低照度视频图像增强算法综述

图像传感器在光照不足的环境下成像,会造成视频图像噪声大、对比度低、大量细节信息无法表现等问题,这些不足严重影响人们对视频图像内容的判读和理解。分析了低照度视频图像的不足,总结了近年来针对这些不足提出的有代表性的一些低照度视频图像增强策略及它们的衍生算法。根据这些算法的亮度增强原理将它们分为基于色调映射、背景融合、模型、直方图等几大类,并对比分析了它们各自的适用场合、算法优势、局限性等。     

一种改进的色彩保持低照度图像增强方法

针对现有低照度图像增强方法恢复结果存在的色彩失真问题,采用原用于图像去雾领域的暗通道先验方法,提出了一种基于暗通道先验的低照度图像增强方法．通过提取图像的暗通道信息来获得对应场景的光照强度分布图;针对暗通道先验原理导致的白色像素区域暗通道数值计算错误的问题,提出了一种通过计算像素的RGB三通道数值差值来判定错误区域方法,并给出了具体的错误修正方法;为了消除暗通道先验产生的块效应,对修改后的光照强度分布图进行平滑;基于图像每个像素点光照强度与标准光照强度的比例关系对原图像的RGB三通道进行放大,实现色彩保持的图像增强;与现有方法进行实验对比分析,从恢复结果的色彩失真情况以及峰值信噪比等方面验证了所提方法的有效性．     

受生物视觉启发的无人机航拍低照度图像增强算法

针对无人机航拍低照度图像存在亮度低、噪声大、细节不明显等问题,受人类视觉系统中的双路径模型启发,提出一种双路径模型的无人机航拍低照度图像增强算法。构建了一种基于残差单元的U-Net网络将图像分解为结构通路和细节通路;提出了一种改进的生成对抗网络对结构通路进行增强处理,并添加边缘增强模块来增强图像的边缘信息;在细节通路中采取噪声抑制策略减少噪声对图像的影响;融合2条路径的输出得到增强后的图像。实验结果表明,新算法提高了图像的亮度和细节信息,客观评价指标上优于其他对比算法。此外,还验证了所提算法对低照度条件下目标检测算法的影响,实验结果表明,新算法能够有效提升目标检测算法的性能。     

实时低照度彩色图像增强方法研究

视频监控系统在光线不足的环境下容易导致视频模糊,图像不清晰,为了实现更好的图像效果,提出一种实时低照度彩色图像增强方法,通过色彩空间转换、直方图均衡处理和线性变换等方法,对低照度的彩色视频图像进行实时增强处理,扩展图像动态范围,提高对比度,提高视频图像的可视效果。     

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。     

基于生成对抗网络的低光照图像增强算法

传统的基于深度学习的方法在低照度图像增强中已经有比较好的发挥,但是这些方法通常需要成对的数据集进行训练,而相对应的数据集正是目前难以收集的。目前的增强方法在真实的低照度图像增强中也会产生增强效果不完美和出现图像噪声等问题。针对这些问题,设计了无监督生成对抗网络,使其可以不用配对训练数据集进行训练,并且把网络分解为注意力机制网络和增强网络2个子网络。通过注意力机制网络把低照度图像中的低光区域和亮光区域区分开,并使用残差增强网络结合全局局部判别器,对图像进行增强。实验结果表明,本文的方法在低光照图像增强方面优于Enlighten-GAN、Cycle-GAN等方法。     

低照度下平面图像舒适色度范围测定方法

为提升低照度条件下图像的视觉效果,提出了一种新的平面图像舒适色度范围测定方法。建立低照度平面图像增强去噪模型,通过联合双边过滤算法求解该模型后,结合熵值图像补偿方法,补偿增强去噪后低照度平面图像细节,将处理完成图像的颜色空间由RGB转化为HSV,并区分图像色度H中的显著与非显著部分,经显著部分左右视图色度转化后,通过主观评分平面显著图,完成低照度平面图像舒适色度范围测定。实验结果表明：所提方法增强去噪后的低照度图像更加清晰、减轻了模糊现象,可实现平面图像的舒适色度范围测定,且测定误差低。     

低照度图像的分段非线性化处理算法

为增强低照度图像,在考虑人视觉分辨力的基础上,对图像固有的信息使用图像前景像素值与背景像素值的灰度值之差的绝对值作为图像的对比度,通过均衡化因子,用非线性均衡化方法把隐藏在低照度图像中的信息提取出来.该方法在对图像灰度谱分段非线性化时,通过优化补偿因子,提高其补偿迭代速度,快速获得所需要的图像.     

融合注意力引导的多尺度低照度图像增强方法

弱光环境导致图像采集设备拍摄的照片呈现出对比度低、亮度较暗、目标物难以分辨等特点。为了改善图像质量,提出了一种融合注意力引导的多尺度低照度图像增强方法。首先,构建密集残差网络作为多尺度特征提取器,用于提取低照度图像中不同尺度的特征图;其次,利用改进的RefineNet对提取出的不同尺度的特征图进行融合,以便充分利用图像中的特征信息;同时,在网络中引入注意力机制,基于边缘检测结果生成注意力图,并与损失函数相结合来引导网络进行训练,在不增加网络推理负担的同时,增强隐藏在黑暗中的细节信息;最后,实验分别选用合成图像和SID(See-in-the-Dark)数据集进行训练与测试。相较于对比算法,峰值信噪比(PSNR)和结构相似性(SSIM)分别平均提高了约0.79 dB和0.119。结果表明,所提方法能有效提高亮度和对比度,恢复图像边缘细节,主观视觉效果得到提升。     

彩色图像增强的改进算法

为提高彩色图像的整体感官效果,在研究CES（Color image Enhancement by Scaling）算法出现块效应的原因基础上,提出了一种改进算法,即各向异性扩散滤波器的ICES（Improved Color image Enhancement byScaling）。与CES相比,ICES算法在不增加计算复杂性的前提下,不仅得到了不逊于CES算法的增强效果,还能极大地抑制块效应。     

直方图修正在图像增强中的应用

讨论了直方图修正在图像增强中的应用.主要是进行直方图均衡化和规定化,对图像灰度级在整个显示范围内进行等间距的排列,最后进行中值滤波去除噪声,从而使图像增强,并在Matlab下进行了仿真.     

一种改进的全局Retinex监控视频图像增强方法

考虑到监控视频每相邻帧图像背景及光照近似,合理运用帧间信息,构建了一种改进的Retinex图像增强算法。对每一帧图像进行不同尺度及参数的高斯低通滤波,滤波结果取模极小提取各帧背景信息,通过融合多帧图像背景,获取该时刻上视频图像的准确背景,使用该背景进行Retinex算法增强。实验结果表明,算法增强后的图像暗处细节信息更加丰富,获得了更舒适的视觉效果。     

一种改进的自适应图像增强法

在去除噪声的同时，如何避免图像细节信息的损失和边缘的模糊，这是图像增强技术中的一个难点和关键问题．本文提出了一种自适应图像增强方法，即在对小波变换系数取阈值处理，并结合图像的自身特征对噪声和信号加以区分，通过对调整因子的设置来自适应增强图像边缘的方法．并用该法进行了实验仿真分析，取得了较好的增强效果，在降噪的同时保持了大部分细节及边缘信息．     

基于多光谱图像融合技术的麦粒图像增强方法研究

部分麦粒在单一波段的光谱图像中,常规的形态学及纹理特征难以完全体现出来,这样对于后续的特征提取会造成信息的丢失,降低识别率,为此提出了一种基于多光谱图像融合技术的图像增强方法.首先,采集同一组麦粒的近红外、红色、绿色和全色图像,采用IR+R,IR-R,IR+G+R,IR/R,IR/G,G/R,r+ir,g+ir,g+r,ir-r,2g-r-ir,(IR-G)/(IR+G)等融合方式;然后将全色图像转换到HSI彩色空间,同时采用IR/I,R/H,G/S等7种融合方式对其处理;最后使用主成分分析,进行数据的分析.在试验中,进行了多种融合方式的对比研究,并与原始波段的光谱图像比较.结果表明,IR-R的融合方式效果最好.     

基于Contourlet变换的医学图像增强

针对传统算法中存在噪声过增强的问题,给出了一种基于Contourlet变换的乳腺X线照片去噪增强算法。Contourlet变换作为一种多尺度几何分析方法,是一种具有多分辨的、局部化和方向化性质的图像表示方法。以此为基础,算法对图像分解后的Contourlet系数进行Stein阈值去噪,然后对不同子带上的各分解系数用非线性增益函数进行不同程度的增强。实验表明,该算法在去除噪声的同时有效突出了乳腺X线照片中的细微特征,有利于小乳腺癌的诊断。最后,文中还通过客观量化指标比较了不同增强算法的效果。     

数字图像的局部分数阶微分增强

为了扩展传统分数阶微分在图像增强处理中微分阶次的范围,改善传统分数阶微分对图像亮度增强不甚理想的问题,提出了一种局部分数阶微分增强图像算法。首先根据局部分数阶微分理论,建立了数字图像的分数阶微分增强分算法。然后构造了新的数字图像分数阶微分增强模板,在该模板中增加亮度控制函数得到边缘、纹理和对比度同时增强的分数阶微分增强算法。实验表明,该方法能扩大分数阶微分在图像增强处理中阶次的范围;不但能很好地增强图像的边缘、纹理和轮廓等信息,又能明显改善图像的对比度和亮度,增强图像的视觉效果优于传统的分数阶微分增强方法的视觉效果。     

指纹图像分割与增强算法

针对现有的指纹增强算法中图像分割不彻底,不能很好地修复指纹断裂纹线问题.以分形理论为基础,利用差分计盒维数算法与Gabor滤波器增强方法,通过计算指纹图像的方向场和频率场,设计了一种指纹图像增强算法.实验结果表明,该算法提高了指纹图像的处理速度,对断裂处的指纹脊线有很好的修复效果.     

基于Contourlet变换的医学图像增强

针对传统算法中存在噪声过增强的问题,给出了一种基于Contourlet变换的乳腺X线照片去噪增强算法。Contourlet变换作为一种多尺度几何分析方法,是一种具有多分辨的、局部化和方向化性质的图像表示方法。以此为基础,算法对图像分解后的Contourlet系数进行Stein阈值去噪,然后对不同子带上的各分解系数用非线性增益函数进行不同程度的增强。实验表明,该算法在去除噪声的同时有效突出了乳腺X线照片中的细微特征,有利于小乳腺癌的诊断。最后,文中还通过客观量化指标比较了不同增强算法的效果。     

红外图像的多尺度分形增强算法

本文提出了一种红外图像增强算法,结合多尺度分形维数和人眼频率特性对图像进行增强.该算法首先在多尺度条件下计算图像的分形维数,然后采用巴特沃斯滤波器,从频域抽取人眼敏感区的图像信号,最后将滤波图像结合分形维数值进行处理.结果表明,本文算法使图像中边缘及细节部位的亮度和对比度有提升,相较于单一尺度,图像的细节和边缘更加丰富,相比于传统的分形算法图像更适合人眼观看.