基于小波变换和颜色传递的水下图像融合方法

为了促进水下图像后续处理技术的发展及克服传统偏振图像融合方法的不足,提出一种基于小波变换和颜色传递的水下偏振图像融合方法。首先通过偏振图像提取各偏振参数图像、偏振度和偏振角图像,利用它们之间的互补性和冗余性,在小波域内去冗余并融合,然后将合成的近似非偏振图像作为参考,将其色彩信息传递给上述融合图像得到最终的融合结果。实验结果表明:该算法不仅具有较好的色彩表现力,而且还有利于目标的检测与识别。     

基于图像融合的低光照水下图像增强

水下机器人可用于水产养殖动态监测和水下拍摄,然而摄像机在水下抓拍的海洋图像呈现蓝绿色调、对比度低、细节模糊、亮度暗等问题,严重影响水下目标识别与检测的准确率。为此,本文提出了一种基于图像融合的低照度水下图像增强方法。首先,利用灰度世界算法对图像颜色进行校正,有效去除水下图像的蓝(绿)色基调;然后,对颜色校正后的图像分别进行锐化处理和HSV颜色空间下的亮度增强,分别得到细节增强图像和亮度增强图像;最后,将细节增强图像和亮度增强图像进行多尺度融合,得到最后的增强图像。实验结果表明,该算法不仅有效地解决了水下图像呈现蓝绿色的问题,而且增强了图像的整体亮度,使得细节更加清晰,提高了水下机器人的视觉感知能力。     

基于小波域的自适应多尺度图像融合

在小波变换的基础上提出了自适应图像融合算法,该方法通过自适应多尺寸窗的应用得到融合图像.最后分别对仿真图像和多聚焦图像进行了图像融合的实验并与其它几种算法进行了比较.结果表明,该算法对提高图像融合的质量有显著的优势,证明了算法的有效性和可行性.     

基于复数小波的相位自适应医学图像信号融合

小波变换具有方向选择性、正交性、可变的时频分辨率、可调整的局部和分析数据量小等优良特性,这些特性使得小波变换成为图像融合的强有力的工具和手段。本文采用复数小波融合医学图像信息,从而提高对图像的感性认识。该方法引入与基于医学图像信号相位特征相适应的加权图像信号集合体,运用图像信号的相位特征自适应地增强每幅图像信号间的信号融合过程中重要的解剖和功能特征。实验表明,与非适应性图像信号的融合方法相比较,该方法可有效改善解剖和功能特征视觉。     

基于新成像模型的水下图像增强

光在水中传播时会受到水体的吸收和散射作用,从而导致水下图像整体模糊、颜色失真。针对这些问题,提出一种基于新成像模型的水下图像增强算法,该模型是针对光照不均问题通过对典型的水下成像模型进行改进得出的。另外通过分通道处理,解决了暗原色先验不适用于水下图像的问题。最后在去除后向散射噪声的同时对图像颜色进行校正。实验对比结果表明,该方法能较为有效地解决后向散射噪声和颜色失真问题并适用于光照不均的情况。     

基于场景深度估计的自然光照水下图像增强方法

针对水下图像模糊、对比度低且色彩失真的问题,结合修正的水下成像模型,提出一种基于场景深度估计的自然光照水下图像增强方法.首先,依据自然光照条件下水下图像场景亮度与场景深度总体成正比的先验理论,对图像的亮度信息进行最小值滤波和软抠图处理以实现场景深度估计;然后,结合暗通道先验知识和场景深度信息进行离散像素点的后向散射分量估计,根据修正的水下成像模型来拟合和去除后向散射;最后,采用基于色适应的颜色校正方法对直接分量进行色偏校正,利用线性拉伸方法来提升图像的亮度和对比度.水下多场景条件下的实验结果表明,本文方法可有效地去除后向散射引起的雾样模糊,提高图像对比度并校正颜色偏差.     

基于颜色校正和去模糊的水下图像增强方法

由于光在水下传播时会出现吸收和散射的情况,水下图像往往存在色偏、对比度低、模糊、光照不均匀等问题.根据水下图像成像模型,人们在海底拍摄所获得的图像往往是退化的图像,而退化的图像不能完整地表达海洋场景信息,难以满足实际的应用需要.为此,文中提出了一种基于颜色校正和去模糊的水下图像增强方法.该方法有效融合了颜色校正和去模糊...     

基于区域性能的自适应遥感图像融合方法

为了把图像的融合效果评价信息加入到融合规则的选取过程当中,针对合成孔径雷达和可见光两种常见的遥感图像,提出了一种基于区域性能的自适应融合方法。该方法首先利用平滑滤波抑制SAR图像斑点噪声,再分别对源图像作小波分解。融合图像的低频系数由一组区域性能评价参量按隶属度控制规则自适应调节得到;高频系数则直接采用可见光图像的高频系数,对新的低频和高频系数实施小波反变换即可得到融合图像。实验结果表明该方法能够取得很好的融合效果。     

一种新型小波图像融合的水下目标增强算法

针对水下图像存在色偏、清晰度低和边缘细节不足的问题,提出了一种新的水下图像增强算法。首先,以颜色校正的方式改进了一种基于暗通道先验(DCP)的水上图像增强方法,使其可以更好地用于水下图像,并将增强后的图像作为图像融合的一个输入。然后,利用非锐化掩蔽(USM)增强图像的纹理特征,并将再次增强的图像作为图像融合的另一个输入。最后,采用小波融合的方式对以上两个输入图像进行融合,进一步提升图像质量。与其他方法的比较结果表明,利用所提方法增强的图像具有更自然的外观、更高的清晰度、更多的细节和边缘信息,所提方法对水下图像有良好的增强效果。     

基于小波变换的自适应多聚焦图像融合算法

针对BURT法中阈值固定、与图像的不确定性较少关联的弊端,设计了一种基于小波变换的自适应融合算法.该算法运用小波变换对多聚焦图像进行分解,利用源图像的匹配度作为自适应阈值进行判别,再做相应的最大选取以及加权平均,最终通过小波逆变换得到融合图像.实验结果表明,该方法能够获得具有更丰富的信息量以及更高的清晰度的融合图像.     

基于人工欠曝光融合和白平衡技术的水下图像增强算法

获得清晰准确的水下图像是人类探索水下世界的重要前置条件。然而与平常图像相比,水下图像往往具有对比度低、细节保留不足及颜色失真等问题,这导致其视觉效果不佳。针对上述问题,提出了基于人工欠曝光融合和白平衡技术（AUF+WB）的水下图像增强算法。首先,利用调节伽马值的方式对原始水下图像进行操作,从而生成5幅相应的欠曝光图像;然后,以对比度、饱和度及良好曝光度作为融合权重,并结合多尺度融合来生成融合图像;最后,将各类颜色通道补偿后的图像分别结合灰色世界假设白平衡生成相应的白平衡图像,再利用水下彩色图像质量评价指标（UCIQE）及水下图像质量评价标准（UIQM）对得到的白平衡图像进行评价。通过选取不同类型的水下图像作为实验样本,将AUF+WB算法与现存先进的水下图像去雾算法进行比较,结果表明AUF+WB算法在图像质量定性、定量两方面分析中和对比算法相比均有更好的表现。所提出的AUF+WB算法可矫正水下图像的颜色失真,并增强其对比度、恢复其细节,有效提升了水下图像的视觉质量。     

基于域滤波的自适应Retinex图像增强

为了提高低照度图像的亮度和对比度,提出了一种新的基于Retinex理论的彩色图像增强方法。首先,基于Retinex理论,提出对HSV空间V分量进行域滤波估计图像光照分量,然后将V分量与光照分量相除得到反射分量的方法。之后,采用自适应Gamma校正对光照分量进行亮度提升,然后采用CLAHE对其进行对比度增强。最后,将亮度校正光照分量与反射分量相乘得到增强后的V分量,并将增强后的图像转化为RGB空间图像,达到彩色图像增强的目的。本算法可以获得更自然的增强效果,能抑制亮度较大像素点的增强,很好地突出图像中的细节信息,克服了图像增强中增强图像对比度低、颜色失真、过增强及光照突变处出现光晕现象等缺点。本算法对多种图像有效,例如高动态(HDR)图像、非均匀光照图像及低曝光图像。通过验证,本算法得到的结果相比于传统方法视觉效果更佳。     

Multi-exposure image fusion via deep perceptual enhancement

Due to the huge gap between the high dynamic range of natural scenes and the limited (low) range of consumer-grade cameras, a single-shot image can hardly record all the information of a scene. Multi-exposure image fusion (MEF) has been an effective way to solve this problem by integrating multiple shots with different exposures, which is in nature an enhancement problem. During fusion, two perceptual factors including the informativeness and the visual realism should be concerned simultaneously. To achieve the goal, this paper presents a deep perceptual enhancement network for MEF, termed as DPE-MEF. Specifically, the proposed DPE-MEF contains two modules, one of which responds to gather content details from inputs while the other takes care of color mapping/correction for final results. Both extensive experimental results and ablation studies are conducted to show the efficacy of our design, and demonstrate its superiority over other state-of-the-art alternatives both quantitatively and qualitatively. We also verify the flexibility of the proposed strategy on improving the exposure quality of single images. Moreover, our DPE-MEF can fuse 720p images in more than 60 pairs per second on an Nvidia 2080Ti GPU, making it attractive for practical use. Our code is available at https://github.com/dongdong4fei/DPE-MEF.     

基于小波融合的射线图像增强算法*

提出一种基于小波融合的射线图像增强算法,利用射线成像的特点,对射线成像系统采集信号作分段灰度变换,将变换得到的多幅图像利用小波变换进行图像融合,以增强射线图像的显示效果。融合中采用低频图像的小波系数均值作为融合后的低频系数,高频图像根据梯度和一致性检测确定融合规则,调整高频小波系数大小,很好地将来自不同图像的特征与细节融合在一起,并对融合图像质量进行了对比评价。实验结果表明,这种方法能够在保留图像微小细节方面获得满意的结果,且优于传统的射线图像增强方法。     

Underwater image enhancement by maximum-likelihood based adaptive color correction and robust scattering removal

Underwater images often exhibit severe color deviations and degraded visibility, which limits many practical applications in ocean engineering. Although extensive research has been conducted into underwater image enhancement, little of which demonstrates the significant robustness and generalization for diverse real-world underwater scenes. In this paper, we propose an adaptive color correction algorithm based on the maximum likelihood estimation of Gaussian parameters, which effectively removes color casts of a variety of underwater images. A novel algorithm using weighted combination of gradient maps in HSV color space and absolute difference of intensity for accurate background light estimation is proposed, which circumvents the influence of white or bright regions that challenges existing physical model-based methods. To enhance contrast of resultant images, a piece-wise affine transform is applied to the transmission map estimated via background light differential. Finally, with the estimated background light and transmission map, the scene radiance is recovered by addressing an inverse problem of image formation model. Extensive experiments reveal that our results are characterized by natural appearance and genuine color, and our method achieves competitive performance with the state-of-the-art methods in terms of objective evaluation metrics, which further validates the better robustness and higher generalization ability of our enhancement model.     

基于小波分解的图像融合算法的改进

分析了基于小波分解及局部区域能量的图像融合算法的优缺点,并针对该算法对存在局部噪声的图像以及局部噪声和局部模糊并存的图像融合效果不理想的问题,提出了改进算法.新算法利用中值滤波判断出的噪声点,小波分解后得到高频分量上得到噪声区域,对噪声区域及非噪声区域采用不同的融合规则,很好地弥补了原算法的缺陷.实验证实,改进算法对不同类型的图像具有较好的适应性和鲁棒性,有实用价值.     

指纹图像融合迭代增强

从刑事现场采集的嫌疑人的指纹图像常是低质量的、残缺的,针对现有方法只做一次增强或不适合增强这类指纹图像,提出了指纹图像融合迭代增强方法。该方法分别在频域和空域两次增强,并采用小波图像融合技术进行迭代增强,有效地提高了脊线的清晰度,接续了脊线的断裂,修补了脊线的残缺。实验结果表明,该算法具有良好的指纹图像增强效果,适合增强低质量的指纹图像。     

基于双树复小波变换彩色多聚焦图像融合方法

针对离散小波变换图像融合算法在特征表达上存在的不足,将双树复数小波变换引入到彩色多聚焦图像融合中。对彩色图像的三个通道分别进行融合处理,并采用基于多测度的融合策略：各通道小波变换后低频子带采用区域清晰度的方法;高频子带采用区域标准差的方法。融合效果评价除使用传统方法的熵、交叉熵外,还使用了通用的主观与客观相结合的方法。通过对实验结果的主客观性能分析,验证了该方法得到的融合图像效果较好,优于离散小波变换融合算法。     

Natural-based underwater image color enhancement through fusion of swarm-intelligence algorithm

Underwater imagery suffers from severe effects due to selective attenuation and scattering effects when light travels through water medium. Such damages limit the ability of vision tasks and reduce image quality. There are a lot of enhancement methods to improve the quality of underwater image. However, most of the methods produce distortion effects in the output images. The proposed natural-based underwater image color enhancement (NUCE) method consists of four steps. The first step introduces a new approach to neutralize underwater color cast. The inferior color channels are enhanced based on gain factors, which are calculated by considering the differences between the superior and inferior color channels. In the second step, the dual-intensity images fusion based on average of mean and median values is proposed to produce lower-stretched and upper-stretched histograms. The composition between these histograms improves the image contrast significantly. Next, the swarm-intelligence based mean equalization is proposed to improve the naturalness of the output image. Through the fusion of swarm intelligence algorithm, the mean values of inferior color channels are adjusted to be closed to the mean value of superior color channel. Lastly, the unsharp masking technique is applied to sharpen the overall image. Experiments on underwater images that are captured under various conditions indicate that the proposed NUCE method produces better output image quality, while significantly overcoming other state-of-the-art methods.     

水下图像增强和复原方法研究进展

目的 近年来随着水下图像/视频在海洋军事、海洋环境保护和海洋工程等科研和工业领域扮演越来越重要的角色,水下图像增强和复原作为关键技术之一,越来越多地成为研究的热点和难点问题。目前有关水下图像增强和复原方法研究进展的综述论文在国内外相对较少,为使即将进入该研究领域的学者比较全面地了解该领域的研究现状,促进该领域的快速发展,本文对其系统综述。方法 在广泛调研大量文献的基础上,按照是否基于物理模型对已有方法进行分类讨论,对其基本思想、方法特点、实验方法进行归纳和总结,其中对典型的方法进行具体介绍和分析。同时,介绍了水下图像质量的评测体系,针对典型方法的处理结果进行定性和定量的评测。进而,总结该研究领域目前存在的不足,展望未来可能的发展方向。结果 总结了水下图像退化的原因、水下图像增强和复原所采用的主要技术和方法、水下图像质量评测体系的发展历程,给出了亟待解决的问题,展望了未来的发展方向。结论 作为新兴的研究领域,水下图像增强和复原在工业界和学术界都具有广阔的应用前景和研究价值,但针对目前存在的一些局限性还需要进一步深入研究。