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。     

基于同态滤波的彩色图像增强

给出一种基于同态滤波的彩色图像增强算法。引入新的传递函数,改进同态滤波算法,用以增强低照度彩色图像的RGB各分量;将RGB图像转换到HSV彩色空间,保持色度和饱和度不变,利用对比度受限自适应直方图均衡法对亮度分量进行变换和分段线性拉伸;将HSV图像还原为RGB图像,得到增强图像。仿真结果显示,所给算法在提升图像亮度的同时,能够增强图像细节。     

基于色彩空间与小波变换的图像融合

讨论了色彩空间模型分别与小波变换相结合的图像融合方法:基于RGB色彩空间模型与小波变换的图像融合法和基于IHS色彩空间模型与小波变换的图像融合法,并且在此基础上提出了一种基于HSV色彩空间模型与小波变换的图像融合法.经实验分析和对比,基于HSV色彩空间模型与小波变换的图像融合法除了能较好地保持细节纹理信息外,在光谱信息的保持方面要明显优于其他两种方法.     

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。     

具有颜色保真性的彩色眼底图像增强方法

为了改善彩色眼底图像增强后颜色失真及采集过程所造成的对比度低、细节信息模糊甚至细节丢失的问题,提出一种兼顾颜色保真、亮度增强和细节增强相匹配的眼底图像增强方法.首先将RGB空间的眼底图像转换到HSV空间进行基于亮度的自适应幂律变换,以解决眼底图像亮度的平衡问题.其次,在Lab颜色空间中采用受限直方图均衡化方法提高眼底图...     

一种结合直方图均衡化和MSRCR的图像增强新算法

为便于集成电路(IC)真实缺陷形貌图的缺陷特征提取,提出了一种结合直方图均衡化(HE)和多尺度Retinex彩色恢复(MSRCR)算法的彩色图像增强新算法．用直方图均衡化对彩色图像进行增强,可以显著提高对比度,但会降低原图的信息熵;用Retinex算法对彩色图像进行增强,可以显著提高暗区域的细节,但会产生泛白、颜色失真和对比度低的现象．新算法根据两种算法处理结果的特点,将图像先分别进行HE增强和MSRCR增强,然后按照一定的图像融合规则进行加权融合,经过大量的测试统计,得到了一个最佳权重．实验证明,改进的算法使图像的亮度、对比度、细节等都有很大的增强,不仅改善了图像的整体视觉效果,而且得到了最大的信息熵,能更好地刻画IC缺陷细节,有利于后续的目标检测和缺陷特征提取,并验证了算法的通用性．     

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.     

Retinex模型下基于融合策略的雾霾图像增强

针对现有Retinex算法处理后的图像达不到色彩与细节同时增强的效果,且细节增强的同时易产生光晕,出现噪声放大、色彩失真等情况,提出了一种Retinex模型下基于融合策略的雾霾图像增强算法。该算法首先在HSV空间实现色彩增强,根据亮度分量,获取无色彩失真的反射分量,再通过修正照度分量,得到改进的Retinex模型;然后在RGB空间,采用快速双边滤波器来保留图像细节,在获得反射分量的基础上,引入原图部分和色彩恢复因子,实现细节增强;最后,在RGB色彩空间对处理后的图像加权融合,得到增强后的去雾图像。通过本文算法和现有算法对雾天图像进行去雾处理,得到不同的去雾结果。本文算法得到的去雾图像增加了细节信息,没有出现明显的颜色失真和光晕现象,处理后图像的信息熵提高。本文算法具有更短的运算时间,具有良好的可操作性。根据实验结果以及评价标准,本文算法能够在减少色彩失真的基础上,达到细节增强的良好效果。     

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.     

基于自适应矢量参数的彩色图像梯度计算方法

由于灰度图像梯度计算方法难以直接推广到彩色图像梯度计算中,提出了一种基于自适应矢量参数的彩色图像梯度计算方法。该方法在HSV彩色空间内利用空间矢量求导方法计算彩色图像梯度,并结合彩色图像直方图均方误差得到HSV三分量的矢量参数,从而实现基于自适应矢量参数的彩色图像梯度计算方法。该方法解决了传统彩色图像梯度计算方法难以获取图像的细节梯度信息的问题,以及现有的彩色图像梯度计算方法不够稳定,普适性差的问题。实验结果表明,针对多种不同类型的彩色图像,该方法均能得到较好的梯度图像,较传统的方法获得更多的图像细节。