基于在线估计的视觉SLAM低光照图像增强算法

为了提升基于特征点的双目视觉定位算法在低光照环境下定位的准确性,提出一种基于在线估计的视觉同步定位与地图构建(simultaneous localization and mapping,SLAM)低光照图像增强算法.通过在线估计图像亮度值,实时更新图像增强算法的参数,解决了基于固定参数的图像增强算法在图像较亮、较暗等情...     

利用自适应光照初始化的弱光图像增强方法

由于光照分量分解估计的高度不确定性,如何准确估计图像的光照分量一直是基于Retinex模型的图像增强方法需要解决的难题。该文提出一个简单有效的方法,准确估计图像的初始光照分量,进而实现弱光图像增强。具体地,首先根据输入图像得到其对应的光照权重矩阵,以指导光照分量的自适应初始化估计;随后在光照结构约束下,对初始光照分量优化估计,并进一步执行非线性光照调整;最终结合Retinex模型得到增强结果。实验表明,该方法不仅能够实现准确的图像分解估计,而且与现有的弱光图像增强方法相比,该文所提方法在多个数据集上的主观视觉效果和客观评价指标都有更好的表现,同时也保持着良好的运行效率。     

基于Retinex理论的微观驱替图像增强算法

针对微观驱替实验图像存在光照不均的现象,提出一种基于快速引导滤波的Retinex图像增强算法.快速引导滤波具有较好的保边性和较低的时间复杂度,可避免照度估计时边缘丢失和运行时间长的问题.该算法通过快速引导滤波得到图像的照度分量,后使用Retinex算法处理得到光照均衡的微观驱替实验图像.实验结果表明,本文算法与MSR算...     

基于Retinex的视频自适应增强算法

Retinex算法是图像增强的常用方法。基于Retinex理论提出一种新的视频光照增强算法,结合图像全局及局部灰度特性引入补偿系数,增强暗区域光照的同时克服了传统算法处理后的人工痕迹,使处理结果更加自然;同时,算法用引导滤波估计照度图像,在避免光晕现象的同时可以加快算法处理速度。实验结果表明,该方法简单有效,视觉效果提升显著。     

基于明亮通道先验和Retinex模型的弱光照图像增强网络

结合明亮通道先验和Retinex模型,提出一种弱光照图像增强网络。该网络由入射光分量多尺度估计模块、多尺度入射光分量融合模块和增强效果生成模块组成。入射光分量多尺度估计模块在不同邻域半径下基于明亮通道先验对弱光照图像进行多尺度入射光分量估计;多尺度入射光分量融合模块将输入的多层入射光分量融合为入射光分量图;增强效果生成模块依据入射光分量图对弱光照图像进行像素强度调节并直接生成增强效果图。主观及客观对比实验结果证明了本算法具有良好的鲁棒性,及在视觉效果增强、有效信息增益方面的优势。     

非均匀光照图像双分量增强Retinex算法

图像增强是“数字图像处理”课程的一项重要教学内容。针对图像增强方法的实践训练,给出一个综合实验-非均匀光照图像双分量增强Retinex算法。该实验整合了灰度变换、直方图均衡、图像平滑、去锐化掩模、高频增强等图像增强方法,并引入用于图像质量评价的量化指标等内容,图像增强效果好,对于图像增强的实践教学具有较好的参考价值。     

基于双通道先验和光照图引导滤波的图像增强

针对低照度图像增强过程中存在的光晕伪影、边缘细节丢失和噪声放大等问题,提出了一种结合双通道先验和光照图引导滤波的图像增强算法.传统去雾物理模型仅基于暗通道先验进行图像增强,局部区域景深不同,进而导致图像过曝和光晕伪影等问题.针对该问题,采取亮暗双通道结合的方法求取大气光值和透射率.对于边缘信息易丢失的问题,采取光照图梯...     

基于Retinex和多注意力的低光照航拍图像增强方法

针对低光照航拍图像亮度低、对比度弱、噪声多、细节缺失等问题,提出一种基于Retinex和多注意力机制的低光照航拍图像增强(MARNet)方法。首先,将低光照航拍图像分解为光照图和反射图,再将CBAM注意力机制引入噪声调整网络,让网络更加关注高噪区域,去除反射图中大量噪声;然后,设计了由上下采样结构组成的光照调整网络,引入通道注意力机制,提升光照图亮度,同时,加入区域损失函数,提高细节对比度;最后,为实现低光照近地面目标检测与跟踪,利用低光照图像合成方法,加入真实噪声,制作了一套低光照航拍配对数据集。实验结果表明,所提方法在提高图像亮度、减少噪声的同时还原了细节信息,3项性能指标PSNR,SSIM和NIQE及人类视觉感知效果均有所提升。     

一种对光照鲁棒的人脸图像预处理算法

分析了Retinex理论的本质意义,得出Retinex输出图像本质上是相对反射率,而相对反射率对光照不敏感,从而将其应用于光照情况复杂的人脸图像预处理.采用均值方差归一化的方法,对Retinex输出图像进行灰度值线性拉伸.实验结果表明,该算法能有效地提高人脸识别对光照的鲁棒性,尤其是非受控条件下得到的复杂光照人脸图像.     

结合多尺度深度学习网络和Retinex理论的低光照图像增强算法

针对低光照增强任务缺乏参考图像及现有算法存在的色彩失真、纹理丢失、细节模糊、真值图像获取难等问题,本文提出了一种基于Retinex理论与注意力机制的多尺度加权特征低光照图像增强算法。该算法通过基于Unet架构的特征提取模块对低光照图像进行多尺度的特征提取,生成高维度的多尺度特征图;建立注意力机制模块凸显对增强图像有利的不同尺度的特征信息,得到加权的高维特征图;最后反射估计模块中利用Retinex理论建立网络模型,通过高维特征图生成最终的增强图像。设计了一个端到端的网络架构并利用一组自正则损失函数对网络模型进行约束,摆脱了参考图像的约束,实现了无监督学习。最终实验结果表明本文算法在增强图像的对比度与清晰度的同时维持了较高的图像细节与纹理,具有良好的视觉效果,能够有效增强低光照图像,视觉质量得到较大改善;并与其他多种增强算法相比,客观指标PSNR和SSIM得到了提高。     

基于亮度分量的快速图像增强方法

为提高图像的视觉质量,需要对图像进行对比度增强处理。从研究图像增强的空域法入手,分析了Retinex理论的相关方法。考虑到基于Retinex理论现有算法的不足,提出了基于亮度分量的处理方法,并用IIR实现高斯函数的运算。仿真结果表明,改进后的方法在完成图像增强的同时,能避免灰度化,保持色彩恒常,并加快处理速度。     

基于双边滤波的单尺度Retinex图像增强算法

提出了一种基于双边滤波的单尺度Retinex图像增强方法,在有效增强图像的同时,很好地保持了图像边缘及高亮部分的细节.采用双边高斯滤波来估计图像亮度,同时对原始图像进行局部对比度增强,有效地消除了光晕现象并增强了局部对比度.通过Weber定律在增强过程中对图像亮度进行控制,防止增强后的图像过亮,保持图像高亮部分的细节.实验结果表明:该方法增强效果明显,适用于灰度图像和彩色图像,并能防止颜色失真,使灰度和彩色图像达到较好的视觉效果.     

基于多尺度Retinex的图像增强算法

针对单景深低对比度图像中有用信息量少,可辨别性低的特点,提出运用多尺度Ret-inex理论对该类图像进行增强.根据单景深图像特点,在多尺度Retinex处理过程中采用平均标准偏差作为尺度参数的基础,设计多尺度参数高斯滤波器与原始图像在空域中进行滤波,最后运用灰度级均匀化对处理后图像进一步增强,结果显示处理效果良好.     

一种新的仿生彩色图像增强方法

 基于人类视觉系统的全局和局部自适应特性,本文提出一种仿生彩色图像增强方法,用于增强不均匀光照或低照度情况下的图像.该方法主要包括全局自适应亮度调节、局部对比度增强和颜色恢复三个部分.即全局亮度调节主要用来增强暗区域的亮度和压缩图像的动态范围;局部对比度增强利用当前点与其邻域象素的双边滤波输出之间的关系,调节当前点的亮度,以增强图像局部对比度;再通过一种简单的线性颜色恢复算法恢复图像色彩.与文献 所提彩色图像增强算法相比,实验结果表明本文所提方法的效果更好.     

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.     

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。     

一种基于Retinex理论的图像增强算法

提出了一种基于Retinex理论的图像增强算法。Retinex理论的实质就是从图像S中抛开照射光L的影响来获得物体的反射性质R,即获得物体本来的面貌。在对Retinex理论进行研究的基础上,论述了该算法的原理和实现方法,并通过实验与几种传统的图像增强方法以及单尺度、多尺度和带彩色恢复的多尺度Retinex进行了比较,表明该算法对于图像阴影细节的增强和色彩的保真较一般的图像增强算法能够达到更好的效果。     

一种基于光线散射模型的水下图像增强方法

水体对光线的后向散射效应是水下图像降质的主要原因,消除后向散射噪声是水下图像处理的主要工作之一。通过建立水下光线传输的后向散射噪声模型,分析了后向散射噪声产生的原因,并将其分为直流噪声部分及随机部分。对消除直流噪声的水下图像进行拉普拉斯运算,并使用维纳自适应滤波对其再次去噪。实验证明,该方法可有效去除水下图像的后向散射噪声,增强图像对比度。     

基于双域分解的图像增强算法

为解决图像增强中对比度提高与噪声抑制的矛盾,本文提出了一种基于双域分解的图像增强算法,同步实现图像对比度提高与噪声抑制.文中详述了空域分解、分层图像空域增强与变换域降噪、分层图像合成三个主要环节的原理、方法.首先,高斯滤波器将图像分解为基础层和细节层,实现对比度提高与噪声抑制的解耦合;其次,带校正功能的单尺度Retinex和硬阈值收缩的非下采样剪切波降噪算法同步实现基础层的增强和细节层的降噪;最后,分层图像合成、灰度数值延展和微分算子强化,实现合成图像的灰度延展与细节加强,确保增强图像的颜色均匀、细节突出.实验表明,本文算法提高图像对比度和抑制噪声的性能优于其他九种算法.