改进的多尺度Retinex图像增强算法

针对多尺度Retinex算法在图像增强的过程中,存在着算法运算量大的问题,提出了一种基于快速二维卷积和多尺度连续估计的算法。该算法充分利用二维图像高斯卷积的可分离性和多尺度照射光连续估计的可行性,降低了Retinex算法的复杂度。同时对于增强后图像色彩容易失真的现象,提出了一种去极值的直方图裁剪法,用于保持图像色彩信息和提高对比度。实验结果表明,这些改进可以有效提高算法运行速度和改善图像增强效果。     

改进的多尺度Retinex红外图像增强算法

针对传统多尺度Retinex增强算法处理后的红外图像对比度较低、视觉效果不够理想的缺点,提出了一种改进的多尺度Retinex红外图像增强算法.将传统Retinex增强算法中的指数还原用灰度线性拉伸代替,对拉伸后的图像进行自适应对比度增强处理,从而提高了图像的对比度,改善了图像的视觉效果,同时,根据图像处理的需要,可以调整图像对比度的大小.通过与几种典型的图像增强算法实验结果进行比较,该算法图像增强的效果更好,图像视觉效果更佳.     

结合细节信息的自适应Retinex算法水下图像增强

针对Retinex算法应用于水下图像增强中,常出现颜色失真与图像细节增强相矛盾的现象,提出了结合细节信息的自适应多尺度Retinex水下图像增强算法。分析包含不同细节信息的水下图像对Retinex算法增强中卷积函数尺度大小的选择要求;采用图像梯度作为调节因子,自适应调整多尺度Retinex算子的权重,用于适应包含不同细节信息的水下图像对对比度增强的要求,有效地缓和了水下图像增强在颜色失真和细节对比度提升之间的矛盾。多组实验验证了该算法在去除水下图像的蓝绿背景、避免颜色失真、消除非均匀光照和图像细节增强等方面均优于传统多尺度和颜色保真的多尺度Retinex算法。     

基于多尺度Retinex的自适应图像增强方法

介绍了一种基于MSR的自适应图像增强的方法,能够较好地自动处理由于云雾、雨天等天气原因和光照不足导致的景物不清、视觉质量差和对比度低的图像,提升多种类型的图像视觉质量.通过对实验的结果以及算法的普适性进行比较和分析,证明了该方法是有效的.     

多尺度Retinex算法在自动目标识别中的应用

自动目标识别中图像增强是进行图像特征提取及匹配最为关键的预处理阶段。本文以车牌识别系统中恶劣条件下拍摄的车辆图像为研究对象,提出了基于多尺度Retinex降质图像增强方法。实验结果表明,该算法对自动目标识别中降质图像有很好的增强效果。     

多尺度Retinex方法在车辆胎痕图像增强方面的应用

轮胎印痕图像增强是进行车辆胎痕图像特征点提取及匹配最为关键的预处理阶段。以一次事故中现场拍摄衣物上的轮胎痕迹为研究对象,针对一些传统的图像增强方法的不足,提出了基于多尺度Retinex轮胎痕迹增强方法。为了进行对比,实验中还引入单尺度Retinex算法。实验结果表明：算法能提高胎痕图像对比度且能显著增强图像细节,且较单尺度的Retinex算法,在实现压缩动态范围的同时具有较高的色彩保真度,得到了期望的图像效果。     

改进的多尺度Retinex医学X射线图像增强算法

医学X射线图像通常存在亮度低,对比度差,造成难以识别的问题。为了增强此类图像,在Land提出的单尺度Retinex理论之上,论述基于此原理的多尺度Retinex（MSR）图像增强方法。利用均值模板代替高斯卷积模板对图像进行滤波,并且改进了将图像映射到设备显示器上的canonical gain/offset修正方法。实验将改进的修正方法用于多尺度的Retinex之上并与直方图均衡化和伽马校正方法进行对比。实验结果表明图像亮度的增强和对比度提高优于上述其他两种方法,新提出的方法较原有方法有效地提高了图像的信息熵,满足医学图像的诊断需求。     

基于CUDA的多尺度Retinex图像增强算法实现

多尺度Retinex图像增强是一种基于色彩恒定理论的图像增强算法,算法增强效果好,但随着图像分辨率的提高计算时间显著增加。分析并利用计算统一设备架构(CUDA)图形处理器(GPU)的并行处理特性,提出了一种基于CUDA的多尺度Retinex图像增强并行算法,将多尺度高斯滤波、对数空间差分和动态范围压缩等计算非常耗时的模块采用并行方式放在GPU中进行计算。实验结果表明所提算法能显著提高计算速度,随着图像分辨率的增加,最大加速比超过100倍。     

基于多尺度Retinex算法的遥感图像增强

大多数的遥感图像存在视觉对比度低、分辨率低的缺点,因而在对遥感图像分析之前,通常都需要通过遥感图像增强技术对图像进行增强处理.当前的图像增强方法有很多种,文中引入了一种新颖的图像增强方法,即多尺度Retinex(MSR)算法.这种增强技术尤其对能见度差、分辨率低的图像有很好的效果,因此适合于对遥感图像的增强处理.此外,还引入了几种常用的经典图像增强方法,如直方图均衡法等.为了证实所引入的MSR算法对遥感图像的增强效果优于其他的增强方法,在实验中,将经典的图像增强方法和MSR算法分别应用于增强一幅典型的遥感图像并对比增强后的增强效果.实验结果表明MSR算法在对遥感图像的增强中可以取得满意的效果并且优于其他的图像增强方法.     

Retinex算法及其在雾天图像增强中的应用研究

通过从像素比较路径选择的角度出发,分析了Retinex算法一些常用的计算策略,包括基于随机路径的Retinex算法、基于迭代计算的McCann’s Retinex算法、基于中心环绕的Retinex算法,并将其应用于雾天图像增强。     

基于Retinex理论的新型遥感图像增强算法

针对遥感图像视觉存在对比度差\,分辨率低的缺点,以及传统的Retinex算法在对图像增强时往往会出现色彩恢复不协调,呈现泛白发灰现象,提出了一种多尺度Retinex算法与直方图均衡化相结合的新型遥感图像增强算法。首先对多尺度Retinex算法进行非线性全局改进,用于增强HSV色彩空间中的V分量,然后用直方图均衡化方法对RGB空间中三分量做同步增强处理。实验结果表明:与多尺度Retinex算法相比,算法增强后图像的均值可达到127,信息熵可提高29.5%,而且算法有效地解决了图像色彩恢复不协调和泛白发灰现象。     

基于Retinex算法的亮度分层图像增强算法

在处理低照度的图像时，传统的Retinex算法虽然可以提高图像的辨识度，但是存在“光晕伪影”和图像细节表现不明显等问题，因此本文采用了引导滤波图像分层处理与多尺度Retinex算法相结合的图像增强算法。首先在HSI色彩空间中对原始图像使用引导滤波算法，将图像分成细节图像和基本图像。然后对分离出来的两个图像层构造增益系数，分别进行增强处理后再进行重构，得到一个新的亮度图像。最后，在RGB色彩空间内对新的亮度图像进行色彩恢复从而输出最终的亮度较高、还原度较好的图像。实验结果表明，本文算法使图像的边缘和细节更加突出，而且能够消除“光晕伪影”现象，客观评价指标也有较大幅度的提升。     

基于Retinex理论的压缩域图像增强方法研究

针对现有压缩域图像增强算法在提高图像对比度时,存在不能很好地增强图像细节及保持色彩信息的局限性,提出一种新的基于Retinex理论的DCT压缩域图像增强算法.该算法以Retinex理论为基础,将DCT系数分为入射分量(DC系数)和反射分量(AC系数),通过对DC系数进行动态范围调整,对AC系数进行细节增强调整,并使用阈...     

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。     

基于不同色彩空间融合的快速图像增强算法

针对现有Retinex算法中存在的色彩失真、噪声放大及光晕伪影现象等问题,本文提出了一种基于Retinex理论的改进算法. 该算法首先在HSV空间对亮度分量V通道进行增强处理,同时在拉伸得到的对数域反射分量至一定的动态范围时（本文是0～255）,引入增强调整因子,调整不同亮度值的增强程度来避免噪声放大及色彩失真现象;然后在RGB空间,通过分析光晕产生的原因,提出一种改进的高斯滤波器来消除光晕现象,并在计算反射分量时,通过参数调整图像颜色的保真度. 最后,对上述两种不同颜色空间的处理结果进行加权平均作为算法的最终输出. 实验结果表明,针对不同光照条件下的图像,1）该算法可以明显地改善光晕伪影现象;2）无色彩失真、噪声放大等问题;3）效果和效率优于带色彩恢复的多尺度Retinex算法（Multi-scale retinex with color restoration,MSRCR）及其他对比算法.     

一种基于模糊MSR的医学X光图像增强算法

由于医学X光图像中存在信噪比低、清晰度差、对比度低等缺点,而普通的图像增强算法很难在增强图像细节特征的同时对图像的背景噪声进行抑制。针对上述问题,将模糊多尺度Retinex算法引入医学图像处理的增强算法中：先计算图像中每个像素点的模糊度,再结合模糊度采用多尺度Retinex算法对图像进行增强。实验表明该算法比直方图均衡、同态滤波以及普通的多尺度Retinex算法增强图像的效果更明显,并能在增强图像的同时,有效抑制图像的背景噪声。     

滤波器可变的Retinex雾天图像增强算法

针对现有中心环绕Retinex图像增强算法滤波器固定,不能对雾天图像有效地同时增强细节与色彩保真的问题,提出一种滤波器可变的Retinex图像增强算法.首先根据雾天图像雾化程度的分布特征得到滤波参数的阈值;然后将原图中每一子块的局部信息与阈值信息作差运算得到相应的滤波器,由此计算出该子块的入射分量,并通过部分重叠策略平移子块完成对整幅图像的入射分量估计;最后将原图减去整幅图像的入射分量得到反射分量,实现对图像的增强.通过主观观测和客观评价的结果表明:该算法比现有的中心环绕Retinex算法在细节增强和颜色保真方面具有更好的效果.     

基于Retinex理论的图像增强算法*

这种增强算法首先依据像素的R,G,B分量将输入的彩色图像被分解成为三幅图像,代表场景中波长不同（长波、中波和短波）的反射光的强度;分别计算长波、中波和短波波段内像素间的相对明暗关系,进而确定每个像素的色彩。最后,将Retinex色度空间内的色彩线性映射到RGB空间,获得经过增强的图像。通过这种方法所获得的图像具有色彩逼真度、动态范围大的特点。计算机仿真结果表明运用这种方法进行图像处理可以获得非常好的处理效果。     

消除光晕现象的快速Retinex图像增强

由于假设场景中光照是平缓变化的,传统的中心环绕Retinex图像增强方法在处理高动态范围图像时易在明暗对比强烈处产生光晕现象.提出一种快速Retinex图像增强方法,以模拟人类视觉系统的全局和局部自适应性.首先对原图进行全局动态范围调整,然后使用mean shift滤波进行估计光照,并基于中心环绕假设消除光照不均影响,在后处理中对图像去除孤立点所占的直方图范围.实验结果表明,该方法能有效地克服光照不均并消除了光晕现象;使用了mean shift加速算法,运行速度快于已有同类方法.