融合深度学习与多尺度Retinex的水下图像增强方法

针对水下图像纹理模糊和色偏严重等问题,提出了一种融合深度学习与多尺度导向滤波Retinex的水下图像增强方法。首先,将陆上图像采用纹理和直方图匹配法进行退化,构建退化水下图像失真的数据集并训练端到端卷积神经网络(convolutional neural network,CNN) 模型,利用该模型对原始水下图像进行颜色校正,得到色彩复原后的水下图像;然后,对色彩复原图像的亮度通道,采用多尺度Retinex(multi-scale Retinex,MSR) 方法得到纹理增强图像;最后,融合色彩复原图像中的颜色分量和纹理增强图像得到最终水下增强图像。本文利用仿真水下图像数据集和真实水下图像对提出方法进行性能测试。实验结果表明,所提方法的均方根误差、峰值信噪比、CIEDE2000和水下图像质量评价指标分别为0.302 0、17.239 2 dB、16.878 4和4.960 0,优于5种对比方法,增强后的水下图像更加真实自然。本文方法在校正水下图像颜色失真的同时,能有效提升纹理清晰度和对比度。     

基于改进的MSRCR-CLAHE融合的水下图像增强算法

针对海洋复杂成像环境导致的水下图像出现颜色衰退、对比度低等问题,提出一种改进的带色彩恢复的多尺度视网膜（Multi-Scale Retinex with Color Restore,MSRCR）与限制对比度自适应直方图均衡化（Contrast Limited Adaptive Histogram Equalization,CLAHE）多尺度融合的水下图像增强算法。首先,采用带有导向滤波的MSRCR算法解决水下图像颜色衰退的问题;其次,采用带有Gamma校正的CLAHE算法以提高水下图像的对比度;最后,对经过改进的MSRCR和CLAHE处理后的图像进行多尺度融合以获得细节增强后的水下图像。实验结果表明,和其他算法相比,文中算法的峰值信噪比（Peak Signal to Noise Ratio,PSNR）平均提高了9.3914、结构相似性（Structural Similarity Index Measure,SSIM）平均提高了0.3013、水下图像评价指标（Underwater Image Quality Evaluation,UIQE）平均提高了4.7047,能实现水下图像的有效增强...     

灰度遥感图像去云技术及其质量的分析

为了尽可能地呈现灰度遥感图像的信息,对灰图遥感图像分别用小波变换法、改进型多尺度Retinex算法、同态滤波法进行了图像增强处理,分别采用亮度、对比度、亮度与对比度乘积、图像信息熵和变换后的图像与原始图像相比较的保真度等指标对增强后的图像进行分析。结果表明,以采用多尺度Retinex算法增强后,在亮度平均值附近1倍标准差截断、拉伸后得到的图像亮度、对比度、亮度与对比度乘积最高,图像质量最好;小波变换后得到的图像对比度和信息熵最高,去云效果较好;取参量n=1的同态滤波法增强后得到的图像其保真度最高,与原图像最接近,去云效果一般;改进型多尺度Retinex算法和小波变换分别对乌云和白云去除效果最佳。     

基于多尺度Retinex算法的遥感图像增强

遥感图像增强是对遥感图像进行后继处理的必要步骤且在遥感图像的处理中占有独特的地位.当前,有很多图像增强方法被应用到遥感图像的增强当中,文中引入Retinex增强算法,该算法可以实现对图像进行自适应的增强处理.为了使Retinex算法更具有普遍性和自适应性,采用多尺度Retinex算法对图像进行增强.多尺度Retinex算法即结合多个尺度上的单Retinex算法,因而可以进一步提高Retinex算法的自适应能力和对图像的增强效果.应用小波变换方法和多尺度Retinex算法对遥感图像进行增强对比实验,实验结果表明多尺度Retinex算法在遥感图像的增强方面具有优越性,并且可以取得令人满意的增强效果.     

基于自动色阶和多尺度Retinex彩色图像增强算法

为了解决多尺度Retinex算法(MSR)在增强光照不均的单彩色图像时出现的细节模糊、颜色失真的问题,提出一种基于自动色阶和多尺度Retinex算法(Auto-colorMSR)。对图像进行双边滤波去噪,利用添加光照参数调节的MSR算法对去噪图像进行增强,并通过自动色阶进行色彩恢复得到增强图像。实验结果表明,提出的算法优于传统算法,图像增强后具有更好颜色保真和边缘细节保留特性。     

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.     

基于改进Retinex算法增强夜视融合图像的颜色传递

颜色传递是获得夜视图像自然彩色的一种方法。 本文利用颜色传递技术得到红外与微光融合 图像的自然彩色,在采用匹配邻域亮度均值和标准差颜色传递算法的基础上,提出了通过增 强夜视融合图 像的亮度-对比度来提高匹配精度,减小传统算法中由于亮度接近导致在颜色传递过程中的 误传现象。首先 利用像素平均法将红外和微光图像进行灰度融合;然后采用提出的改进多尺度Retinex增强 算法将融合图像 进行增强;最后在YCbCr颜色空间匹配灰度融合图像与参考彩色 图像亮度的均值和标准差,应用颜色传递 技术得到彩色夜视图像。实验结果表明,本文采用改进的多尺度Retinex算法使融合图像的 亮度-对比度得 到显著的提升,经过颜色传递后得到的彩色图像纹理细节清晰,目标背景对比度高,具有和 参考图像相近的真彩色。     

多尺度Retinex算法的园林景观图像优化研究

为了提高园林景观图像的视觉效果和清晰程度,提出了多尺度Retinex算法的园林景观图像优化方法。利用模糊同组技术划分像素点中的平滑区域点、噪声点以及细节点,使用矢量中值滤波去除噪声点。在去噪后的图像中使用多尺度Retinex算法增强图像,分析平滑与细节区域点在局部窗口所占比例,融合单尺度增强结果实现图像初步优化,经动态截取拉伸操作恢复增强效果后的图像颜色,实现园林景观图像优化。经实验验证,该方法能够获得良好去噪和清晰优化效果的园林景观图像,同时还能够适当平衡图像对比度,保证图像具备良好的亮度和视觉效果。     

基于照度分割的局部多尺度Retinex算法

针对现有多尺度Retinex图像增强算法采用线性加权的方法来综合各个单尺度Retinex增强效果,不能很好地体现出各个尺度在色彩保真和细节增强上的特点与优势,本文提出一种新的基于照度分割的局部多尺度Retinex图像增强算法.该算法首先通过引入带参数的LIP模型将图像分解成四个照度区域,然后对各区域根据照度的差异采用相应尺度的Retinex算法进行增强,最后通过基于面积的比例因子对各增强后子图进行照度融合,实现图像增强.实验结果表明,与现有多尺度Retinex算法相比,本文算法在图像亮度保持和细节增强上,处理效果较好,在色彩方面也有较好的效果.     

尺度变化的Retinex红外图像增强

经典Retinex模型增强算法采用固定尺度高斯核平滑滤波,导致单一尺度Retinex无法进行全局有效增强,而多尺度Retinex权重系数选取困难,二者均不能满足视觉要求。针对以上问题,基于人眼视觉掩盖效应提出一种尺度变化高斯核平滑滤波的Retinex算法。首先利用人眼视觉掩盖效应的屏蔽函数检测像素邻域空间细节,依据像素区域细节信息丰富程度设计出尺度变化的高斯平滑滤波器,实现照度估计,最后对尺度变化高斯平滑滤波器实现提出实用方法。实验证明本文算法有效提高红外图像对比度,增强细节信息,在主观视觉效果和客观评价指标上整体优于修正对比度限制直方图均衡算法、单尺度Retinex、多尺度Retinex及平稳小波和Retinex增强算法。