基于自适应特性二维经验模式分解的Retinex彩色图像增强

提出一种彩色图像自适应增强方法：将图像从RGB色彩空间转化到HSV色彩空间并保持H分量不变,对亮度分量V通过自适应特性二维经验模式分解（ABEMD）估算其照度分量,再根据中心/环绕Retinex算法计算出反射分量,对照度和反射分量分别应用Gamma校正和Weber定律,并进行加权运算,基于全局特性自适应地调整S分量,并将图像从HSV色彩空间转化回RGB色彩空间。最后利用主观和客观的方法对实验结果进行了评价,实验表明了该算法在均值、方差、信息熵和清晰度方面均优于MSR算法和Meylan的算法。     

基于分类学习的去雾后图像质量评价算法

针对现有去雾后图像质量评价算法少、针对性弱和有效性差等问题, 本文提出一种基于分类学习的去雾后图像质量评价算法.该算法通过分析去雾后图像本身所蕴含的质量特征, 提取出基于图像增强、图像复原、统计先验以及人类视觉系统 (Human visual system, HVS) 的度量指标; 并在本文数据库基础上, 利用支持向量机 (Support vector machine, SVM) 将质量评价问题转换为分类问题.实验结果表明, 该算法与已有评价方法相比, 在获得高效分类评价结果的同时, 具有较好的实用性和主观一致性.     

基于景深约束的单幅雾天图像去雾算法

本文提出一种基于景深约束的单幅雾天图像去雾算法,该算法首先对退化模型进行变换以满足Kimmel变分框架的要求;其次,考虑到人眼视网膜锥细胞对绿光的敏感性,将绿光分量作为大气传输图变分求解模型的输入;最后,利用景深图像特性,在8邻域快速求解中对能量函数进行约束,从而有效提升去雾图像的视觉效果.实验结果表明本文算法在获得最佳去雾效果的同时,具有较好的实用性和较少的计算资源消耗.     

基于亮度反馈的彩色雾霾图像增强算法

针对目前主流去除雾霾算法采用亮度和色度分量分而治之的机制,割裂了二者固有的相关性,致使增强后图像质量不能两者兼顾的问题,本文以人眼视觉特性为依据,提出了一种亮度反馈的增强方法.该方法首先对亮度信息进行区域适应性调整,并对其细节和边缘进行提升,然后将该结果纳入色度信息处理的约束条件,较好的保持了两者间的相关性.实验表明本文算法在去除雾霾后视觉效果优异,具有较好的实用性和较少的计算资源消耗.     

基于参数估计的无参考型图像质量评价算法

针对现有客观图像质量评价算法通用性差及人类主观感知相关性弱等问题,该文提出一种基于参数估计的无参考型图像质量评价算法。该算法通过分析图像本身所蕴含的质量特征,提取出图像结构信息、颜色信息和视觉信息的评价度量指标,采用回归分析的方法估计出相应指标的参数。实验结果表明,该算法与主观评价结果一致性好、鲁棒性强,优于其它客观评价算法,能够准确反映人类对图像质量的视觉感知效果。     

基于人眼视觉特性的图像视觉质量评价方法

为了更好地评价图像质量,在研究人眼视觉模型和人眼视觉特性的基础上,提出一种自顶向下的无参考图像客观质量评价方法。对待评价图像进行分块,并在每个色彩通道中对子块进行计算,输出平均视觉特性值,使评价模型既符合客观质量评价的优点,又兼顾人眼视觉感受,符合人眼主、客观一致性。选取美国TEXAS大学LIVE的图像数据库中图像的主观评价值对方法进行了实验证明,实验结果表明所提方法与主观评价取得了较好的一致性。     

基于SIFT和MSE的局部聚集特征描述新算法

为寻找更具鲁棒性和计算简便的特征描述子,提出了一种基于SIFT和MSE的局部聚集特征描述算法.分析说明了该方法在继承SIFT算法良好性质的基础上,通过对多尺度下信息熵的估计,能够快速准确找出图像局部结构特征并利用改进的非线性降维方法对特征描述子进行特征重划.实验结果表明,在图像尺度缩放、旋转、模糊、亮度变化等多种变换条件下,该描述子不仅能够取得更多的特征效果,并且计算速度较原算法大幅提升.该算法适用于实时性要求较高,存在旋转、尺度缩放、亮度差异等变换下的结构图像寻找描述子.     

基于人眼视觉特性的云雾图像增强方法

针对云雾图像对比度低、照度低、色彩失真、边缘模糊的问题,提出一种基于人眼视觉特性的云雾图像增强方法。采用二维经验模式分解方法,得到多个不同尺度的内蕴模式函数图像和一个趋势图像,根据视觉适应模型对分解所得的内蕴模式函数图像和趋势图像进行调整,将人眼视觉特性融入其中。实验结果表明,增强后的图像照度、对比度适中,更适合人眼观察。     

一种基于稀疏系数匹配学习的图像去雾算法

针对现有基于先验假设的图像去雾算法无法普适性求解问题,提出一种基于稀疏系数匹配学习的图像去雾算法.该算法从图像复原角度出发,将雾天退化模型的求解转换为基于数据库的稀疏系数匹配.之后,从图像增强角度着手,将图像高亮区域对比度恢复量化为反馈迭代问题,进而有效提升图像的视觉效果.实验结果表明,所提出的算法在获得较好去雾结果的同时能够有效提升图像细节和对比度,并具有较强的适用性.