基于亮度的自适应单尺度Retinex图像增强算法

针对基于Retinex理论的经典图像增强算法中存在的灰化现象、噪声扩大现象和光晕现象,提出一种基于亮度的自适应单尺度Retinex图像增强算法.算法中引入了基于边缘信息的高斯滤波器,主要使用同类性质的像素进行平滑处理用以改善光晕现象和抑制噪声;在提取的反射分量中加入像素的原始亮度以改善灰化现象和减小噪声.对比仿真卖验结...     

一种基于颜色恒常性的低照度图像增强方法

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。     

基于多尺度Retinex算法的彩色雾霾图像增强研究

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。     

基于人眼视觉特性的自适应图像增强算法

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.     

基于双边滤波的Retinex图像增强算法

针对Retinex图像增强技术在高对比度边缘区域存在"光晕伪影"这一缺点,提出了一种基于双边滤波的Retinex算法。该算法先使用带有边缘保存功能的双边滤波将原图像分解成照度图像和反射图像,再分别采用不同的策略压缩照度图像和增强反射图像,最后把两部分图像合成为新的图像。通过从主观视觉效果和客观质量评价两方面对该算法进行检验,实验结果表明它有较好的增强效果,解决了"光晕伪影"问题。     

基于双频域特征聚合的低照度图像增强

针对低照度图像质量较差、噪声多、纹理模糊等问题,提出一种基于双频域特征聚合的低照度增强网络(dual frequency-domain feature aggregation network, DF-DFANet)。首先,构建频谱光照估计模块(frequency domain illumination estimation module, FDIEM)实现跨域特征提取,通过共轭对称约束调整频域特征图抑制噪声信号,并采用逐层融合方式提高多尺度融合效率以扩大特征图感受野范围。其次,设计多谱双注意力模块(multiple spectral attention module, MSAM)聚焦图像局部频率特征,通过小波域空间、通道注意力机制关注图像细节信息。最后,提出双域特征聚合模块(dual domain feature aggregation module, DDFAM)融合傅里叶域和小波域特征信息,利用激活函数计算自适应调整权重实现像素级图像增强,并结合傅里叶域全局信息提高融合效果。实验结果表明,在LOL数据集上所提网络的PSNR达到24.3714,SSIM达到0.8937。与对比网络相比,所提网络增强效果更具自然性。

     

改进反锐化掩模的自适应图像增强算法

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.     

基于多尺度形态学操作的超声图像增强方法

针对医学超声图像低对比度和强噪声给医疗诊断和图像处理所带来的困难，通过基于多尺度形态学操作的方法实现图像增强和噪声抑制的目的．该方法将传统的图像增强概念延伸到数学形态学多尺度空间中，利用多尺度形态学操作提取图像多尺度特征，并通过改变这些特征的强度实现图像局部对比度增强和噪声抑制．实验证明，该方法对超声图像局部对比度增强和噪声抑制是有效的．     

自适应分数阶算子的图像增强

为了突出图像纹理细节的同时保留平滑区域,节省确定分数阶微分阶次的时间,提出了一种改进的自适应分数阶微分算子。首先将经典Tiansi模板分解为四个不同方向,分别与待处理像素点进行卷积,达到增强图像纹理细节的效果;其次针对Tiansi算子需通过多次实验确定最佳微分阶次的现状,结合图像的局部特征信息,构建了具有自适应能力的分数阶阶次模型,能够获得比原图像更丰富的细节信息。对多组不同场景图像的实验结果表明：构建的自适应分数阶微分算子有效地增强了图像的纹理细节,自适应分数阶微分算子的主观视觉效果和客观评价指标均优于原图像,其客观评价指标中的平均梯度、信息熵、对比度相比原图像平均提高190.3%、8.1%、18.3%;平均梯度、对比度相比Tiansi算子处理后的图像平均提高45.0%、9.6%。     

基于属性直方图的迭代自适应图像处理算法

针对滤除图像中噪声与增强有用信息的问题，提出了一种基于自适应权值的误差传递的迭代圈像滤波增强算法．该方法同时利用了图像中像素点间的结构邻接关系和灰度差异信息，使得权值更加合理。图像分割闷值的计算采用属性直方图的Otsu方法．仿真结果验证了该算法的有效性。     

基于Retinex的弱可见光和红外图像融合算法

目的 针对目前弱可见光与红外图像融合后的图像仍存在细节大量丢失、目标模糊不清的问题,提出一种基于Retinex对弱可见光图像进行增强预处理后,再基于NSST和SWT变换进行图像融合的算法。方法 首先用SSR对弱可见光图像进行增强处理,增强后的可见光和红外图像进行NSST分解得到第1次的高低频系数,高频系数采用基于局部能量特征的方法进行融合;低频系数经过SWT分解得到第2次高低频系数,第2次的高频系数采用同样的方法融合,低频系数采用线性加权方法融合,然后将第2次高低频的融合结果经过SWT逆变换得到新的低频系数。最后把第1次高频系数融合结果和新的低频系数进行NSST逆变换得到融合图像。结果 通过仿真实验,将文中算法与NSST,NSCT以及文献[5]算法进行对比,结果表明主观视觉上融合图像细节更加清晰,客观评价上,平均梯度、空间频率（SF）、标准差、信息熵、边缘信息保留量等指标分别提高了35.63%,26.73%,16.89%,7.2%,4.6%。结论 文中算法对图像融合有较好的改善作用,融合图像的可视性和图像质量都得到显著提高。     

同态滤波耦合后处理优化的图像增强算法

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。     

一种高效地修正Retinex图像自适应对比度增强算法

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.     

离散余弦变换域内的Retinex图像增强模型研究

针对现有离散余弦变换（DCT）域图像增强算法大多统一处理DCT系数,且不能有效抑制块状效应的问题,将Retinex思想引入DCT域,提出一种新增强算法：将DCT系数分为入射分量和反射分量,构造一种带强光抑制的函数,将入射分量映射到理想的动态范围;定义一种频带限制的对比度,实现反射分量的局部细节增强;使用子块分解方法抑制块状效应。实验结果表明,与现有Retinex及DCT域增强算法相比,该算法具有更好的细节增强及强光抑制效果,且能较好抑制块状效应。     

基于改进蛙跳算法的图像自适应增强研究

为了提高图像增强的效果,提出改进蛙跳算法。首先对蛙群分组,一组采用群体智能算法,另一组用自适应算法;基于实数算法对图像像素映射编码;然后通过模糊集合对蛙跳微调更新;最后以均方误差函数作为评价函数,通过Beta非线性变换函数最优参数值实现图像自适应增强。实验仿真结果得出:改进蛙跳算法对图像增强对比度较高,处理时间少,像素数据求解精度高。     

基于NSST和SWT的红外与可见光图像融合算法研究

目的鉴于非下采样剪切波变换NSST的红外与可见光图像融合的结果存在细微特征缺失问题,提出一种基于NSST和SWT的红外与可见光图像融合算法,以提升融合图像的质量。方法首先分别对红外与可见光图像进行NSST分解,各得到一个低频系数和多个不同方向、尺度的高频系数。然后低频系数分别通过SWT分解得到新的低频系数和高频系数,通过SWT分解得到的新的低频系数和高频系数分别采用采用线性加权平均法和区域平均能量取大的融合策略,融合结果再进行SWT逆变换得到低频系数融合结果。高频系数采用区域平均能量取大的融合策略进行融合。最后通过NSST逆变换得到最终的融合图像。结果通过仿真实验结果表明,文中算法与NSST,SWT和NSCT等算法相比,融合图像在主观视觉上的红外目标更突出,图像细节更清晰,且在IE, AG, QAB/F, SF和SD等评价指标上也最优。结论文中算法的融合结果能更好地表现源图像的目标信息和细节纹理信息,表明该算法具有优越性。