基于路径的Retinex算法在红外图像增强中的应用

为了方便红外目标的检测、识别等后续处理,针对传统红外图像增强算法存在的图像细节增强能力差,视觉效果模糊的问题,提出一种基于Retinex理论的红外图像增强算法.该算法利用固定路径获取反射分量的方法,对整体偏暗的红外图像目标进行增强处理.仿真结果表明,该方法比单尺度Retinex和多尺度Retinex算法更能增强红外图像的细节信息,有效改善虹外图像的视觉效果.     

基于多尺度Retinex算法的遥感图像增强

遥感图像增强是对遥感图像进行后继处理的必要步骤且在遥感图像的处理中占有独特的地位.当前,有很多图像增强方法被应用到遥感图像的增强当中,文中引入Retinex增强算法,该算法可以实现对图像进行自适应的增强处理.为了使Retinex算法更具有普遍性和自适应性,采用多尺度Retinex算法对图像进行增强.多尺度Retinex算法即结合多个尺度上的单Retinex算法,因而可以进一步提高Retinex算法的自适应能力和对图像的增强效果.应用小波变换方法和多尺度Retinex算法对遥感图像进行增强对比实验,实验结果表明多尺度Retinex算法在遥感图像的增强方面具有优越性,并且可以取得令人满意的增强效果.     

基于照度分割的局部多尺度Retinex算法

针对现有多尺度Retinex图像增强算法采用线性加权的方法来综合各个单尺度Retinex增强效果,不能很好地体现出各个尺度在色彩保真和细节增强上的特点与优势,本文提出一种新的基于照度分割的局部多尺度Retinex图像增强算法.该算法首先通过引入带参数的LIP模型将图像分解成四个照度区域,然后对各区域根据照度的差异采用相应尺度的Retinex算法进行增强,最后通过基于面积的比例因子对各增强后子图进行照度融合,实现图像增强.实验结果表明,与现有多尺度Retinex算法相比,本文算法在图像亮度保持和细节增强上,处理效果较好,在色彩方面也有较好的效果.     

改进直方图均衡和Retinex算法在灰度图像增强中的应用

为了提高光照条件变化下的图像增强效果,提出一种改进直方图均衡和Retinex算法的图像增强方法。对于待增强灰度图像,通过理想低通滤波获得图像低频分量,采用改进直方图均衡进行动态范围优化,利用引导图像滤波代替Retinex算法的高斯滤波对图像的高频分量进行估计,并对估计的结果进行线性放大处理。实验结果表明,相对单尺度和多尺度Retinex算法以及改进的直方图均衡化算法,本文方法从主观和客观评价方面都获得了更好的图像增强效果,有效提高了图像的视觉效果和可懂度,并具有较强的鲁棒性。     

多尺度Retinex和双边滤波相融合的图像增强算法

为了获得更加理想的图像增强效果,针对Retinex算法存在的“光晕伪影”现象,提出了一种多尺度Retinex和双边滤波相融合的图像增强算法.首先对多尺度Retinex算法的对数函数进行改进,拓宽图像的灰度范围,然后采用双边滤波算法对图像反射分量进行处理,消除光照变化不利影响,提高图像的对比度和清晰程度,最后采用伽玛函数对图像亮度进行校正,保持图像细节信息.实验结果表明,无论是主观视觉效果和客观质量,本文算法的性能均要优于多尺度Retinex算法,可以有效消除“光晕伪影”现象.     

基于自适应尺度因子的Retinex红外图像增强算法

通过总结红外图像增强算法应该具有的基本特征,在分析了基于Retinex理论的图像增强算法中的尺度因子的作用后,提出了基于自适应尺度因子的Retinex红外图像增强算法,不仅改善了红外图像的整体效果,还使动态范围压缩与细节增强的效果达到最优。在仿真验证实验中,不论从主观评测还是统计数据上,该方法都被证明了有效性。     

基于Retinex的一种图像去雾算法

由于中心环绕Retinex图像增强算法尺度的选择有限,不能在对有雾天气下采集的图像进行有效去雾的同时增强其细节,提出一种基于Retinex算法的曲波变换图像增强算法.首先,根据Retinex算法,先用高斯函数估计出图像的入射分量,再通过Retinex算法将图像的反射分量得出,然后利用曲波变换的多尺度特性将反射分量进行子带分解,对高频子带采用自动变换阈值处理,对低频子带采用线性拉伸,增强其对比度,最后将曲波系数进行合成,得出处理后的图像.实验结果表明,用该方法对雾天图像处理后,图像的纹理细节更清晰,信噪比和信息熵明显提高,视觉效果改善,失真度显著减小.     

基于FPGA的背光图像校正系统设计

文章结合了OTSU算法和多尺度Retinex算法,在FPGA平台上设计完成了一个实时的背光图像处理系统。Retinex算法是一种广泛使用的图像增强的算法,但是受限于其复杂的运算在硬件上却没有得到很好推广。文章利用查表法和流水线的方法解决多尺度Retinex算法中的复杂运算,使其适合在FPGA上运行。Retinex算法处理的图像会存在局部增强过度颜色失真的问题,针对这一问题文章采用OTSU算法将图像分割,然后对亮部和暗部分别处理,最后再对处理后的结果融合。     

多尺度细节增强与自适应γ变换的图像增强

针对现有图像增强方法未能适宜地提升图像的亮度、对比度，以及保持图像自然效果的问题，提出了多尺度细节增强与自适应γ变换的图像增强方法。该方法根据多尺度的纹理结构和边缘细节特征，用引导滤波对图像进行多尺度的Retinex分解，分解为多尺度的细节层和最后的基础层；对基础层做自适应的γ拉伸，实现图像亮度和对比度的有效增强，对细节层进行多尺度的拉普拉斯增强；将增强的基础层与增强的细节层进行多尺度的Retinex反变换，实现原图像的增强。图像增强实验结果显示，相对于当前的部分最新方法，所提方法的图像增强性能更好，图像增强后的信息熵和平均梯度分别比现有的方法提升大约1.2和2.8。     

城市航空影像中基于模糊Retinex的阴影消除

城市航空影像中,高大建筑物形成的阴影影响了影像视觉效果,也给物体识别造成了困难,有必要对其进行补偿和消除.本文针对Retinex图像增强算法的不足,提出了一种模糊Retinex算法.模糊Retinex使中心环绕空间对比运算仅在光照强度相近的区域中进行,增强了Retinex在光照强度变化较大的场景中的鲁棒性.基于影像阴影区域、非阴影区域的模糊划分,该算法在保持原影像自然色彩的前提下补偿和消除了阴影的不良影响.实验表明该方法取得了较好的效果,丰富了Retinex的研究和应用范围.     

一种自适应尺度的MSR图像增强方法

针对传统多尺度Retinex增强算法不能有效增强图像不同尺度的细节特征问题,提出了一种自适应尺度的MSR增强算法,利用HSI空间中的亮度分量方差值自适应确定滤波器尺寸,在增大图像对比度、突出图像细节特征的同时保持了图像色彩的稳定性,对光照不均匀图像取得了较好的增强效果。     

多尺度Retinex图像增强应用中的彩色空间选择

研究了基于Retinex理论的图像增强算法,介绍了图像和视频处理中常用的RGB、HSV、YIQ、YCbCr和 Lab 5种颜色空间,给出了均方误差(MSE)、峰值信噪比(PSNR)、信息熵、彩色增强因子(CEF)和结构相似度(SSIM)5个图像质量评价指标的计算公式,并用这5个指标评价了CLAHE算法在5种颜色空间上的增强效果.实验结果表明,相比于其它4种颜色空间,多尺度Retinex算法在HSV颜色空间上取得了最好的增强效果.     

一种基于Retinex理论的彩色图像增强算法

在分析Retinex理论及其经典算法的基础上,提出一种新的彩色图像增强算法。该方法在保持增强图像高频成分的同时,很好地保留了图像的部分低频成分,并根据Gray World理论,引入动态参数,提高了图像的动态范围。实验结果表明,用所提算法能有效增强彩色图像。     

自适应HSV空间Retinex煤矿监控图像增强算法

针对煤矿井下的监控图像由于粉尘、煤尘、低照度或点光源等光照的影响,而整体阴暗模糊,对比度低,背景噪声强,视觉效果不理想的问题,提出一种改进的HSV(Hue,Saturation,Value)空间的颜色可恢复的多尺度Retinex(Muhi-Scale Ret-inex,MSR)的图像增强算法.该算法先将图像从RGB空间转换到HSV空间,以确保后续图像增强处理不会影响图像的色彩效果;然后利用提出的自适应的高斯核函数分离亮度分量V的照度分量和反射分量,再利用自适应的增益系数对反射分量进行增强处理,获得不受光照影响的、增强的反射图像;最后将反射图像逆变换回RGB空间,再利用优化的颜色恢复函数对增强的图像进行颜色修正,从而改善图像的全局视觉效果和局部对比度.实验表明该方法能有效提高煤矿井下监控图像的对比度和亮度,抑制背景噪声,从而大大改善煤矿井下监控图像的视觉效果,且很好地实现了参数自适应,减少了人为因素对结果的影响.     

尺度变化的Retinex红外图像增强

经典Retinex模型增强算法采用固定尺度高斯核平滑滤波,导致单一尺度Retinex无法进行全局有效增强,而多尺度Retinex权重系数选取困难,二者均不能满足视觉要求。针对以上问题,基于人眼视觉掩盖效应提出一种尺度变化高斯核平滑滤波的Retinex算法。首先利用人眼视觉掩盖效应的屏蔽函数检测像素邻域空间细节,依据像素区域细节信息丰富程度设计出尺度变化的高斯平滑滤波器,实现照度估计,最后对尺度变化高斯平滑滤波器实现提出实用方法。实验证明本文算法有效提高红外图像对比度,增强细节信息,在主观视觉效果和客观评价指标上整体优于修正对比度限制直方图均衡算法、单尺度Retinex、多尺度Retinex及平稳小波和Retinex增强算法。     

基于Retinex的低照度图像增强

Retinex理论是颜色恒常知觉的计算理论,可以用于图像清晰度严重失真状况下的图像增强.在研究Retinex算法的基础上,对低照度彩色图像失真中色彩恢复存在的问题进行研究,构建了一个恢复效果较好的色彩恢复函数——余弦色彩恢复函数.给出了处理后图像的自动补偿/增益方法以及补偿/增益中参数实际选取的经验值.对处理后的图像进行了质量评价分析,表明该恢复函数在处理低照度图像时具有较明显的改善效果.     

基于全变分Retinex及梯度域雾天图像增强算法

为提高雾天图像增强的对比度并保持颜色恒常性,提出了基于全变分Retinex及梯度域雾天图像增强算法。首先,采用高斯—赛德尔GS（Gauss-Seidel）迭代算法对基于Retinex的全变分能量泛函数进行求解,从而有效地保持颜色恒常性;其次,采用相对梯度与绝对梯度相结合的方式拉伸雾天图像较亮处的梯度, 在全变分Retinex理论下重建增强后的雾天图像,并将该增强算法应用到彩色图像;最后,加权融合基于全变分Retinex增强算法与梯度域增强算法的增强结果,使得增强结果既能提高对比度又能保持色彩恒常性。实验结果表明,本算法提高了雾天图像增强后的对比度和清晰度,具有颜色恒常性、颜色保真高等特性。     

一种结合单尺度Retinex与引导滤波的红外图像增强方法

针对传统红外图像增强算法中图像对比度低、细节信息丢失与过度增强等问题,提出了一种单尺度Retinex与引导滤波相联合的红外图像增强方法。首先根据Retinex算法,利用主特征提取法获取原始图像的照射分量和反射分量,对照射分量采用平台直方图增强其对比度;然后利用局部方差加权引导滤波将反射分量分解为基本层和细节层,对两层分量的图像分别进行对比度和细节增强操作;最后将各个层次的结果按照合适的权重因子进行融合得到增强红外图像。实验结果表明,相比于其他增强算法,本文所提方法能更有效地提高红外图像的整体对比度,突出其细节特征,增强后的3组图像的信息熵和平均梯度平均值分别为9.7373和5.6922,相较于原图像分别提升了2.7499和3.8296。