多图像融合Retinex用于弱光图像增强

为解决弱光图像增强过程中对比度增强和自然度保持问题,本文提出一种基于Retinex的多图像自适应加权最小二乘滤波算法。首先,在图像的每个像素的R,G,B三通道中找到最大亮度值作为该像素的初始照明估计,根据Retinex理论生成反射图像,并通过形态学闭合方式调整反射图;接着,在初始照明图基础上,通过Gamma变换和双对数变换方法分别生成全局对比度增强图和局部自然度保持照明图;随后,设计一种自适应加权最小二乘滤波融合策略将三幅照明图融合成最终照明估计图;最后合成上述的最终照明图和调整反射图以获得弱光增强后的图像。实验结果表明,本文所提出算法的亮度顺序差(LOE)及盲图像质量评价(NIQE)值更低,可同时降低到4.12和3.25,较其他方法表现出更好的增强效果。证明了本文算法能有效地增强弱光图像对比度,同时保持图像自然度。     

HSI色彩空间下的低照度遥感图像增强

为了提高低照度遥感图像的可视性,提出了利用改进的多尺度Retinex算法与局部对比度自适应调整相结合的方法来改善图像质量。首先,把原始图像变换到HSI色彩空间,有效分离H、S、I分量;然后,然后在保持色调分量H不变的前提下,对亮度分量I利用改进的多尺度Retinex算法进行处理,对整幅图像进行亮度和对比度的初步调整,通过使用Sigmoid函数替换多尺度Retinex算法中的对数函数来减少数据丢失;为了使局部细节信息得到更好的改善,在利用改进的多尺度Retinex算法处理后进行自适应局部对比度增强,提高图像局部对比度;对饱和度分量S采用分段线性增强的方法进行处理;最后,将处理后的图像变换回到RGB空间。实验结果表明:图像信息熵由5.79提高至6.65;图像感兴趣区域的局部对比度由0.695提高至0.701,图像质量以及利用价值得到了提升。     

基于颜色空间转换的交通图像增强算法

针对恶劣天气场景中交通图像常见的降质严重、模糊不清和对比度低等问题,提出一种基于颜色空间转换的交通图像增强算法。该算法首先在RGB颜色空间中对R、G、B 3个颜色通道的图像进行对比度拉伸操作,然后将图像由RGB颜色空间转换到HSV颜色空间,在HSV颜色空间中对V分量进行对比度受限自适应直方图均衡化操作,最后将图像从HSV颜色空间转换回RGB颜色空间得到最终的增强图像。实验结果表明:该方法与其他几种著名的增强算法相比,能获得更为理想的增强效果。     

基于RGB色彩平衡方法的沙尘降质图像增强

针对沙尘环境下室外图像存在的色差,低对比度以及低清晰度的问题,提出一种基于RGB色彩平衡方法的沙尘降质图像增强算法,该算法主要包括色彩校正、对比度提升两个任务。针对沙尘图像色彩分布的特殊性以及灰色世界算法的启示,提出了保持颜色分量均值的RGB色彩平衡方法（RGBCbm）,使得RGB三通道分量根据颜色分量的均值进行拉伸,有效去除了图像中沙尘造成的色幕问题,进一步采用带色彩恢复的多尺度视网膜增强算法提高色彩校正结果;利用相对全局直方图拉伸算法结合Lab颜色模型对图像的对比度、色彩以及明亮度进行最后的增强和校正。对实验数据进行测试,结果表明,该算法可以有效解决各类沙尘降质图像的色差问题,并在提高图像色彩丰富性和对比度的同时增强图像细节的清晰度。与其他先进算法相比,水下图像质量指数和图像对比度指数分别达到了0.602和0.994,分别提高了0.140和0.018。     

马尔科夫随机场模型下的Retinex夜间彩色图像增强

由于Retinex算法在处理夜间彩色图像时容易出现光晕、颜色失真、细节丢失与噪声干扰等问题,本文基于马尔科夫随机场（MRF）提出了一种针对单幅图像的Retinex图像增强算法。该算法在HSV颜色空间下采用线性引导滤波估计图像照度分量;在MRF模型下求解仅包含物体本身特性的反射分量,并通过颜色恢复函数与增益补偿方法进行颜色恢复与校正,最终实现了夜间彩色图像的增强。实验结果表明,利用本文算法处理后图像的均值（整体亮度）可以提高2倍以上,标准差、熵、峰值信噪比（PSNR）等参数均有5%以上的提升。与其它基于Retinex原理的算法相比,本文提出的算法增强效果显著,具有消除“光晕伪影”现象、抑制噪声、颜色保真和有效地凸显边缘细节信息等能力。     

基于Retinex理论的雾霭天气图像增强

雾霭天气会降低能见度,使得图像出现比较严重的退化和失真。本文根据Retinex理论提出了一种新的图像增强算法,调整了雾霭天气图像的全局对比度和亮度,提高了图像的能见度,使之更适应于人的视觉。实验证明本文提出的算法在增强图像细节和提高对比度方面效果良好,具有一定的可行性。     

基于分数阶微分的模糊交通视频图像增强

研究了一种基于分数阶微分理论的图像增强算法来提高恶劣天气及复杂场景情况下模糊交通视频图像的清晰度。研究了分数阶微积分Tiansi算子模板的特性,将现有的分数阶微分模板中被忽略的像素点应用到新的分数阶微分处理之中改进和更新了分数阶微分算子。对改进后的算子与近期常用的和公认的5种图像增强算法进行了比较分析,结果显示:改进的分数阶微分算子能够显著增强局部细节信息(如纹理等),而且图像中的噪声不明显。与Tiansi算子相比,新算子在处理彩色图像时,分数阶阶数的增高并不明显地增加图像噪声,而且锐化结果好,颜色更真;处理灰度图像时,在高频信息较多的情况下,增加模板中心像素权值可以抑制图像中的噪声。对试验及算法的分析比较证明:研究的新算法对增强模糊交通视频图像清晰度具有较好的效果,且处理速度也能满足实际应用的要求。     

基于双边滤波MSR与AutoMSRCR融合的低光照图像增强

针对在低光照环境下拍摄的图像受光照强度的影响而导致图像质量差的问题,本文提出了基于双边滤波的MSR与AutoMSRCR算法融合的低光照图像增强算法。首先,在原始低光照图像的HSV颜色空间中针对V分量使用基于双边滤波MSR算法对亮度通道进行增强,得到保留原有色彩信息的亮度增强图像。然后,将此初始亮度增强图像运用CLAHE算法基于LAB颜色空间进行亮度通道细节增强,得到细节增强的图像。最后,采用AutoMSRCR算法对原始低光照图像进行处理,并与细节增强图像进行加权融合得到最终的增强图像。以UCIQE,AG,SD,IE为评价指标,将经过该算法增强的图像与MSR算法,MSRCR算法,CLAHE算法,改进GAMMA算法等进行比较。结果表明,使用该图像增强算法处理的图像效果最佳,UCIQE达到了0.472 1,AG达到了12.674 2,SD达到了0.263 2,IE达到了7.637 9。增强后的图像色彩信息更加丰富,图像更加清晰,图像对比度更好,图像的边缘纹理信息保留更完整,图像质量更高,本研究为低光照图像增强提供了一种可行方法。     

基于导向滤波Retinex和自适应Canny的图像边缘检测

机器视觉识别常用金属制品边缘时,表面亮度不均易导致边缘误识别,且传统的边缘检测算法去噪的同时也抑制了大量边缘信息,降低了边缘检测质量.本文提出一种基于导向滤波Retinex和自适应Canny的图像边缘检测算法.该算法采用基于导向滤波的Retinex法得到金属制品图像的反射分量,通过加权分布的自适应伽马校正提升反射分量图...     

oRGB颜色空间的夜视图像彩色融合

针对红外与可见光双波段夜视图像增强提出了基于oRGB颜色空间的彩色融合算法。选择亮度与颜色分离的对立色颜色空间,应用多尺度Top-hat变换方法将红外与可见光增强融合图像作为伪彩色图像的亮度分量,根据双波段图像的差异性并结合参考图像色调构造颜色分量;为避免线性变换的颜色传递方法容易造成灰度级压缩或过饱和情况,在分析颜色传递机理的基础上,使用非线性的直方图匹配方法实现颜色传递。实验结果表明,融合图像的颜色分布更自然,纹理细节、整体亮度和对比度等视觉特征表现更优。     

基于Riemann-Liouville分数阶微分的图像增强

根据Riemann-Liouville分数阶微分的定义,推导了分数阶微分的差分表达式,考虑中心像素邻域八个方向像素点的影响,构造了5×5大小的分数阶微分图像增强算子模板。对灰度图像和彩色图像进行了增强处理,并与传统整数阶微分图像锐化增强算子的增强效果进行了比较。结果表明,分数阶微分算子在提升图像高频分量的同时,也能有效地保留图像的中低频细节纹理信息,图像增强视觉效果明显优于传统图像锐化增强算子,且分数阶微分阶次可调,是一种灵活有效的图像增强算法。     

基于单尺度Retinex的电路板刀具磨损图像细节增强方法

在采集电路板刀具磨损图像过程中,会因光照角度的变化导致图像细节不足,而常规图像细节增强方法在处理过程中存在噪声混叠的情况,实时性不强。针对这一问题提出基于单尺度Retinex的电路板刀具磨损图像细节增强方法,根据目标图像的灰度值变化来定义灰度色调函数,在构建图像处理模型的基础上,采用引导滤波函数处理目标图像模型,去除图像噪声干扰后,使用高斯函数获得图像内的照射分量和反射分量,再利用单尺度Retinex方法剔除照射分量,增强电路板刀具磨损图像的细节。实验结果表明：设计的基于单尺度Retinex的图像细节增强方法运行时间短,增强效果好,处理后的图像质量高。     

复杂光照下的两步法颜色恒常性增强

根据视觉信息处理的分模块性原理,研究了复杂光照下的颜色恒常性,给出了一种两步法颜色恒常彩色图像增强算法.利用边缘附近像素估计原图像的偏色信息,采用白平衡的方法对偏色图像进行偏色纠正.然后,根据RGB颜色空间三分量的颜色相关性特点,获取亮度增益曲面并对彩色图像的RGB三分量进行同比增强得到最终的彩色图像.在SFU数据库进行了实验,结果表明该算法的对比度是原图的4倍以上,且亮度改变适中.该算法克服了传统颜色恒常性的不适定问题,对于存在偏色、低照度等复杂光照下的图像均能较好地保持颜色的恒常性,同时能有效提升图像的对比度和亮度.     

基于模糊同组划分的多尺度彩色图像增强算法

现有多尺度Retinex彩色图像增强算法采用同定权值进行加权来融合各个单尺度Retinex算法的增强结果,无法充分体现各个单尺度算法在细节增强和颜色保持上的优势,且噪声信号往往随着图像的增强而放大.针对这些问题,提出一种基于模糊同组划分的多尺度Retinex彩色图像增强算法.算法首先采用模糊同组技术将像素点划分为噪声点、细节点和平滑区域点3类,并对噪声点采用矢量中值滤波进行去除.然后采用不同尺度的Retinex算法增强图像,并通过细节区域和平滑区域所占局部窗口的面积比例来融合各个单尺度增强结果.最后通过颜色恢复和动态截取拉伸操作,进一步减少图像颜色失真,扩大动态范围.实验表明,所提出的方法相比其他算法具有更好的彩色图像增强效果,具有实际应用价值.     

低照度彩色图像的自适应亮度增强

为恢复低照度场景图像的原有色彩信息和细节信息,本研究提出自适应亮度调节的低照度彩色图像增强方法。该方法首先对低照度场景连续拍摄多帧图像,并对其进行自适应伽马亮度校正;然后将多帧亮度校正后图像转换到YUV色彩空间并行两种处理,一种是提取Y通道分量分组进行基于权值调整二阶盲辨识的盲源分离降噪,一种是进行帧平均后提取Y通道分量与多个盲源分离降噪的Y通道分量依次进行结构匹配,并选出匹配最佳Y通道分量;再将最佳Y通道分量进行基于皮尔生长曲线的亮度调整后与经帧平均处理的U、V通道分量重新组合;最后将重组图像转换回RGB空间,即可得到视觉效果显著提升的彩色图像。本文提出的图像增强方法满足实时处理要求,可将原彩色图像的极低亮度提高54.4倍、中等亮度提高3.5倍;并将图像信息熵提高1.3～2.9倍。与典型的图像增强算法相比,本文提出的方法对低照度彩色图像在降低噪声、均衡光照和恢复细节方面有较大改善。     

一种改进CycleGAN的水下彩色图像增强方法

针对基于深度学习方法的水下图像增强只考虑水下图像的RGB颜色特征空间造成的增强效果不理想现象,本文在循环生成对抗网络的基础上改进了一种水下彩色图像增强算法。首先运用循环生成对抗网络在图像的RGB和HSV颜色特征空间进行训练,将图像经过卷积网络下采样提取到的特征送入残差网络和扩展压缩模块,其中扩展压缩模块可以调整图像RGB和HSV通道的权重。预训练好的生成对抗网络作用在成对的水下降质图像与增强后的图像进行监督训练,采用特征融合网络将对抗生成网络输出的RGB和HSV六通道图像融合成RGB三通道图像。实验结果表明,该方法能够有效结合图像的RGB和HSV空间的特征信息,提升水下图像的对比度和亮度,校正水下图像的颜色偏差。     

利用MATLAB实现遥感图像增强

图像增强是数字图像的预处理。本文采用直方图增强、对比度增强、平滑滤波方法,利用MATLAB软件实现对了遥感图像增强处理,并给出了实验结果图像。结果表明,对利用MATLAB实现遥感图像增强,能够改善图像的质量。     

基于模拟多曝光融合的低照度全景图像增强

针对低照度全景图像存在的对比度低、视觉效果差等问题,提出了一种基于模拟多曝光融合的低照度全景图像增强算法。首先,将原图像从RGB颜色空间转换到HSV颜色空间,以图像信息熵作为度量估计最佳曝光率,采用亮度映射函数对V分量进行增强处理,再将其转回RGB颜色空间得到过曝光图像;接着,以低照度图像和过曝光图像为输入,采用曝光插值法合成中等曝光图像;然后,采用多尺度融合策略将低照度图像、中等曝光图像和过曝光图像进行融合,得到融合后的图像;最后,通过多尺度细节增强算法对融合后的图像进行细节增强,得到最终的增强图像。通过与NPE,LIME,SRIE,Li,Ying,RtinexNet算法相比,在不同场景的全景图像上,亮度顺序误差(LOE)最小为322,自然图像质量评估器(NIQE)最小为2.32,无参考空间域图像质量评估器最小为5.71,结构相似度(SSIM)最高达到0.82,综合性能优于其他对比算法。实验结果表明,本文算法能够有效地提升低照度全景图像的质量。     

改进Retinex的低光照图像增强

针对低光照条件下拍摄的图像受可见光低和噪声的影响,不仅降低图像在视觉上的美感而且会造成重要信息丢失的问题。本文提出结合平滑聚类和改进Retinex算法的估计照明图的低光照图像增强方法。使用平滑聚类将图像分离为细节层和基础层;利用max-RGB找到各通道最大值用于估计每个像素的照度,构建初始照明图,根据局部一致性和交替方向最小化技术优化照明图;自适应Gamma矫正对优化后的照明图进行非线性重标形成最终光照图;根据最终光照图增强输入图像,将增强后图像与细节层进行融合,获得清晰且细节更为丰富的图像;通过与LE,GC,HE,SSR,MSR,MSRCR,MSRCP算法相比,在图像HightB上,边缘强度最高达到1.00e+02,平均梯度最高达到10.520 6,空间频率最高达到52.050 8,图像清晰度最高达到14.656 2,在主观评价和客观评价均优于其他对比算法。实验结果表明,所提算法具有良好的清晰度,更好的保留边缘和细节纹理,使用本文算法增强后的图片质量更高,细节更加丰富。     

基于混合映射的高动态范围场景再现

高动态范围场景再现技术广泛应用于消费电子、虚拟现实、摄影以及计算机视觉等领域。针对目前大多数高动态范围场景再现方法很难有效兼顾场景的整体效果和局部细节的问题,本文提出了基于混合映射的高动态范围场景再现方法。首先将输入的高动态范围场景从RGB颜色空间转换到HSV颜色空间,得到原始图像的3个分量:色调、饱和度和亮度;然后利用对数方程将亮度分量转换到对数域,以便符合人类对场景亮度的感知机理,并利用具有sigmoidal函数特性的反正切函数自适应地压缩全局动态范围,以得到良好的整体效果;接着采用改进的SSR方法对全局压缩后的亮度图像进行局部映射,以增强图像亮区和暗区的细节信息;最后,对饱和度分量进行自适应调整,并将图像由HSV颜色空间转换到RGB颜色空间得到最终的映射图像。选取10组不同的高动态范围场景,从主观和客观两方面进行比较分析。实验结果表明:本文提出的方法既保持了良好的整体效果,又充分保留了图像的局部细节,使图像看起来更加生动自然;同时该方法计算速度快,具有很高的效率。本文算法优于其他5种典型的比较算法,在大多数高动态范围场景再现过程中取得了令人满意的效果。