共查询到14条相似文献,搜索用时 62 毫秒
1.
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。 相似文献
2.
基于多尺度Retinex算法的彩色雾霾图像增强研究 总被引:1,自引:0,他引:1
介绍了基于颜色恒常性理论的Retinex模型,并重点分析了色彩恢复多尺度Retinex(MSRCR)算法的原理和实现方法。为验证基于Retinex理论的算法对图像增强具有良好的效果,以雾霾天气采集到的3幅彩色道路监控图像为实验对象,在MATLAB7.0软件中,利用MSRCR算法、直方图均衡化2种图像增强方法,对实验图像进行去雾霾处理,并通过主观评价、图像信息熵、亮度通道直方图来比较和分析2种算法的图像增强效果。研究结果表明:采用MSRCR算法可以还原出细节更丰富、辨析度更高的画面,且处理后的图像具有更大的信息熵,图像色彩也更接近原始图像。 相似文献
3.
4.
5.
目的在彩色图像采集过程中,光源偏暗或曝光不足等因素常导致图像亮度和对比度偏低。提出一种基于颜色恒常性的低照度图像增强方法。方法利用HSV颜色空间消除颜色分量之间的相关性。保持色调分量不变,避免颜色失真;一方面使用改进后的MSR(多尺度Retinex)算法对亮度分量进行增强,提高图像的亮度和对比度;另一方面对饱和度分量进行自适应非线性拉伸以提高颜色的饱和度。结果提出的方法能够有效提高图像的对比度和信息熵,获得较好的视觉效果;将文中方法同传统MSR算法和MSRCR算法进行对比,文中方法各项客观评价指标均优于其他2种算法,并且具有更快的运行速度。结论文中方法能够快速有效地提高低照度图像的亮度和对比度,并且具有较强的颜色保真和细节再现能力,实验结果证明了文中方法的有效性。 相似文献
6.
7.
基于人眼视觉特性的自适应图像增强算法 总被引:1,自引:0,他引:1
针对Deng算法对噪声比较敏感,提出了一种自适应图像增强算法.利用Deng算法的基本原理,结合人眼的视觉特性自适应地生成算法的参数,这样既保留了原Deng算法实现容易、运算速度快等特点,还对噪声具有一定的抑制作用.通过实验比较,所提算法能够自适应地生成算法的参数,并在保持了Deng算法原有的容易实现的优点的基础上,提高了算法在抑制噪声方面的性能. 相似文献
8.
改进反锐化掩模的自适应图像增强算法 总被引:1,自引:0,他引:1
图像增强是图像预处理过程中的一个重要环节,传统的线性反锐化掩模是一种常用的图像增强算法,但它在增强图像的同时会放大图像噪声或使边缘部分产生过冲现象,导致图像质量下降.针对这一问题,提出了一种改进反锐化掩模技术的自适应图像增强算法,该算法通过使用正弦函数来自适应地控制邻域内不同像素的权重,使图像平坦区域和边缘部分进行不同程度的增强.实验结果表明该算法对图像边缘细节的增强有了明显的提升,同时也在一定程度上减弱了噪声的放大和边缘过冲现象,改善了图像整体质量. 相似文献
9.
目的 解决当前图像匹配算法难以适应缩放等仿射变换图像之间的匹配,导致其鲁棒性以及匹配正确性不佳的问题。方法 提出基于改进多尺度Retinex方法耦合夹角约束法则的图像匹配算法。利用双边滤波代替多尺度Retinex方法中的高斯滤波,对多尺度Retinex方法进行改进,以降低图像中噪声与光晕等因素的影响。随后再引入Harris算法来检测图像的特征,通过求取特征点圆域内的Haar小波响应向量和主方向,并以主方向为起点构建扇区,提取扇区内的灰度特征,以获取相应的特征向量,从而生成特征描述符。通过特征点对应的特征向量构成的夹角,建立夹角约束法则,以完成特征点匹配。最后,利用归一化互相关函数检测错误匹配点,并对匹配效果进行优化。结果 文中算法较当前图像匹配方法,具有更好的匹配正确度以及鲁棒性能,当缩放比例达到50%时,其匹配准确率仍可维持在90.08%左右。结论 文中算法在多种几何攻击下仍具有较高的匹配精度,在图像处理、信息安全等领域具有良好的参考价值。 相似文献
10.
传统的光电成像跟踪系统中,通常采用固定尺度的滤波器对图像中的小目标进行检测。由于目标与系统距离的改变,通常会带来其成像特征尤其是大小的不断变化,这种特点导致传统的固定尺度检测器难以适应目标大小的改变,无法获得最优的提取结果。针对这一问题,提出了一种尺度自适应的小目标检测方法。基于拉普拉斯尺度空间理论,利用对尺度归一化的拉普拉斯图像的分析,达到了目标信号增强的同时抑制背景杂波的效果,分别在空间与尺度上求得了最优的目标特征参数,完成了对不同尺度最优的小目标检测。通过仿真与外场试验表明,该方法显著提高了系统对小目标尤其是大小不断变化目标的检测能力。 相似文献
11.
一种高效地修正Retinex图像自适应对比度增强算法 总被引:3,自引:0,他引:3
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. 相似文献
12.
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。 相似文献
13.
基于人眼视觉特性的彩色图像增强算法 总被引:1,自引:0,他引:1
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. 相似文献