一种适用于人脸检测的自适应光照补偿方法

为了解决复杂光照条件下的人脸检测问题,提出一种人脸光照补偿新方法。该方法先使用高通滤波增强边缘信息,同时利用对数变换和指数变换调节全局亮度,最后利用非线性变化削弱局部高光和阴影的影响,改善图像光照不均衡的情况,最终实现光照补偿。在YaleB人脸库、Orl人脸库以及自建人脸库上分别对光照不均匀人脸图像和均匀光照下的人脸图像进行了实验,证明该方法能有效地进行光照补偿,提高人脸检测率。     

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.     

非均匀光照条件下的彩色人脸图像增强

针对非均匀光照彩色人脸图像增强中肤色失真问题,提出了一种基于单尺度Retinex和肤色模型的方法。将人脸图像转换至YCbCr颜色空间,并采用不同的方法分别处理Y分量和CbCr分量。针对亮度分量（Y）采用单尺度Retinex方法压缩图像的动态范围,增强图像暗处的细节信息;针对图像中肤色区域,根据肤色在CbCr空间具有聚集性的特点,调整亮度分量增强后肤色像素点色度分量（Cb和Cr）的值,改善肤色区域的颜色质量。在CAS-PEAL人脸库中进行实验,该方法与传统的人脸图像增强方法相比,在图像细节呈现能力和面部色彩真实程度方面均有提高。     

双选像素点的局部自适应ACE算法

针对自动色彩均衡(ACE)算法不能很好地保持图像原始色彩信息,并且算法复杂度高较难满足实时性应用的缺点,提出双选像素点的局部自适应ACE算法。将获得的图像变换到YCbCr色彩空间中,有利于保持图像的原始色彩信息,利用亮度图像的梯度信息与图像局部的均值方差信息进行双层像素点选择,降低算法的运算复杂度,采用局部自适应滤波调整ACE算法中的亮度控制函数,增强图像的局部对比度。实验结果表明,与传统的ACE算法相比,色彩恢复多尺度Retinex算法MSRCR的视觉效果更好,运行速度提高约150倍,计算复杂度得到了明显改进。     

光照不均图像增强方法综述*

针对图像采集过程中因环境光照不佳或物体表面采光不均等原因造成的图像光照不均问题,分析了几类常用的增强方法,包括以直方图均衡化方法为代表的灰度变换法、基于照明—反射的同态滤波法、Retinex增强方法以及梯度域增强方法,对比了这几种方法的处理效果,指出了这些方法各自的适用范围。最后给出了光照不均问题解决方法的改进方向。     

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。     

基于肤色的复杂背景条件下的人脸检测

提出一种肤色与Adaboost方法相结合的人脸检测方法。首先把图像转换为YCbCr颜色空间，然后利用肤色在CbCr上的聚类性对图像进行预处理，最后，使用Adaboost算法对候选人脸集进行细化，最终得到人脸集合。实验证明该方法的有效性。     

低光照图像增强算法综述

低光照图像增强旨在提高光照不足场景下捕获数据的视觉感知质量以获取更多信息,逐渐成为图像处理领域中的研究热点,在自动驾驶、安防等人工智能相关行业中具有十分广阔的应用前景。传统的低光照图像增强技术往往需要高深的数学技巧以及严格的数学推导,且导出的迭代过程普遍流程复杂,不利于实际应用。随着大规模数据集的相继诞生,基于深度学习的低光照图像增强已经成为当前的主流技术,然而此类技术受限于数据分布,存在性能不稳定、应用场景单一等问题。此外,在低光照环境下的高层视觉任务(如目标检测)对于低光照图像增强技术的发展带来了新的机遇与挑战。本文从3个方面系统地综述了低光照图像增强技术的研究现状。介绍了现有低光照图像数据集,详述了低光照图像增强技术的发展脉络,通过对比低光照图像增强质量与夜间人脸检测精度,进一步对现有低光照增强技术进行了全面评估与分析。基于对上述现状的探讨,结合实际应用,本文指出当前技术的局限性,并对其发展趋势进行预测。     

复杂光照环境下视频人脸序列的自动检测方法

基于视频序列人脸自动检测是人脸跟踪、识别等研究的基础。提出了一种结合图像增强技术、gabor特征变 换和adaboost算法的视频序列人脸检测方法,其主要思想是使用图像增强技术对图像进行光照补偿,减轻不同的光 照条件(如局部的阴影和高亮等)对检测结果的影响。该方法首先通过高频增强滤波强化图像的边缘和细节信息,用 基于直方图的技术来调节图像的亮度,然后应用gabor小波变换进行特征抽取,最后采用adaboost方法训练样本,完 成人脸的检测。实验表明,该方法能够在不同的光照条件下准确检测出人脸,显示出较强的鲁棒性。     

一种新的非均匀照度图像增强方法

构造一类基于双层位平面的亮度变换函数,结合快速局部值直方图均衡化算法,很好地解决了非均匀照度下图像对比度的增强问题。该算法首先提取图像的亮度位平面和对比度位平面,用这两个位平面对原始图像进行亮度变换,然后,利用快速局部值方图均衡化算法对变换后的图像进行增强。     

一种区域多直方图红外图像增强方法*

直方图均衡是一种简单有效的红外图像增强技术,但存在着细节信息损失较大的缺陷。为改进这一缺陷,使直方图均衡在增强图像对比度的同时不损失灰度级别,并能增强图像细节特征,提出一种基于区域的multi-HE红外图像增强方法。该方法通过聚类算法将图像分割成多目标区域,据此将直方图分割成多个子图,运用多直方图均衡化对图像进行处理,从而达到在不同目标范围内的图像增强。经过实验验证,该算法能有效地抑制背景区的过增强,扩大了目标区的灰度范围,增强细节部分。     

一种红外图像细节增强算法

受焦平面阵列（FPA）性能限制,红外图像对比度低,细节信息不明显,视觉效果较差,需要经过增强处理改善图像质量。提出了一种红外图像细节增强算法,首先检测原始图像中的极值点并进行替换,去除散粒噪声,再用消噪后图像与低通滤波图像相减得到细节信息,同时还通过数学形态学方法得到图像梯度信息,结合原灰度值计算出灰度统计权值,最后将此权值应用于细节图像的直方图均衡算法中,得到细节增强后图像。实验表明此算法具有很好的效果,而且计算速度快。     

小波域红外图像增强算法研究

由于红外图像成像机理及红外成像系统自身的原因,红外图像大多对比度低、细节信息不明显,视觉效果差,需要经过增强处理改善图像质量。提出一种基于小波的多分辨分析方法和Retinex图像增强算法相结合的红外图像增强方法。利用小波把红外图像分解成近似子图像和细节子图像,对近似子图像进行改进的Retinex增强算法处理,对细节子图像采用多策略小波阈值增强,最后小波重构得到增强的红外图像。实验结果表明,该算法对红外图像具有较好的增强效果。     

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。     

多尺度和纹理特征增强的小尺寸人脸检测

针对现有人脸检测算法难以处理多尺度、多姿态的人脸检测,尤其是面对小尺寸时准确性低的问题,提出了多尺度和纹理特征增强的小尺寸人脸检测算法。该算法的多尺度增强模块能够丰富特征的多尺度信息,提高对多尺度人脸的检测能力;纹理特征增强模块能够通过融合低层的纹理信息提升高层语义的表达,从而加强对小尺寸人脸的检测能力;多阶段加权损失函数平衡网络的输出,充分发挥各个模块的增强作用。实验结果表明,该方法不仅在检测速度上可以达到实时,而且对MALF数据集中高度小于60像素的人脸检测精度可达88.69%;在FDDB数据集上相比目前的BBFCN算法精度提高近四个百分点。