度和颜色值来考虑合适的相邻像素。然后利用基于抛物线的色调映射函数来提高估计光照图像的对比度。最后,将加强的亮度和原始的色度结合在一起以产生一个增强的彩色输出图像。实验结果表明,所提算法通过减弱图像伪影增强了图像的细节和边缘结构,同时通过避免色彩偏移较好地保留了图像的自然度。     

低照度视频监控图像降噪算法设计与实现

针对低照度环境下视频监控图像噪点较多的问题,提出一种基于运动检测的低照度视频监控图像降噪算法。在研究低照度视频监控图像噪声特点的基础上,通过一种阈值运动检测算法将图像帧划分成8×8的运动像素宏块和静止像素宏块,对运动像素宏块采用改进的维纳滤波算法进行降噪,对静止像素宏块采用数学形态学和中值滤波相结合的算法进行降噪。实验数据显示,该算法总体时间复杂度接近O(n),使用该算法降噪后的图像的PSNR值和DV,BV值均高于经典降噪算法,证明了该算法在降低时间复杂度的同时,能有效降低图像噪声,并较好地保持图像的解析度。     

基于模糊理论的低照度彩色图像增强算法

低照度彩色图像存在整体亮度低、对比度差、颜色偏暗和信噪比低等特点,传统图像增强算法对其增强效果非常有限。提出了一种基于模糊理论的低照度彩色图像增强算法,将三原色(red,green,blue,RGB)图像转换成色相饱和度(HSV)图像,以保证增强处理不引起图像的色彩失真。对亮度图像进行非线性变化,实现动态范围展宽;采用修正后的隶属度函数将图像映射到模糊平面,实现对比度增强。实验结果表明:该算法显著地提高了图像整体亮度和对比度,改善了低照度彩色图像的视觉效果。     

人眼视觉感知驱动的梯度域低照度图像对比度增强

针对传统的对比度增强方法在对低照度图像进行处理时不能同时顾及压缩动态范围、调整亮度以及增强或保持细节等问题,提出一种基于人眼视觉感知特性的、从全局亮度映射到局部细节补偿的低照度图像对比度增强方法.首先通过非线性全局亮度映射模型压缩图像的动态范围,提高图像的整体亮度水平;然后结合人眼视觉系统的亮度掩蔽特性和超阈值对比度感知特性,非线性地调整图像的局部梯度场增强和恢复图像的局部细节;最后在目标梯度场上通过快速求解泊松方程获取增强后的图像.实验结果表明,该方法能够有效地增强低照度图像的全局和局部对比度,提升了低照度图像的视见度.     

基于暗原色先验的低照度视频增强算法

在低照度条件下,视频质量总是不容乐观.对比度低,边缘细节不清晰,亮度低等情况会给视频后续处理带来很多不必要的麻烦.针对这种情况,本文提出了一种改进的基于暗原色先验的低照度视频增强算法.首先将输入的低照度图像取反,再对该图像进行去雾操作.大气光值由输入图像的暗通道最大值估计,同时,利用快速导向滤波计算并优化透射率,实现了保边降噪.最后,通过再次取反图像得到增强后的图像.透过实验结果证实,该算法能有效增强低照度图像的对比度,突出图像边缘的细节,提高图像的亮度,有效增强低照度图像.     

Color by correlation: a simple, unifying framework for colorconstancy

The paper considers the problem of illuminant estimation: how, given an image of a scene, recorded under an unknown light, we can recover an estimate of that light. Obtaining such an estimate is a central part of solving the color constancy problem. Thus, the work presented will have applications in fields such as color-based object recognition and digital photography. Rather than attempting to recover a single estimate of the illuminant, we instead set out to recover a measure of the likelihood that each of a set of possible illuminants was the scene illuminant. We begin by determining which image colors can occur (and how these colors are distributed) under each of a set of possible lights. We discuss how, for a given camera, we can obtain this knowledge. We then correlate this information with the colors in a particular image to obtain a measure of the likelihood that each of the possible lights was the scene illuminant. Finally, we use this likelihood information to choose a single light as an estimate of the scene illuminant. Computation is expressed and performed in a generic correlation framework which we develop. We propose a new probabilistic instantiation of this correlation framework and show that it delivers very good color constancy on both synthetic and real images. We further show that the proposed framework is rich enough to allow many existing algorithms to be expressed within it: the gray-world and gamut-mapping algorithms are presented in this framework and we also explore the relationship of these algorithms to other probabilistic and neural network approaches to color constancy     

Color balancing of digital photos using simple image statistics

The great diffusion of digital cameras and the widespread use of the internet have produced a mass of digital images depicting a huge variety of subjects, generally acquired by unknown imaging systems under unknown lighting conditions. This makes color balancing, recovery of the color characteristics of the original scene, increasingly difficult. In this paper, we describe a method for detecting and removing a color cast (i.e. a superimposed color due to lighting conditions, or to the characteristics of the capturing device), from a digital photo without any a priori knowledge of its semantic content. First a cast detector, using simple image statistics, classifies the input images as presenting no cast, evident cast, ambiguous cast, a predominant color that must be preserved (such as in underwater images or single color close-ups) or as unclassifiable. A cast remover, a modified version of the white balance algorithm, is then applied in cases of evident or ambiguous cast. The method we propose has been tested with positive results on a data set of some 750 photos.     

沙尘降质图像清晰化算法

目的 沙尘环境中获取的图像存在颜色失真、对比度低等问题,不利于人眼辨识以及进一步的图像处理。为解决沙尘降质图像的这些问题,提出一种新的基于颜色调整和对比度增强的沙尘降质图像的增强算法。方法 沙尘降质图像增强要解决两个问题,即颜色偏移和对比度增强。基于沙尘降质图像的的颜色直方图存在的集中性、顺序性以及偏离性等特性,使用高斯模型分别对各通道颜色进行建模,进而进行颜色调整。针对颜色调整后的图像存在的整体灰暗,对比度低以及噪声等特点,利用改进的基于奇异值分解的增强算法,从而有效地增加图像对比度并抑制噪声。结果 为了验证本文算法的有效性,与带有色彩恢复的多尺度Retinex算法、GUM算法、Tarel算法、融合算法4种方法进行了对比。从增强结果可以看出,本文算法能够有效解决降质图像的颜色偏移和对比度低的问题,并增强图像的整体视觉效果。结论 本文算法充分利用沙尘降质图像三通道颜色直方图分布的特点,能够快速高效地实现颜色校正,并通过图像频域的奇异值信息进一步提升图像的对比度。经过多幅沙尘降质图像清晰化实验验证,表明本文方法能够实现对不同程度沙尘降质图像的增强,具有较强的适用性。     

基于照度与场景纹理注意力图的低光图像增强

目的 现有的低照度图像增强算法常存在局部区域欠增强、过增强及色彩偏差等情况,且对于极低照度图像增强,伴随着噪声放大及细节信息丢失等问题。对此,提出了一种基于照度与场景纹理注意力图的低光图像增强算法。方法 首先,为了降低色彩偏差对注意力图估计模块的影响,对低光照图像进行了色彩均衡处理;其次,试图利用低照度图像最小通道约束图对正常曝光图像的照度和纹理进行注意力图估计,为后续增强模块提供信息引导;然后,设计全局与局部相结合的增强模块,用获取的照度和场景纹理注意力估计图引导图像亮度提升和噪声抑制,并将得到的全局增强结果划分成图像块进行局部优化,提升增强性能,有效避免了局部欠增强和过增强的问题。结果 将本文算法与2种传统方法和4种深度学习算法比较,主观视觉和客观指标均表明本文增强结果在亮度、对比度以及噪声抑制等方面取得了优异的性能。在VV（Vasileios Vonikakis）数据集上,本文方法的BTMQI（blind tone-mapped quality index）和NIQMC（no-reference image quality metric for contrast distortion）指标均达到最优值;在178幅普通低照度图像上本文算法的BTMQI和NIQMC均取得次优值,但纹理突出和噪声抑制优势显著。结论 大量定性及定量的实验结果表明,本文方法能有效提升图像亮度和对比度,且在突出暗区纹理时,能有效抑制噪声。本文方法用于极低照度图像时,在色彩还原、细节纹理恢复和噪声抑制方面均具有明显优势。代码已共享在Github上：https://github.com/shuanglidu/LLIE_CEIST.git。     

基于YUV空间的彩色夜视融合方法

提出了一种基于图像增强和颜色迁移理论的彩色夜视融合方法。首先采用局部增强技术以及中值滤波方法调整低光照可视图像和红外图像的对比度;然后将增强后的图像进行线性运算获得三幅灰度图像,并分别将其映射到RGB三个通道生成伪彩色融合图像;最后,基于YUV颜色空间将参考图像的颜色传输至融合图像获得自然、真实的彩色融合图像。实验结果表明,彩色迁移图像较伪彩色融合图像颜色更加自然、真实,更有利于人眼对目标和环境的判断识别。与其他融合方法相比,算法执行速度更快。     

Color in perspective

Simple constraints on the sets of possible surface reflectance and illuminants are exploited in a new color constancy algorithm that builds upon Forsyth's (1990) theory of color constancy. Forsyth's method invokes the constraint that the surface colors under a canonical illuminant all fall within an established maximal convex gamut of possible colors. However, the method works only when restrictive conditions are imposed on the world: the illumination must be uniform, the surfaces must be planar, and there can be no specularities. To overcome these restrictions, we modify Forsyth's algorithm so that it works with the colors under a perspective projection (in a chromaticity space). The new algorithm working in perspective is simpler than Forsyth's method and more importantly the restrictions on the illuminant, surface shape and specularities can be relaxed. The algorithm is then extended to include a maximal gamut constraint on a set of illuminants that is analogous to the gamut constraint on surface colors. Tests on real images show that the algorithm provides good color constancy     

Illuminant Aware Gamut‐Based Color Transfer

This paper proposes a new approach for color transfer between two images. Our method is unique in its consideration of the scene illumination and the constraint that the mapped image must be within the color gamut of the target image. Specifically, our approach first performs a white‐balance step on both images to remove color casts caused by different illuminations in the source and target image. We then align each image to share the same ‘white axis’ and perform a gradient preserving histogram matching technique along this axis to match the tone distribution between the two images. We show that this illuminant‐aware strategy gives a better result than directly working with the original source and target image's luminance channel as done by many previous methods. Afterwards, our method performs a full gamut‐based mapping technique rather than processing each channel separately. This guarantees that the colors of our transferred image lie within the target gamut. Our experimental results show that this combined illuminant‐aware and gamut‐based strategy produces more compelling results than previous methods. We detail our approach and demonstrate its effectiveness on a number of examples.     

减少色彩失真的自适应单幅图像去雾算法

基于暗通道先验的单幅图像去雾算法是目前最为高效的图像去雾技术,然而当图像中某些场景不完全满足暗通道先验时,去雾处理后的图像中常常出现大量伪影和色彩失真,因此需要根据图像对该方法进行修正。假设图像场景亮度越高,暗通道越不可信;场景饱和度越低,暗通道越不可信。基于该假设重新设计了图像的暗通道置信度,以补偿场景不完全满足暗通道先验时估算过大的暗通道值;另外对图像进行后置增强处理,以提升图像的视觉效果。对三类具有代表性的雾天图像进行实验,实验结果显示,与相关算法相比,该算法在缓解色彩失真、去除伪影等方面表现更好。该算法通过设计暗通道置信度克服了图像场景不完全满足暗通道先验时暗通道值估计偏大的问题,显著提升了暗通道先验去雾模型对不同雾天场景的适应能力。     

基于颜色校正和去模糊的水下图像增强方法

由于光在水下传播时会出现吸收和散射的情况,水下图像往往存在色偏、对比度低、模糊、光照不均匀等问题。根据水下图像成像模型,人们在海底拍摄所获得的图像往往是退化的图像,而退化的图像不能完整地表达海洋场景信息,难以满足实际的应用需要。为此,文中提出了一种基于颜色校正和去模糊的水下图像增强方法。该方法有效融合了颜色校正和去模糊两个阶段,取得了递增的增强效果。在颜色校正阶段,首先对原始图像进行对比度拉伸,在对比度拉伸完成之后,图像可能存在拉伸过度或拉伸不足的现象。因此,所提方法根据灰度世界先验,在对比度拉伸后进一步使用伽马校正来优化和调整图像的对比度和色彩,使图像的R,G,B三通道的灰度值之和趋于相等。接着,在去模糊阶段,通过融合暗通道先验对颜色校正后的图像进行去模糊,得到最终的增强图像。实验结果表明,所提方法具有良好的整体恢复效果,能有效地恢复图像信息,在主观评价和客观评价上均展现出较好的效果。另外,所提方法可以作为水下图像分类等计算机视觉任务的预处理步骤,在实验中能够将水下图像集的分类精度提升16%左右。