基于人眼视觉特性的彩色图像增强算法

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.     

基于Retinex和同态滤波的X射线电池图像增强算法

针对工业X射线电池图像对比度低、视觉效果不好、不同区域处理效果差异大等问题,提出一种基于多尺度Retinex和同态滤波的X射线电池图像增强算法.首先利用多尺度Retinex算法中的高斯滤波对照射分量估计,从而得到反射分量.用改进的直方图均衡化方法来处理照射分量,采用改进的巴特沃斯高通滤波器对反射分量的局部细节增强.接着...     

基于视觉特性的非锐化掩模图像增强

将人类视觉特性中灰度敏感程度和颜色相关性引入到图像增强中.选择HSV彩色空问,提出最优可见偏差(OND)引导的非锐化掩模(LJM)图像增强算法(OND-UM)对亮度分量进行边缘和细节增强,其中通过数值拟合得到了OND曲线,并构造了基于局部方差的自适应增益函数以实现对不同细节区域增强强度的自适应调整;尤其针对含有低对比度区域图像,利用Otsu分割方法确定阈值的分段自适应拉伸函数进行图像的全局调整和对比度增强:而饱和度分量进行直方图均衡,色度分量保持不变;颜色空间转换后再进行基于改进的颜色相关性统计的RGB空间颜色校正.仿真结果表明,OND-UM对连续边缘增强和边缘噪声抑制方面较优,而颜色校正后的图像色彩更丰富艳丽,更符合人眼视觉.     

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NSST多尺度自适应的Retinex低照度图像增强算法

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。     

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。     

小波和曲波结合的图像增强算法

针对传统的基于小波变换的图像增强算法中,对比度相同幅角不同边缘增强效果差异较大的问题,提出了基于小波和曲波变换相结合的自适应组合增强算法.该算法利用小波变换去增强图像的平滑区域,并利用曲波变换增强图像边缘.仿真实验结果表明,该算法在使图像具有很好的交叉熵和相关系数的同时,能够有效地改善边缘增强效果,使图像具有更好的视觉效果.     

基于RBF神经网络的低对比度图像自适应增强算法

针对低对比度图像增强问题,提出了一种将直方图修正与RBF神经网络相结合的图像对比度增强算法。首先由原始图像获得与其邻域存在对比度的像素的条件概率直方图,通过调整两个增强参数可以改变条件概率直方图和均匀分布直方图的权重,生成新的直方图对图像进行增强。采用RBF神经网络建立图像特征与两个增强参数之间的非线性映射关系。根据图像本身的特征快速获得增强参数,从而实现图像的自适应增强。该方法计算量小,实时性强,应用范围广,有较强的自适应性。     

多颜色空间的内窥镜图像血管增强方法

为了提高医用电子内窥镜所获图像的血管与组织的对比度,针对内窥镜血管图像的特点,提出了一种基于多颜色空间非线性对比度拉伸的血管增强处理方法。首先在RGB颜色空间利用非线性映射函数对绿色(G)分量进行自适应对比度拉伸;接着依据G分量的拉伸结果,相应地调整红色(R)和蓝色(B)两个分量的灰度值;然后将图像转换到HSV颜色空间,并对图像的饱和度(S)分量进行自适应对比度拉伸;最后将图像转换回RGB颜色空间,最终达到血管增强的目的。在本文中,利用所提出的算法对多幅电子内窥镜图像进行处理,结果表明,算法对于原始特征不明显的细小血管也具有较好的增强效果。通过与其它的增强方法相对比,增强后图像的细节方差(DV)显著大于其它方法。将算法嵌入到分辨率为1280×800的内窥镜软件中,其处理速度可达26 f/s。     

A fast color image enhancement algorithm based on Max Intensity Channel

In this paper, we extend image enhancement techniques based on the retinex theory imitating human visual perception of scenes containing high illumination variations. This extension achieves simultaneous dynamic range modification, color consistency, and lightness rendition without multi-scale Gaussian filtering which has a certain halo effect. The reflection component is analyzed based on the illumination and reflection imaging model. A new prior named Max Intensity Channel (MIC) is implemented assuming that the reflections of some points in the scene are very high in at least one color channel. Using this prior, the illumination of the scene is obtained directly by performing a gray-scale closing operation and a fast cross-bilateral filtering on the MIC of the input color image. Consequently, the reflection component of each RGB color channel can be determined from the illumination and reflection imaging model. The proposed algorithm estimates the illumination component which is relatively smooth and maintains the edge details in different regions. A satisfactory color rendition is achieved for a class of images that do not satisfy the gray-world assumption implicit to the theoretical foundation of the retinex. Experiments are carried out to compare the new method with several spatial and transform domain methods. Our results indicate that the new method is superior in enhancement applications, improves computation speed, and performs well for images with high illumination variations than other methods. Further comparisons of images from National Aeronautics and Space Administration and a wearable camera eButton have shown a high performance of the new method with better color restoration and preservation of image details.     

一种高通量dPCR荧光图像自适应增强算法

目的 为了改善荧光图像背景光照不均匀和对比度低的问题,提出一种荧光图像自适应亮度校正和低对比度增强算法。方法 根据光照成像原理,利用引导滤波提取出荧光图像的光照分量,通过改进的二维Gamma函数动态校正背景光照,利用Top-hat变换分离出校正后的前景和背景,对前景进行自适应直方图均衡化,以实现荧光图像自适应增强的目的。结果 对比传统算法,文中算法处理后的图像背景光照均匀,对比度增强效果明显,其中标准差平均提高了9.4倍,平均梯度平均提高了1.2倍,信息熵平均提高了0.2倍。结论 文中算法可以改善高通量dPCR荧光图像背景光照不均匀性,提高图像对比度,突出图像中隐藏的细节,对其他荧光图像处理也具有参考价值。     

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。     

An illumination and highlights invariant colour model for image matching

Abstract

Colour can provide critical information for a variety of computer vision tasks such as image matching, object recognition and image retrieval. However, for it to be useful in practice, the colour model used to represent the intrinsic properties of the imaged objects must be insensitive of imaging conditions such as lighting geometry, illumination colour and highlights. In this paper, we present a colour model for image matching and object recognition that is invariant for illumination and highlights. The colour model is defined as the ratios of the colour differences between neighbouring pixels for each colour component. Based on the dichromatic reflection colour model, it is shown that the proposed colour model is invariant to lighting geometry, illumination colour, highlights and diffuse lighting. Experimental results show robust image matching using the proposed colour model on objects that are illuminated under different illumination colours and lighting geometry. The proposed colour model can be used as a prepossessing step for applications where limited or no constraints on the imaging process can be imposed.