一种煤矿井下图像增强算法

针对煤矿井下监控图像对比度低、视觉效果差等问题,采用一种基于引导滤波的单尺度Retinex算法进行煤矿井下图像增强。该算法采用具有保边平滑功能的引导滤波进行照度估计,并与原图像进行卷积运算,获得反映自身属性的反射分量,然后针对经反对数变换的反射分量,采用改进的局部对比度增强方法提高图像暗区的对比度,最后得到增强图像。实验结果表明,该算法在对比度提升、细节增强、消噪方面取得了较好的效果。     

一种矿井低照度图像增强算法

针对小波变换在图像边缘保持和细节处理方面无法保持平衡及多尺度Retinex算法易造成图像出现光晕伪影和噪声污染严重等问题,将小波变换与基于多尺度引导滤波的多尺度Retinex算法相结合,提出了一种矿井低照度图像增强算法。该算法首先将低照度图像进行小波分解得到高频分量和低频分量;然后对图像高频分量采用三段式阈值函数进行小波去噪,对图像低频分量采用非线性全局亮度校正以增强图像亮度,同时采用多尺度引导滤波函数代替传统多尺度Retinex算法的高斯滤波函数来估计照射分量,进而求取反射分量,并运用主成分分析法对反射分量与非线性全局亮度校正的图像进行融合,有效提升图像边缘细节保持效果;最后对图像高频分量和低频分量进行小波重构,并对小波重构后的图像进行非线性变换,解决图像泛灰问题。实验结果表明,该算法具有很强的噪声抑制能力,可有效提升图像亮度和对比度,使图像边缘保持性能和细节信息丰富度得到有效平衡,避免了图像出现光晕伪影、颜色失真等现象。     

一种改进的具有色彩保护的多尺度Retinex图像增强算法

针对图像增强存在的光晕伪影、颜色失真等问题,在MSRCP(Multi-Scale Retinex with Chromaticity Preservation)的基础上提出一种改进的多尺度Retinex图像增强算法。该算法首先计算原图像的强度图像;然后采用引导滤波对强度图像进行平滑处理,估计出照度分量,进而根据Retinex原理估计出反射分量;最后在颜色恢复函数中引入S型曲线函数得到最终的增强图像。实验结果表明,该算法可以有效解决光晕伪影现象,提高细节信息,使增强图像的整体色彩与原图一致,改善了图像整体的视觉效果。     

改进双边滤波和阈值函数的图像增强算法

针对基于单尺度Retinex算法产生的图像泛灰现象和光晕现象、基于双边滤波Retinex算法的泛灰现象及噪声放大现象。提出基于小波变换的改进双边滤波的Retinex图像增强算法和改进阈值函数去噪算法。该方法对图像进行小波分解,获得图像的低频和高频系数;采用改进双边滤波的Retinex算法对图像低频系数进行处理,采用改进阈值函数对高频系数进行处理;采用离散小波反变换得到增强后的重构图像;对重构图像进行分段性线性变换,增强图像对比度。实验结果表明,该方法避免了图像泛灰和光晕现象,并有效去除了噪声,细节丰富,对比度强,为图像后续处理奠定基础。     

图像引导滤波的局部多尺度Retinex算法

Retinex算法是一种用于消除由光照变化给图像所带来的负面影响的图像增强算法。该算法的求解通常需要基于入射分量分段光滑的假设,利用正则化的方法迭代求解,计算效率低。文中基于一项最近提出的研究——"图像引导滤波",提出一种非迭代的Retinex算法框架。基于反射分量也满足分段光滑的假设,采用两次图像引导滤波克服了图像噪声所带来的影响。然后在基于小波变换域图像融合策略的基础上,提出基于图像引导滤波的多尺度Retinex算法,实现图像细节增强与颜色保真之间的平衡。实验结果表明,与各种算法相比,该算法在克服噪声、细节增强和颜色保真方面能够取得更好的效果。     

改进单尺度Retinex的复杂光照人脸识别算法

在光照复杂条件下人脸识别性能明显下降。针对单尺度Retinex算法易产生"光晕"现象,提出一种改进单尺度Retinex算法的复杂光照人脸识别方法(ISSR)。首先利用拉普拉斯梯度算子增强光照人脸图像的边缘信息,然后在单尺度Retinex算法的基础引入符合人眼视觉特性的中心自适应调节拟合函数,以增强图像各个颜色分量,提高人脸图像对比度,最后采用Yale B和CMU-PIE人脸库进行仿真测试。结果表明,ISSR算法增强了人脸图像的对比度,改善了人脸图像的视觉效果,有助于提高人脸图像识别率和识别速度,能满足复杂光照条件下的人脸识别要求。     

综采工作面监控图像混合增强算法

针对单尺度Retinex算法会产生较严重纵向条纹噪声的问题,提出了一种混合图像增强算法。该算法利用模板去噪算法减少常规单尺度Retinex算法产生的纵向条纹噪声,并结合拉普拉斯算子增强图像细节,提高图像质量。采用实际综采工作面不同工况下的监控图像对该算法进行实验验证,结果表明,该算法具有图像清晰度高、对比度大与图像细节增强优的特点。     

改进Retinex算法对特殊环境下的车牌图像增强研究

针对特殊环境(雾天、傍晚)下车牌图像由于光线暗淡而使得识别效果明显下降的问题,提出一种使用改进的Retinex算法(五尺度Retinex算法)与幂函数和双边滤波相结合对特殊环境下的车牌图像进行增强的算法。首先用幂函数对雾天、傍晚环境下的车牌图像进行处理,再采用双边滤波处理,最后经过五尺度Retinex算法处理。与传统Retinex算法相比,所提出的算法取得了较好的对特殊环境下的车牌图像增强的效果,改善了车牌图像的视觉效果,并且处理时间较短,对现实生活具有可观的实际意义。     

融合边缘信息的单尺度Retinex海雾去除算法

鉴于海雾会造成无人艇视觉系统采集到的视频图像严重降质,进而影响无人艇的目标检测、跟踪以及识别,提出一种融合边缘信息的单尺度Retinex快速海雾去除算法.在传统单尺度Retinex去雾模型的基础上,结合引导滤波的思想,采用基于边缘信息的高斯滤波来估计亮度分量;再在求得的反射分量中引入原始强度分量来改善反射分量的估计,结合分段灰度变换扩展图像的对比度;最后进行色彩恢复来实现海雾的快速去除.与其他去雾算法进行对比,并从主客观2方面进行图像质量评价.仿真实验结果表明,该算法能有效地减少光晕和噪声,去雾速度快、保边效果好、去雾效果明显.     

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.