基于同态滤波和Retinex的图像去雾算法

传统的Retinex算法在图像去雾时均假设光照是平缓变化的,在处理光照不均的图像时,易出现光晕现象。针对这一问题,本文提出一种改进的同态滤波算法用于校正图像的光照,可对图像中亮度差异较大的区域进行不同程度的滤波;经光照校正的图像再采用Retinex算法进行图像去雾,可避免光晕现象。实验结果表明,本文方法可有效消除光照不均的雾霾图像所出现的光晕现象,且去雾效果优于传统的Retinex算法,时间复杂度低于Meylan算法。     

基于改进导向滤波算法的低剂量CT图像处理

导向滤波算法是一种有效的基于边保持的平滑滤波算法.然而,由于算法中的正则化系数和细节层增益是固定的,可能会导致边附近出现光晕以及背景中出现大量噪声,降低图像的质量.在本文中,首先给出了一种改进的基于边的权重系数计算方法,它能够较准确地实现边保持,减少光晕现象.其次,提出了基于梯度导向的细节层增益计算方法,可以有效地增强细节并且抑制噪声.实验表明,对于含有大量噪声和小细节的低剂量CT图像,本文方法可以减少噪声和光晕的影响,显著提高图像的对比度,满足临床诊断的需要.     

基于广义线性系统和非锐化掩膜的图像增强算法

为了解决非锐化掩膜图像增强方法的噪声增益、光晕现象和数据溢出的问题,提出一种基于广义线性系统和非锐化掩膜的图像增强算法。算法首先采用双边滤波器和广义线性减法对图像进行处理,获取图像细节层和基础层;然后对图像细节层和基础层分别进行自适应增益处理和对比度增强处理;最后采用广义线性加法将两者相加,实现图像的增强。并对3种不同类型的图像进行测试,结果表明:本文提出的算法很好地抑制了噪声干扰和光晕现象,增强了图像的对比度和细节,视觉效果良好,信息熵分别提高了10.9012%、16.0143%和9.1878%。表明了提出的基于广义线性系统和非锐化掩膜图像增强算法的合理有效性。     

多尺度Retinex和双边滤波相融合的图像增强算法

为了获得更加理想的图像增强效果,针对Retinex算法存在的“光晕伪影”现象,提出了一种多尺度Retinex和双边滤波相融合的图像增强算法.首先对多尺度Retinex算法的对数函数进行改进,拓宽图像的灰度范围,然后采用双边滤波算法对图像反射分量进行处理,消除光照变化不利影响,提高图像的对比度和清晰程度,最后采用伽玛函数对图像亮度进行校正,保持图像细节信息.实验结果表明,无论是主观视觉效果和客观质量,本文算法的性能均要优于多尺度Retinex算法,可以有效消除“光晕伪影”现象.     

消除光晕和细节增强的多尺度Retinex红外图像增强

针对传统Retinex算法处理红外图像存在光晕伪影和细节增强不足的缺点,本文提出一种消除光晕和细节增强的Multi-scale Retinex(MSR)红外图像增强算法。首先,以局部方差和局部复杂度构造引导滤波的自适应平滑增益,然后,采用改进的引导滤波核函数估计照度分量,在对数域对多尺度Retinex数学模型求解,获取消除光晕和细节保持的多尺度反射分量。最后,为进一步增强细节和提升亮度,对反射分量依灰度等级进行自适应增强,并通过偏移调整和Gamma校正改善图像亮度,得到最终增强图像。实验结果表明,本文算法相对其它的Retinex增强算法,可有效地消除光晕现象,突出细节,可获得视觉效果良好的增强结果。     

改进多尺度的Retinex红外图像增强

为了解决传统的多尺度Retinex算法在对红外图像细节增强时产生光晕现象和增强图像噪声等问题,提出一种改进引导滤波器的多尺度Retinex的红外图像细节增强算法.首先,采用改进的引导滤波器代替高斯滤波器对红外图像进行入射分量的精确估计,并计算出其反射分量,以减少图像中的噪声,改善光晕现象.其次,对入射分量进行自适应性灰...     

基于Retinex的视频自适应增强算法

Retinex算法是图像增强的常用方法。基于Retinex理论提出一种新的视频光照增强算法,结合图像全局及局部灰度特性引入补偿系数,增强暗区域光照的同时克服了传统算法处理后的人工痕迹,使处理结果更加自然;同时,算法用引导滤波估计照度图像,在避免光晕现象的同时可以加快算法处理速度。实验结果表明,该方法简单有效,视觉效果提升显著。     

基于天空约束暗通道先验的图像去雾

针对现有暗通道图像去雾算法存在的天空色彩失真,景物边缘光晕效应等问题,本文提出了基于暗通道理论的改进去雾算法.由于暗原色先验理论不适用于天空区域,本文将引导滤波用于天空区域的细化分割,准确估计包含天空区域图像的大气光照强度,解决了天空色彩失真问题;其次,利用中值滤波得到详细边缘信息,进而得到更为清晰的透射率,有效抑制了景物边缘光晕问题;最后针对去雾后图像偏暗的问题,在HSV空间对亮度分量V通道进行增强处理.实验结果表明,针对带雾图像,本文算法能够有效地去雾,改善天空区域色彩失真以及景物边缘光晕问题.     

基于分层细分超像素和信息完整性先验的红外图像去雾

雾霾天气由于悬浮粒子的存在,降低了红外成像系统的对比度和视觉质量。现有的去雾方法大多侧重于增强全局对比度或在图像中采取局部网格透射率估计策略,容易导致图像信息丢失、光晕伪影以及天空区域失真的现象。针对这些问题,本文提出了一种基于超像素结构分解以及信息完整性保护的单幅图像去雾方法。在该模型中,首先基于局部结构信息,设计了分层超像素算法自适应地将图像分割成多个目标区域以消除光晕伪影。同时为了避免局部高亮目标造成估计误差,采用基于超像素块的改进四叉树细分方法获得全局大气光值。在此基础上,利用组合约束通过最小化信息损失实现透射率图最优化。在真实红外雾天图像上的实验表明,在定性和定量方面与现有的经典算法相比,本文所提方法在对比度和可见性方面具有优越性。     

基于视觉感知和边缘保持的光照不变人脸识别

提出一种具有视觉感知特性和边缘保持特性的光照不变人脸识别方法.方法在各向异性扩散算法基础上引入视觉感知机制,提出具有视觉感知特性的图像梯度替代传统的图像空间梯度,使算法更符合人类视觉系统特性;同时,考虑到传统各向异性扩散算法采用的传递系数受参数影响较大,易产生明显的边缘锐化现象,提出一种新的传递系数,该系数不受参数影响,能够始终保持良好的边缘保持特性.新方法所获的光照不变人脸图像保持了良好的边缘,并极大程度上消除了光晕和白斑现象.在EYaleB和CMU PIE人脸图像库上的实验验证了该方法的有效性.     

基于主成分分析和引导滤波的色调映射算法

针对传统高动态范围(HDR)图像色调映射算法普遍 存在色偏和效率低的问题,提出了一种基于主成分 分析(PCA)进行色彩空间转换和具有边缘保持特性的引导滤波图像增强的色调映射算法。首 先利用图像的平均亮 度实现图像Gamma自适应校正;然后采用PCA方法将图像的3个颜色分量转换为相 互正交的亮度 分量和色差分量,模拟相机响应函数(CRF)曲线压缩亮度分量的动态范围,并将结果与加权 后的色差分量联合, 经PCA逆转换得到新的RGB分量;最后利用引导滤波方法对图像进行增强,提高 图像对比度,避 免光晕现象。实验结果表明,本文算法效率比经典的iCAM06算法提高了4倍以 上,并能有效避免偏色和 光晕现象,处理后图像的细节清晰层次感强、色彩自然丰富,不仅能用于传统的便携式显示 设备,而且可用于穿戴式智能视觉辅助设备和无屏幕显示器等新兴领域。     

结合视觉特性的红外图像增强方法

为了增强红外图像的细节信息,改善图像视觉效果,将视觉特性与红外图像特征结合,提出了一种结合视觉特性的图像增强方法。首先,对图像运用Weber定律进行亮度处理,并在对数域角度,利用背景强度与光强梯度呈局部线性关系的特性,模拟视觉系统来分割图像。然后,分别对分割图像进行增强处理,过暗、过亮区域采用改进的自适应直方图均衡算法、Weber区域采用多尺度Retinex算法。最后,三区域构建图像,输出细节突出、亮度适中的红外图像。实验结果表明:本文算法增强了图像细节、缩短了运行时间、有效地消除“光晕”现象,改善了图像的视觉效果,具有较好的应用前景。     

结合暗通道的自适应MSRCR图像去雾算法

针对传统Retinex图像增强算法在图像去雾中无法对雾天图像实际情况进行去雾,导致增强后的图像出现光晕效应和细节丢失等问题,提出一种结合暗通道先验理论和引导滤波方法的自适应的多尺度Ret-inex图像去雾算法.利用子块平移部分重叠法将雾天图像进行分块处理;通过分析雾天图像的透射率和引导滤波尺度的相关性,利用最小二乘法构...     

基于二次约束与雾气分布的图像复原算法

针对最小滤波导致的光晕、伪影及透射率估计不足引起的天空失真等问题,提出了一种基于二次约束与雾气分布的去雾算法.首先,利用Canny检测算子得到有雾图像的粗纹理分布,在场景深度的基础上得到有雾图像的雾气分布图.其次,根据图像特征,提出了一种基于自适应雾气系数的二次约束模型,估计出清晰图像的最小通道图,并利用大气散射模型得到粗略透射率.然后通过自适应下边界约束与双边滤波进行透射率优化,并通过形态学操作改进局部大气光.最后根据复原模型得到去雾图像.实验表明,所提算法在主、客观评价中均取得了理想的效果,较好解决了去雾图像中的光晕、伪影与天空失真等问题.     

人工光源条件下夜间雾天图像建模及去雾

夜间有雾图像光照不均匀,整体亮度较低,色偏严重,且人工光源周围存在光晕。现有的去雾模型和算法大多针对白天图像,其并不适用于夜间场景,夜间图像去雾颇具挑战性。该文深入分析夜间有雾图像的成像规律,建立含有人工光源的夜间雾天图像成像新模型,并在此基础上提出夜间图像去雾新算法。针对夜间图像光照不均问题,提出基于低通滤波的环境光估计方法,利用估计出的环境光可准确预测夜间场景传输率;针对目前夜间图像去雾后存在光源光晕问题,提出根据图像色度估计场景点属于近光源区域的程度,使算法能自适应地处理光源区域和非光源区域;针对非一致色偏问题,利用直方图匹配方法进行颜色校正。对大量图像进行实验,并与现有白天、夜晚图像去雾算法进行比较,验证了该文提出的夜间雾天图像成像模型及去雾算法的有效性。     

基于边界限制加权最小二乘法滤波的雾天图像增强算法

针对经典的暗通道理论算法在处理雾天图像时天空区域出现光晕和亮度损失的问题,提出了一种基于边界限制加权最小二乘法滤波的雾天图像增强算法。该方法根据雾天图像的直方图特性,分割出天空区域,并求解出了全局大气背景光;根据辐射立方体法则推导出边界限制条件,得到了初始的透射率,运用加权最小二乘法滤波方法和容差机制,对透射率进行了平滑处理;利用暗通道理论的模型,求取了增强后的图像。研究结果表明,在去雾效果和图像的可视度方面,所提算法优于现有的暗通道算法。     

结合图像分割的改进导引滤波

为了更好地对图像进行平滑同时保持边缘不模糊,设计一种新的滤波方法。对基于该方法的图像滤波、细节增强等算法进行研究。首先,根据图像的亮度和颜色对图像进行分割,将图像分成不同的区域。接着,在不同的区域进行导引滤波,得到互不交叠的多个滤波子图像。然后,将这些子图融合,得到基于分割的改进导引滤波结果。最后,利用提出的改进导引滤波方法提出一种多尺度的细节增强方法。实验结果表明,在图像光滑和细节增强方面,提出的方法都要好于传统的导引滤波:提出的方法不仅能较好的光滑图像,同时保持边缘清晰,减少了传统滤波方法在边缘处的光晕现象。     

基于全变分模型的光照处理算法

针对人脸识别中的光照问题,本文提出了一种利用全变分模型的光照处理算法.该算法模型简单,需要设置的参数少,并能有效地减少光晕现象.算法首先利用全变分模型来估计图像中的光照成分,然后恢复出人脸的反射系数图,并以该反射系数图作为光照不变量进行人脸识别.实验表明,基于全变分模型的光照处理算法能有效地提高人脸识别系统在不同光线条件下的识别率.     

一种新型自适应Retinex图像增强方法研究

 提出一种新的基于无限冲激响应(IIR)低通滤波的Retinex图像增强算法,该算法具有边缘保留功能,不会产生光晕效应,而且计算量较小.并将该算法与实数编码遗传算法相结合,使其具有针对不同图像特点自适应选择参数的功能.通过对低照度图像和雾天图像的实验表明,该算法能够根据图像的特点自动选择出较合理的参数,处理后的图像在清晰度和色彩上较MSR及MSRCR算法具有更好的效果.     

基于平均值法的LED背光源动态调光二次修正算法

为降低LED背光源的功耗,提高LCD的图像显示质量,提出了一种LED背光源动态调光二次修正算法。采用平均值法得到分区的初始背光灰度值;为了解决灰度截断问题,根据分区灰度最大值与平均值的差值进行第一次修正;为了抑制调光带来的光晕效应,采用空间滤波法进行第二次修正。采用侧入式LED背光源的116.8cm(46in)LCD实验结果表明,采用该算法后,LED背光源平均功耗降低至73.02%,灰度截断率为0.49%,平均PSNR值为67.21dB;典型图像对比度最大达到28 600∶1,显示图像的光晕效应有了明显的改善。二次修正算法能够有效降低背光功耗,增强图像显示质量。