基于LIP模型的低照度彩色图像增强新算法

针对低照度彩色图像色彩偏暗的问题,提出一种色彩恢复的彩色图像增强方法。该算法首先将RGB彩色图像转换到HSV彩色空间,利用对数图像增强模型(Logarithmic Image Processing,LIP)对彩色图像的亮度分量进行非线性增强,其次利用正弦隶属函数将图像亮度分量由空间域映射到模糊域,并采用Pal增强算子对隶属函数值进行修正实现亮度分量再次增强。实验结果表明,新算法可以提高图像的整体对比度,增强图像细节,与人眼视觉相符合。     

基于清晰度的彩色图像量子增强算法

针对信息熵不能客观地反映图像清晰程度的不足,提出一种基于图像清晰度的量子增强算法。该方法首先将一幅由RGB空间表示的彩色图像转换为由HSV空间表示,其次根据相关灰度阈值函数对其亮度分量进行归一化处理,并采用量子衍生增强算法对其进行增强,在此基础上采用清晰度评价函数自适应确定本算法的灰度阈值参数,最后将增强后的HSV空间表示的图像还原为一幅新的RGB空间表示的彩色图像。实验结果表明,基于清晰度评价的彩色图像增强算法较信息熵函数准则有更好的图像增强效果。     

基于金字塔连接算法的彩色图像分割

根据金字塔连接算法的特性，提出一种彩色图像自动分割算法。根据HSV颜色空间颜色和亮度无关，将彩色图像从RGB空间变换到HSV空间，然后用基于金字塔的图像分割算法对色调、饱和度和亮度3个分量进行分割．通过合并得到最终分割结果．试验表明，这是一种计算高效的自动分割算法，     

结合人眼视觉特性和模糊集理论的彩色图像增强

针对不均匀光照或低照度的彩色图像对比度低的问题,提出一种结合人眼视觉特性的全局亮度调节和局部对比度增强的方法. 首先,将已有的RGB图像转换到HSV彩色空间,根据人眼视觉特性,自适应生成算法参数,非线性调节图像全局亮度和动态范围,提高图像亮度的整体水平; 然后,结合模糊集理论增强算法特性,建立局部对比度隶属度函数,非线性调整图像的局部对比度细节信息; 最后,将增强后的图像由HSV空间转换回RGB空间,完成彩色空间恢复. 实验表明,该方法能够有效地增强低照度图像的全局亮度和局部对比度,提升低照度图像的视见度.     

基于双直方图均衡化的彩色图像增强

在彩色图像增强中,为了保留更多图像细节,提出一种基于HSV色彩空间的彩色图像增强算法。通过引入一种新的累积分布函数,改进双直方图均衡化算法,用以对色彩空间转换分离后的亮度分量实施均衡化,并保持原图像色调和饱和度不变,再将经过处理后的HSV图像还原回RGB图像得到最终结果。以边缘检测为客观标准,肉眼感知为主观标准,分析该方法的有效性,并与现有的方法相比得知,所给方法可在实现图像增强的同时保持图像的细节信息。     

基于HSV空间的彩色图像直方图检索技术

传统彩色图像的直方图检索技术基于RGB空间,但研究发现,RGB空间不符合人眼的视觉感应。因此本文提出的算法是在HSV空间上计算彩色图像的三维直方图,通过非均匀的划分三个分量色相H（Hue）、饱和度S（Saturation）和亮度V（Value）的采样区间,得到不同的检索结果。实验结果分析表明,在HSV空间,不同的分量在不同类型的图像中的作用是不一致的。     

基于色彩空间和小波分析的多聚焦彩色图像融合

分别基于RGB、HSV和YIQ三种色彩空间,对多聚焦彩色图像融合进行了大量的研究.在实验中,基于RGB色彩空间时,将图像分解为R分量,G分量,B分量,分别在各个颜色分量上进行小波分解,然后在小波变换域上对所有图像的各个颜色分量的小波分解系数运用加权平均的融合规则,最后做小波反变换得到融合图像.而基于HSV或YIQ色彩空间时,首先要把多聚焦彩色图像转换到HSV或者YIQ色彩空间,然后运用与RGB色彩空间相同的融合方法,最后做小波反变换和色彩空间反变换得到融合图像,实验结果证明,小波分析在多聚焦彩色图像的融合中依然能发挥极好的作用,基于HSV色彩空间的多聚焦彩色图像融合会出现颜色失真,基于RGB和YIQ色彩空间都能取得很好的融合效果,相比之下,基于YIQ色彩空间更能取得较好的融合效果.     

基于同态滤波的彩色图像光照补偿方法

为了消除光照对彩色图像的影响,提出了一种基于同态滤波的光照补偿方法。在频域内采用同态滤波对图像进行处理,然后将巴特沃斯高通滤波传递函数引入同态滤波器中,设计出一种新的动态巴特沃斯同态滤波器,增强图像在YIQ色彩空间中的亮度分量,并保持图像色度分量不变。在增加图像高频分量的同时,削减低频分量,弥补由光照不足引起的图像质量下降,最终实现对图像的光照补偿。实验结果表明,该方法在弱化光照影响,提高图像质量方面具有良好的性能,是一种比传统高斯高通滤波和直方图均衡更有效的彩色图像光照补偿方法。     

结合MCA与Retinex算法的低照度图像增强方法

针对低照度条件下获取的图像存在可见光照度低、噪声大等问题,提出了一种基于形态成分分析(MCA)和Retinex算法结合的低照度图像增强方法。首先,将低照度图像转换到HSV色彩空间,接着采用MCA将V分量分解为纹理和平滑部分;其次对平滑部分采用基于改进的多尺度Retinex算法和自适应全局色调映射进行增强,对纹理部分进行维纳滤波去噪后再进行Laplace算子锐化;然后MCA重建得到亮度增强图像,将其与H、S分量合并且转换到RGB色彩空间;最后采用自适应函数恢复色彩得到最终增强图像。实验结果表明,该算法能够有效改善低照度图像质量,提高图像亮度,更好地保留边缘、细节纹理和抑制噪声。     

一种RGB模型彩色图像增强方法

为了研究基于全参考图像的RGB模型彩色图像增强方法及其质量的客观评价方法,依据RGB模型彩色图像分解后得到的颜色分量具有相关性的理论,应用基于点处理的灰度图像的灰度变换理论,提出了基于像素值区间变换系数相同的和基于分量的变换系数比例一致的图像增强算法.实验结果表明,提出的算法均可用于一定目的的RGB模型彩色图像的增强,由给出一组基于误差的单位像素的增强质量的客观评价的计算公式计算出的数据可用于彩色图像的增强质量的客观评价,且与彩色图像的增强效果的主观质量评价结果是一致的,可用于彩色图像增强质量的评价.