基于改进Retinex算法的低照度图像增强

通过对比不同图像增强算法,针对传统图像增强算法无法兼顾色彩、细节以及纹理的同步处理等问题,文章提出一种MSRCR-HIS图像增强算法,融合直方图转换法与MSRCR算法的优势,并将处理后的图像与原始图像进行融合以保留原图细节信息,通过验证,文章提出的算法与经典算法相比,能够有效地改善图像的呈现效果,有利于后续各项实验操作。     

低照度环境下视频增强技术

在低照度环境下,摄像机捕捉到的夜间视频质量较差,常出现光照不足、对比度低、模糊不清和颜色偏移等问题,影响了视频的判读和理解。针对夜间视频存在的问题,提出不同时段空间背景融合技术和根据Retinex理论利用三边滤波器提取亮度图像的照度分量并结合Sigmiod 非线性拉伸函数对反射分量进行增强处理以突出细节达到图像增强的目的。经实验证明,提出的算法能够提高低照度夜间视频的整体视觉效果,图像的亮度、对比度、清晰度得到改善,突出了视频图像细节,保留了视频重要内容,增强结果自然清晰,避免了图像失真等问题,解决了夜间视频增强中常出现的光晕、鬼影、颜色偏移等问题,便于视频的判读与分析。     

基于Retinex的低照度图像增强

Retinex理论是颜色恒常知觉的计算理论,可以用于图像清晰度严重失真状况下的图像增强.在研究Retinex算法的基础上,对低照度彩色图像失真中色彩恢复存在的问题进行研究,构建了一个恢复效果较好的色彩恢复函数——余弦色彩恢复函数.给出了处理后图像的自动补偿/增益方法以及补偿/增益中参数实际选取的经验值.对处理后的图像进行了质量评价分析,表明该恢复函数在处理低照度图像时具有较明显的改善效果.     

基于Retinex增强算法的图像去雾方法研究

文章讨论了雾霾天气下的图像清晰化技术,首先对图像去雾的背景和理论基础进行了介绍,然后分别利用全局直方图、局部直方图和Retinex增强处理雾天图像的清晰化技术进行实验.实验结果表明,基于Retinex增强处理的去雾方法针对性强,运行效率高,且易于融合其他图像增强算法.文章讨论的去雾技术对其他恶劣天气下的图像清晰化技术也...     

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.     

基于雾线暗原色先验的红外图像去雾算法

红外图像去雾算法的主要任务是解决红外图像因米氏散射引起的低可见性和模糊.但是当前红外图像去雾算法对红外图像暗处透射率估计欠佳,针对这一情况,研究了基于雾线暗原色先验的红外图像去雾算法.首先,利用霍夫变换估计大气光照;然后,针对雾线去雾方法在部分场景中失效的现象,采用雾线暗原色先验方法,通过假设雾线较暗端为真实颜色估计透射率,获取透射率图;最后为去除透射率图中噪声,对透射率图全变分正则化进一步优化透射率图.以公开红外数据库LTIR作为测试对象,实验结果表明,本文去雾算法在增强红外图像清晰度的同时未破坏红外辐射分布,对各种场景的红外图像有较好去雾效果.透射率估计准确,有较好红外图像去雾能力.     

基于Retinex去雾算法的水射流辅助激光加工特征图像融合算法

为了在水射流辅助激光加工过程中更加高效地观测工件表面的结构特征,本文提出了一种基于Retinex去雾算法的水射流辅助激光加工图像融合算法。首先,利用基于形态学理论的自适应性Retinex去雾算法解决水射流导致的气泡和表面模糊问题。通过图像区块的标准差值计算细节指数,确定高斯滤波函数的尺度,并计算单尺度函数线性叠加的权重。其次,采用离散小波变换分解聚焦区域不同的源图像序列,并根据人眼视觉原理拉伸细节分量。最后利用离散小波逆变换将分量重新融合,得到可以增强细节信息的全聚焦图像。当水射流喷嘴直径为0.4 mm时,算法处理后的图像的标准差、平均梯度和空间频率分别可以达到参考图像的95.41%、71.88%和67.29%;当射流倾斜角为45°时,上述三个指标分别达到了参考图像的90.59%、72.69%和94.50%。这表明本文所提算法有效提升了图像质量,对于在不同加工情况下获得的图像均可实现较好的处理效果,同时有助于提高加工效率。     

基于图像增强的去雾算法研究

在"地摊经济"下的城市环境智能监测系统的搭建过程中,文章针对户外摄像头在雾天、雪天、雨天或雾霾等影响下,获取的图像会出现模糊、过暗或细节丢失等现象进行了研究.对比了基于图像增强的全局直方图均衡化、局部直方图均衡化、单尺度Retinex算法、多尺度加权平均Retinex算法以及带色彩恢复的多尺度Retinex算法的图像去...     

基于Retinex的一种图像去雾算法

由于中心环绕Retinex图像增强算法尺度的选择有限,不能在对有雾天气下采集的图像进行有效去雾的同时增强其细节,提出一种基于Retinex算法的曲波变换图像增强算法.首先,根据Retinex算法,先用高斯函数估计出图像的入射分量,再通过Retinex算法将图像的反射分量得出,然后利用曲波变换的多尺度特性将反射分量进行子带分解,对高频子带采用自动变换阈值处理,对低频子带采用线性拉伸,增强其对比度,最后将曲波系数进行合成,得出处理后的图像.实验结果表明,用该方法对雾天图像处理后,图像的纹理细节更清晰,信噪比和信息熵明显提高,视觉效果改善,失真度显著减小.     

基于自适应权重Retinex和小波变换的彩色图像增强算法

针对现有图像增强技术容易出现细节丢失、局部曝光不足、过曝光或颜色失真,不能兼顾对比度和色彩保真的问题,提出了基于自适应权重Retinex与小波变换结合的彩色图像增强算法(AMSR-WT)。将图像从RGB空间转换到HSI空间,对亮度分量I进行小波变换分解为低频亮度图像和若干高频亮度图像,对低频图像使用自适应权重Retinex进行增强,对高频图像使用改进的阈值去噪算法进行去噪,通过小波逆变换重构亮度分量,经过Gamma校正进一步增强对比度并转换回RGB空间得到增强图像。实验结果表明,该算法有效提高了图像对比度和颜色保真度,较好地保留了图像的细节和纹理。     

基于灰度补偿与多尺度Retinex算法的彩色图像增强方法研究

对彩色图像进行增强可以改善图像的质量并获得更多的图像细节,以利于后续的图像分析。针对彩色图像增强的颜色保持特性,本文使用灰度补偿和多尺度Retinex算法相结合的方法,对待增强的彩色图像首先进行Retinex算法处理,然后对图像的红、绿、蓝三种颜色分量分别进行直方图均衡化,并进行对比度调节,这样来获得经过增强之后的图像。实验结果说明,这种方法可以使得图像的局部细节更好地显示出来,具有较好的颜色保持性能。     

基于小波变换的迭代融合去雾算法

在有雾气的环境下,户外采集到的图像容易出现对比度低、细节丢失等问题.针对该问题,提出了多尺度Retinex(MSR)理论结合小波变换的图像融合算法对雾天图像进行恢复.首先,用MSR算法对采集到的雾天图像进行增强处理,之后采用'db5'小波基对雾天图像与增强图像的亮度分量V进行融合处理,并对雾天图像的饱和分量进行约束,最...     

基于图像增强和复原的图像去雾方法研究

雾霭等天气下获得的图像存在对比度低、颜色退化、景物模糊等一系列图像退化的问题,直接影响了对图像信息的有效利用。因此,对雾天图像进行有效的去雾处理,有效改善降质图像的质量,具有一定的实际意义。分析讨论基于图像增强的多尺度Retinex算法和利用图像复原原理的基于暗原色先验理论的去雾算法,并对具有不同特点的单幅有雾图像进行去雾仿真。实验结果表明,不同理论基础的两种去雾算法各有特点,基于暗原色理论处理得到的图像去雾效果更显著,算法运行速度更快。     

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。     

低照度环境下图像增强算法的FPGA实现

在低照度环境下,通用的图像传感器普遍存在成像效果不佳的情况,因此采用图像增强算法来提升图像对比度就显得尤为重要,然而大多数图像增强算法都是针对静态图像进行增强.为此,基于现有的图像增强算法,提出了一种改进的基于图像去雾的图像增强算法架构,该架构不仅利于FPGA实现,而且能够较好地增强视频的显示效果.测试结果表明:该算法占用FPGA资源较少,能够实时处理1080P 60 f/s的视频且增强效果良好.     

基于三边滤波的Retinex图像去雾算法

针对传统Retinex算法采用高斯滤波估计图像的照射分量易产生边缘模糊,不能有效去除脉冲噪声且处理后的图像颜色易失真等问题,提出一种基于三边滤波的Retinex图像去雾算法。该算法利用三边滤波器估计图像的照射分量,三边滤波器继承了双边滤波器既可以有效降低图像加性高斯噪声又可以保持图像边缘细节的特性,同时又解决了双边滤波器与高斯滤波器不能有效滤除脉冲噪声,易产生伪边缘等问题。为验证该算法的有效性,采用5种不同的客观评价参数对处理后的图像进行评价。实验证明,该算法能有效地改善雾天图像的退化现象,提高图像的清晰度。     

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。     

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。