基于NSST多尺度自适应的Retinex低照度图像增强算法

目的在对低照度图像进行增强时,针对传统频率域方法由于尺度不够丰富而不能很好保留图像高频细节的问题,提出一种基于NSST多尺度自适应的Retinex低照度图像增强算法。方法首先将低照度图像转化至HSI颜色空间后,单独对I通道进行处理,实现对图像色彩信息的保真效果;然后对I通道进行Retinex算法得到反射分量,从而去除照度信息对图像亮度的影响;对反射分量进行伽马调整后,进行基于La(平均亮度)、Pa(平均对比度)、Ia(信息熵)等3个特征值的自适应NSST分解,从而得到最佳参数的高频分量。结果在主观观察和客观无参考图像质量评价中,文中算法的增强效果和评价得分都要优于其他算法。结论经过自适应参数优化之后,低照度图像的对比度得到了提高,可视性和图像质量都得到了显著提升。     

一种高通量dPCR荧光图像自适应增强算法

目的 为了改善荧光图像背景光照不均匀和对比度低的问题,提出一种荧光图像自适应亮度校正和低对比度增强算法。方法 根据光照成像原理,利用引导滤波提取出荧光图像的光照分量,通过改进的二维Gamma函数动态校正背景光照,利用Top-hat变换分离出校正后的前景和背景,对前景进行自适应直方图均衡化,以实现荧光图像自适应增强的目的。结果 对比传统算法,文中算法处理后的图像背景光照均匀,对比度增强效果明显,其中标准差平均提高了9.4倍,平均梯度平均提高了1.2倍,信息熵平均提高了0.2倍。结论 文中算法可以改善高通量dPCR荧光图像背景光照不均匀性,提高图像对比度,突出图像中隐藏的细节,对其他荧光图像处理也具有参考价值。     

多颜色空间的内窥镜图像血管增强方法

为了提高医用电子内窥镜所获图像的血管与组织的对比度,针对内窥镜血管图像的特点,提出了一种基于多颜色空间非线性对比度拉伸的血管增强处理方法。首先在RGB颜色空间利用非线性映射函数对绿色(G)分量进行自适应对比度拉伸;接着依据G分量的拉伸结果,相应地调整红色(R)和蓝色(B)两个分量的灰度值;然后将图像转换到HSV颜色空间,并对图像的饱和度(S)分量进行自适应对比度拉伸;最后将图像转换回RGB颜色空间,最终达到血管增强的目的。在本文中,利用所提出的算法对多幅电子内窥镜图像进行处理,结果表明,算法对于原始特征不明显的细小血管也具有较好的增强效果。通过与其它的增强方法相对比,增强后图像的细节方差(DV)显著大于其它方法。将算法嵌入到分辨率为1280×800的内窥镜软件中,其处理速度可达26 f/s。     

基于NSST与IHS的红外与彩色可见光图像融合

目的 鉴于传统的红外与彩色可见光图像融合算法得到的融合图像,无法很好兼顾清晰度、对比度和色彩是否失真等,提出一种新的基于NSST和IHS颜色空间的彩色图像融合算法。方法 首先将源彩色可见光的RGB图像变换到各通道相关性最小的IHS颜色空间,分离出亮度分量和色度分量。其次对彩色可见光的亮度分量和红外图像分别进行NSST分解,对分解得到的低频系数采用基于自适应高斯模糊逻辑函数的系数选择方案,对高频系数则采用基于像素点的绝对值取大的系数选择方案,然后对经过选择的低、高频系数进行NSST逆变换,得到的融合图像作为新的亮度分量,结合已有的色度分量将其进行IHS逆变换,得到最终的RGB融合图像。结果 通过2种场景的红外与彩色可见光图像进行仿真实验,将提出的算法与LPT,SWT和NSCT等算法对比,通过主观评价和客观评价指标IE, AG, SF和SD等,可知新算法的融合结果图像场景细节最清晰,红外隐藏目标对比度最高,且色彩未出现明显失真现象,图像融合质量最高。结论 提出的算法相较于传统的红外与彩色可见光图像的融合质量,全面提升了效果,表明该算法具有优越性。     

基于光照-反射模型的图像增强算法的FPGA设计

针对视频图像增强处理的应用需求及视频图像场景的多样化特点,给出了一种基于光照-反射模型的低照度图像增强算法及其硬件实现。首先,基于光照-反射模型将亮度图像分解为照度分量、反射分量,并对估计的照度分量进行非线性调节,合成新的亮度图像;然后,引入调整系数对光照估计进行场景补偿以适应不同的场景;最后,在现场可编程逻辑门阵列(FPGA)硬件上进行算法实现。在Altera EP4CE40F23C8 FPGA硬件上实现结果表明,图像增强算法的主、客观处理效果得到明显提升,可满足不同场景的低照度视频图像实时增强处理应用。     

基于亮度阈值效应的无参考图像质量评价方法

目的图像质量的优劣不仅与失真有关,同时与亮度图像的质量有关,而无参考图像质量评价中未考虑到亮度图像的质量对图像整体质量评价的影响,因此引入亮度阈值效应对其亮度图像的质量进行量化评价。方法在BRISQUE算法的基础上进行改进,以快速衰落失真为例,在调整亮度后获取的50幅图像库中进行实验,将失真图像分层为入射分量和反射分量,对入射分量(亮度图像)采用亮度阈值算法,反射分量(反射图像)采用BRISQUE算法,提出一种新的无参考图像质量评价方法。结果文中算法的皮尔逊相关系数(PCC)为0.9982,斯皮尔曼秩相关系数(SROCC)为0.9741。结论由实验数据可知,文中算法在人眼视觉的主观评价上相较于BRISQUE算法有更好的一致性,符合人眼的视觉感知。     

基于人眼视觉特性的彩色图像增强算法

针对多尺度Retinex算法(MsR)计算复杂度过高的缺陷,本文提出了模拟人眼视觉特性的Retinex图像时比度增强方法.该方法根据Retinex计算模型分离彩色图像的照射分量和反射分量,并引入非线性变换函数对其进行修正.基于对数变换的非线性函数拉伸图像照射分量,改善了全局视觉效果,再利用考虑人眼灰度分辨能力的变换函数对反射分量值进行调整,从而改善了图像局部对比度.实验结果表明,算法直接在RGB彩色空间和其它分离色度亮度的彩色空间的处理效果都很好,没有出现明显的彩色失真现象,处理速度也快于MSR算法.     

基于视觉特性的非锐化掩模图像增强

将人类视觉特性中灰度敏感程度和颜色相关性引入到图像增强中.选择HSV彩色空问,提出最优可见偏差(OND)引导的非锐化掩模(LJM)图像增强算法(OND-UM)对亮度分量进行边缘和细节增强,其中通过数值拟合得到了OND曲线,并构造了基于局部方差的自适应增益函数以实现对不同细节区域增强强度的自适应调整;尤其针对含有低对比度区域图像,利用Otsu分割方法确定阈值的分段自适应拉伸函数进行图像的全局调整和对比度增强:而饱和度分量进行直方图均衡,色度分量保持不变;颜色空间转换后再进行基于改进的颜色相关性统计的RGB空间颜色校正.仿真结果表明,OND-UM对连续边缘增强和边缘噪声抑制方面较优,而颜色校正后的图像色彩更丰富艳丽,更符合人眼视觉.     

基于颜色计算显著特征的彩色图像质量评价方法

目的从颜色这个角度研究新的全参考图像质量评价方法。方法首先在Lab色空间内基于颜色信息提取2个图像特征,即颜色和对比度特征。然后将颜色特征和图像梯度相结合,对比度特征和图像局部范围相结合,分别提出不同的图像质量评估方法。结果采用该领域内4种常用的参数来评估文中算法和14种其他经典算法的表现,结果显示文中提出的2种基于图像彩色信息的算法总体上优于其他算法。结论从颜色计算显著特征出发来研究图像质量评价方法是一个有效的途径。     

保持色调的彩色图像形态学局部对比度增强算法

提出一个针对HSV颜色空间彩色图像的形态学增强算法：利用文献[2]的颜色向量序、由此实现的膨胀和腐蚀算子,设计了一种形态学切换（toggle mapings）变换的实现算法,该算法利用膨胀和腐蚀算子处理后的图像对原始图像进行局部对比度增强,并且能够保持彩色图像的色调不发生变化。从实验结果看,算法增强图像对比度的效果良好。     

同态滤波耦合后处理优化的图像增强算法

目的为了提高图像增强算法中的亮度分布,抑制伪光晕与噪声现象,改善增强图像的细节与亮度。方法提出一种同态滤波耦合后处理优化的图像增强方案。首先,利用引导滤波器估计输入图像的照度,利用YCb Cr色彩空间中平滑的Y通道为导向图像,以有效捕捉真实场景的亮度,准确计算图像照度。其次,根据得到的照度估计,提取图像景物的反射率,为了同时提供动态范围压缩和色调再现,设计一种多尺度Retinex和色彩修复算子,利用3个不同尺度的Gaussian滤波加权组合,进行彩色图像增强。最后,为了实现多尺度Retinex与色彩修复算子的最优性能,通过非线性拉伸和参数优化组成的自动后处理方法,构建一种学习策略,利用量子行为粒子优化机制(QDPSO)自适应地确定每个输入图像的最佳参数,从而有效考虑了景物的照度与反射率的关系,避免了色彩失真。结果实验数据表明,与当前常用的增强算法对比,所提算法得到增强图像清晰度和细节更优,更符合视觉的感知特性,且效率更高,耗时约为0.7 s左右。结论所提算法具有良好的增强效果,在图像信息处理领域具有一定的借鉴作用。     

一种高效地修正Retinex图像自适应对比度增强算法

介绍了修正Retinex的图像对比度增强方法,引入了非线性变换函数修正彩色图像的照射分量和反射分量.全局对比度增强函数拉伸图像照射分量,改善了全局视觉效果.非线性S型函数对较大和较小的反射分量值改变较小,对中间值的改变较大,从而改善了图像局部对比度.将该方法与基于Retinex模型的图像增强方法进行了分析比较,结果表明,本算法处理后的图像具有更好的视觉效果,能够显著提高图像明亮区域和黑暗区域的可视细节.常规Retinex方法由于受到多尺度卷积运算的影响,运算复杂度普遍较高,提出的方法克服了目前常规的Retinex图像增强方法的不足,在RGB彩色空间和许多分离色度亮度的彩色空间的处理速度都很快,参数自适应较好,处理图像也没有出现明显的彩色失真现象.     

环境光及iPad背光源亮度设置对iPad呈色的影响

目的研究环境光以及i Pad的亮度设置对i Pad颜色特性的影响。方法测量3种常规光照环境下,14个不同的设备亮度设置下i Pad屏幕上显示色块的绝对色度值,分析不同环境光下不同设备亮度设置下i Pad的色温、对比度、通道可加性、色品恒定性以及色域等颜色特性。结果当i Pad的设备亮度小于175 cd/m2时,环境光对色温、对比度、通道可加性、色品恒定性以及色域等颜色特性有较大影响;当i Pad的设备亮度大于175 cd/m2时,环境光对i Pad的显色性能的影响较小;相同环境下,设备亮度的变化对i Pad色域以及色温产生较大影响,对其他颜色特性影响较小,设备亮度较大时,暗调部分的颜色被压缩。结论在一般环境光下,当背光源亮度设置大于175 cd/m2范围时,i Pad的显色性能较好较稳定,但部分暗调颜色被压缩。     

离散余弦变换域内的Retinex图像增强模型研究

针对现有离散余弦变换（DCT）域图像增强算法大多统一处理DCT系数,且不能有效抑制块状效应的问题,将Retinex思想引入DCT域,提出一种新增强算法：将DCT系数分为入射分量和反射分量,构造一种带强光抑制的函数,将入射分量映射到理想的动态范围;定义一种频带限制的对比度,实现反射分量的局部细节增强;使用子块分解方法抑制块状效应。实验结果表明,与现有Retinex及DCT域增强算法相比,该算法具有更好的细节增强及强光抑制效果,且能较好抑制块状效应。     

Image contrast enhancement with brightness preservation using an optimal gamma correction and weighted sum approach

The enhancement of image contrast and preservation of image brightness are two important but conflicting objectives in image restoration. Previous attempts based on linear histogram equalization had achieved contrast enhancement, but exact preservation of brightness was not accomplished. A new perspective is taken here to provide balanced performance of contrast enhancement and brightness preservation simultaneously by casting the quest of such solution to an optimization problem. Specifically, the non-linear gamma correction method is adopted to enhance the contrast, while a weighted sum approach is employed for brightness preservation. In addition, the efficient golden search algorithm is exploited to determine the required optimal parameters to produce the enhanced images. Experiments are conducted on natural colour images captured under various indoor, outdoor and illumination conditions. Results have shown that the proposed method outperforms currently available methods in contrast to enhancement and brightness preservation.     

基于Retinex和同态滤波的X射线电池图像增强算法

针对工业X射线电池图像对比度低、视觉效果不好、不同区域处理效果差异大等问题,提出一种基于多尺度Retinex和同态滤波的X射线电池图像增强算法.首先利用多尺度Retinex算法中的高斯滤波对照射分量估计,从而得到反射分量.用改进的直方图均衡化方法来处理照射分量,采用改进的巴特沃斯高通滤波器对反射分量的局部细节增强.接着,将照射分量与反射分量按比例融合,最后用改进的同态滤波对图像增强,即可得到增强后的图像.采用客观评价的方法对算法的有效性进行评价,结果表明,所提的算法图像增强效果好且可以看到更多的细节.