改进Retinex与多图像融合算法用于低照度图像增强

为了解决低照度图像在图像增强过程中图像质量不佳、对比度不高等问题,本文提出改进Retinex与多图像融合算法用于低照度图像增强。首先将待处理图像转换到HSV色彩空间,并设定阈值对其V通道分量进行亮度调节,然后转换到RGB色彩空间,将其拷贝3份,对第一份进行直方图均衡化,中值滤波处理;对第2份进行自动亮度调节,双边滤波处理;对第3份进行改进的Retinex算法处理,采用高斯滤波、双边滤波作为其环绕函数,估计图像照明分量,最后输出反射图。将处理后的3份图像转到HSV色彩空间,对其V分量进行多图像融合,H、S分量沿用第2份图像分量值,最后将融合后的图像由HSV转为RGB色彩空间,输出处理后的图像。实验结果表明,本文提出的算法在增强低照度图像的同时,还可抑制图像噪声,同时具有良好的保边性,且细节明显。     

基于小波变换的低照度图像自适应增强算法

提出了一种基于小波变换的低照度图像快速、自适应增强算法。将RGB图像转到HSV空间,并对亮度V图像利用离散小波变换(DWT)将图像的高、低频子带分离。在小波变换的低频子带上利用双边滤波对图像的照射光分量进行快速估计与去除,而在高频子带上利用模糊变换实现边缘、纹理信息的增强与去噪处理。对处理后的V图像,基于提出的直方图目标函数,利用鲍威尔与模拟退火相结合的优化算法,实现了对比度的快速、自适应增强处理。将增强后的V图像与H、S颜色分量合成为清晰化的彩色图像。实验结果表明,该算法能快速、有效实现低照度图像的清晰化处理。     

低照度下具有动态特性的彩色图像质量优化算法

针对低照度环境下具有动态性的彩色图像辨识度相对较差的问题,提出了基于人类视觉感知模型的对比度分辨率补偿算法。首先,将图像从RGB空间转换到HSV空间,保持H分量不变;对V分量提取图像特征参数,然后对V分量进行对比度分辨率补偿,增强图像亮度;并对S分量进行线性拉伸,复原图像色彩信息;最后将处理后的V分量和S分量与H分量进行反变换生成RGB空间新图像。实验结果表明,该算法对低照度下具有动态性的彩色图像增强效果较好,较好地保持了图像的细节,取得了良好的视觉效果。     

基于NSST变换与自适应PCNN的多特征遥感图像融合

针对基于NSCT变换的遥感图像融合算法存在计算复杂度高,细节表现能力不足的问题,本文提出了一种基于NSST变换与自适应PCNN的多特征遥感图像融合算法。首先,利用HSV变换提取MS图像的亮度分量V,并将得到的亮度分量V与PAN图像分别进行NSST变换;其次,对于低频子带,提出了一种基于自适应的PCNN融合规则,将空间频率和区域平均梯度分别作为PCNN的外部激励和链接强度;对于高频子带,采用基于多特征的融合规则;最后,进行逆NSST变换和逆HSV变换得到融合图像。仿真实验表明,该算法与一些经典的融合算法相比不仅可以提高图像融合质量,在视觉效果和客观指标上也都有良好的表现。     

图像通信中一种低照度彩色图像增强算法

针对低照度彩色图像细节模糊、亮度不高等问题,提出一种新的彩色图像增强算法。首先引入新传递函数改进传统同态滤波,然后,在RGB色彩空间上,分别对R、G、B分量用改进的同态滤波和对比度受限自适应直方图均衡（CLAHE）进行增强。接着,转换到HSV色彩空间,用非线性函数对亮度进行光照补偿,对饱和度进行1.5倍拉伸。最后恢复图像色彩信息。实验结果表明,新算法在保持图像细节的同时能够增强图像对比度,使图像清晰度更高。     

基于N-RGAN模型的红外与可见光图像融合

目前，红外与可见光图像融合算法依然存在着对复杂场景适用性低、融合图像细节纹理信息大量丢失、对比度与清晰度不高等问题，针对上述存在的问题，本文结合非下采样剪切波变换（Non-Subsampled Shearlet Transform,NSST）、残差网络（Residual Network,ResNet）与生成对抗网络（Generative Adversarial Network, GAN）提出一种N-RGAN模型。通过NSST变换将红外与可见光图像分解为高频子带和低频子带；对高频子带进行拼接并输入由残差模块改进过的生成器，并将源红外图像作为判决标准，以此提升网络融合性能与融合图像细节刻画以及目标凸显能力；对红外图像与可见光图像进行显著性特征提取，通过自适应加权对低频子带进行融合，提升图像对比度与清晰度；对高频子带的融合结果与低频子带的融合结果进行NSST逆变换，从而得到红外与可见光图像的融合结果。通过与各类算法的融合结果进行对比，本文所提方法在峰值信噪比（Peak Signal to Noise Ratio,PSNR）、平均梯度（Average Gradient, AVG）、图像熵（Im...     

融合非物理模型的改进AM-RetinexNet图像增强算法

针对地下空间低照度图像色彩偏暗、亮度低且分布不均、增强后图像色偏和噪声高等问题，研究提出了融合非物理模型的改进AM-RetinexNet图像增强算法。该算法将RGB图像转换成HSV分量，利用HSV空间相互独立性实现图像亮度增强和色彩增强处理，其中S分量利用V分量提取的相关信息进行自适应调整，V分量采用融合直方均衡化与注意力机制优化的RetinexNet进行照度分量增强处理；将处理后HSV分量转化成RGB图像，并对图像进行自适应色彩恢复，得到照度增强图像。对比实验表明，在图像的细节处理、亮度整体增强处理、图像降噪和色彩视觉修正等方面该方法表现较好，测试指标中平均互信息(MI)、标准差(STD)、结构相似性(SSIM)、平均梯度(AG)、空间频率(SF)和峰值信噪比(PSNR)最佳，均值分别可达到6.18,70.62,0.56,13.29,36.53,39.22。     

结合分数阶微分及Retinex的NSCT自适应低照度图像增强

针对低照度图像存在亮度低、对比度低、边缘模糊等问题,首先将低照度图像NSCT多尺度分解,获得低频子带图像和高频子带系数;接着将低频图像采用多尺度Retinex提升图像亮度,借助非线性的双边滤波函数估计其照度分量,利用Gamma校正函数对照度分量进行校正,提高图像的动态范围,利用影响因子校正反射分量,丰富其层次性,对图像的整体轮廓进行增强;然后将高频部分用Bayes阈值隔离噪声,利用自适应分数阶微分对图像的边缘、纹理等细节进行增强;最后对处理后的图像进行NSCT重构。实验结果表明,本文算法的对比度、清晰度及信息熵与现有增强方法相比,平均提高了10.7%、9.8%、2.3%。增强后的图像在细节、边缘保持等方面也优于现有算法,改善了图像整体的视觉效果。     

自适应HSV空间Retinex煤矿监控图像增强算法

针对煤矿井下的监控图像由于粉尘、煤尘、低照度或点光源等光照的影响,而整体阴暗模糊,对比度低,背景噪声强,视觉效果不理想的问题,提出一种改进的HSV(Hue,Saturation,Value)空间的颜色可恢复的多尺度Retinex(Muhi-Scale Ret-inex,MSR)的图像增强算法.该算法先将图像从RGB空间转换到HSV空间,以确保后续图像增强处理不会影响图像的色彩效果;然后利用提出的自适应的高斯核函数分离亮度分量V的照度分量和反射分量,再利用自适应的增益系数对反射分量进行增强处理,获得不受光照影响的、增强的反射图像;最后将反射图像逆变换回RGB空间,再利用优化的颜色恢复函数对增强的图像进行颜色修正,从而改善图像的全局视觉效果和局部对比度.实验表明该方法能有效提高煤矿井下监控图像的对比度和亮度,抑制背景噪声,从而大大改善煤矿井下监控图像的视觉效果,且很好地实现了参数自适应,减少了人为因素对结果的影响.     

基于活性测度和闭环反馈的非下采样Contourlet域图像融合

基于人类视觉系统和源图像特性,该文提出一种非下采样Contourlet域图像融合算法,并讨论了分解层数和方向分解数对融合结果的影响。低通子带引入闭环反馈策略自适应获取近似最优融合权值;高通子带则基于区域能量定义像素活性测度,以有效增强图像的对比度,并保持细节信息。实验结果表明:该文提出的图像融合新算法具有较好的鲁棒性,融合图像边缘的清晰度和连续性也较理想。     

Low-light color image enhancement based on NSST

In order to improve the visibility and contrast of low-light images and better preserve the edge and details of images, a new low-light color image enhancement algorithm is proposed in this paper. The steps of the proposed algorithm are described as follows. First, the image is converted from the red, green and blue (RGB) color space to the hue , saturation and value (HSV) color space, and the histogram equalization (HE) is performed on the value component. Next, non-subsampled shearlet transform (NSST) is used on the value component to decompose the image into a low frequency sub-band and several high frequency sub-bands. Then, the low frequency sub-band and high frequency sub-bands are enhanced respectively by Gamma correction and improved guided image filtering (IGIF), and the enhancedvalue component is formed by inverse NSST transform. Finally, the image is converted back to the RGB color space to obtain the enhanced image. Experimental results show that the proposed method not only significantly improves the visibility and contrast, but also better preserves the edge and details of images.     

基于NSST域混合滤波与改进边缘检测PCNN的医学图像融合

针对传统医学图像融合中存在细节模糊、能量保存不完整、运行时间长等问题,提出一种基于非下采样剪切波(non-subsampled shearlet transform, NSST)域混合滤波与改进边缘检测脉冲耦合神经网络(pulse coupled neural network, PCNN)的医学图像融合方法。首先,利用YUV模型进行颜色空间转换分离出亮度通道Y,接着利用混合滤波分别对源核磁共振(magnetic resonance imaging, MRI)图像和亮度通道的灰度图像进行不同程度的增强。其次,采用NSST对增强后的MRI和亮度通道的灰度图像进行分解,得到高低频子带。低频子带使用修正的拉普拉斯能量和(weighted sum of eight-neighborhood-based modified Laplacian,WSEML)与局部区域能量加权和(weight local energy,WLE)的融合策略,高频子带采用改进边缘检测PCNN的融合策略。最后,经NSST逆变换得到融合图像。通过与其他6种融合方法对比,本文方法可以有效提高图像融合过程中的细节提取和能量保存,且...     

彩色多聚焦图像邻域融合算法的改进

针对彩色多聚焦图像融合存在色彩分布不均、斑效应问题,提出一种图像空间信息和颜色信息分离研究的改进算法。首先对源图像进行HSV变换并分离各分量,然后表示空间信息的V分量进行小波分解,最高分解层高频系数选用基于邻域的对比度取大融合规则,而其余分解系数选取基于邻域梯度的加权融合规则。其次重构得到融合图像V分量,表示颜色信息的H、S分量采用源图像与融合图像间V分量欧氏距离取小规则,最后进行HSV逆变换得到融合图像。经MATLAB仿真,该算法可有效缓解融合图像色彩分布不均及斑效应现象。     

改进的PCNN模型在多光谱与全色图像融合中的应用研究

介绍了PCNN模型原理,提出了基于双通道自适应的PCNN多光谱与全色图像融合算法。该算法首先将RGB空间的多光谱图像转换为HSV彩色空间,然后将HSV彩色空间中的非彩色通道(V通道)的灰度像素值和全色图像的像素灰度值分别作为PCNN-1及PCNN-2的神经元输入,利用方向性信息作为自适应链接强度系数,对非彩色通道图像和全色图像进行自适应分解,再将点火时间序列送入判决因子得到新的非彩色通道图像,最后将原多光谱图像的H通道分量、S通道分量及新的V通道分量经HSV空间逆变换获得最终的融合图像。实验结果表明,该算法不仅解决了链接强度系数自动设置的问题,而且充分考虑到图像边缘和方向特征的影响,无论在主观视觉效果,还是客观评价标准上均优于IHS、PCA、小波融合等其他图像融合算法,同时降低了计算复杂度。     

Image defogging algorithm based on guided filtering and adaptive tolerance

Aiming at the problem of distortion of dark channel algorithm in defogging the sky region,an improved image defogging algorithm based on the guided filtering and adaptive tolerance mechanism was proposed.Firstly,the fitted transmissivity graphs were calculated for the windows with different sizes.Then,the transmissivity was further refined by the guided filtering technique.After that,the transmissivity in sky area was revised by an adaptive tolerance mechanism.Finally,the restored image was converted from RGB space to HSV space,and thus the brightness and contrast of the images could be color compensated.Experimental results show that the proposed algorithm restores the images effectively and obtain preferable defogging results with regard to the processing of bright areas such as the sky areas.     

Low-light image enhancement based on Retinex theory and dual-tree complex wavelet transform

In order to enhance the contrast of low-light images and reduce noise in them, we propose an image enhancement method based on Retinex theory and dual-tree complex wavelet transform (DT-CWT). The method first converts an image from the RGB color space to the HSV color space and decomposes the V-channel by dual-tree complex wavelet transform. Next, an improved local adaptive tone mapping method is applied to process the low frequency components of the image, and a soft threshold denoising algorithm is used to denoise the high frequency components of the image. Then, the V-channel is rebuilt and the contrast is adjusted using white balance method. Finally, the processed image is converted back into the RGB color space as the enhanced result. Experimental results show that the proposed method can effectively improve the performance in terms of contrast enhancement, noise reduction and color reproduction.