基于BM3D图像去噪算法的参数研究

BM3D算法是目前最好的图像去噪算法之一,最近提出的很多更有效的去噪算法都是以BM3D算法作为对比基准。BM3D算法先通过块匹配生成三维矩阵,然后在三维变换域去噪,最后逆变换还原图片。通过对BM3D算法的深入研究,发现BM3D算法的性能与它的参数密切相关。针对BM3D算法的参数进行了实验统计,并对BM3D算法的参数设置进行了总结。实验不仅验证了BM3D算法在图像去噪方面取得了较好效果,而且为BM3D算法的参数设定提供了借鉴。     

基于正余弦变换和BM3D滤波的DSPI图像去噪方法

数字散斑干涉(Digital Speckle Pattern Interferometry,简称DSPI)是一种高精度形变测量的方法,针对航天实验现场数字散斑干涉中的随机噪声影响相位求解精度的问题,提出了一种新的相位图去噪方法.这种方法将正余弦变换滤波技术和BM3D(块匹配三维滤波)技术相结合,首先将相位图分别进行正余...     

基于Retinex理论的图像增强算法研究

Retinex理论的图像增强算法,就是在一个图像中,忽略透射光的影响,同时来获得物体的反射的基本特性,并通过这种方式来获得物体原本的图像形态。本文在探讨了Retinex基本理论,对建立在该理论基础上的图像增强算法的实现做了理论与实践的研究。     

基于改进BM3D算法的椒盐噪声去噪

在处理由椒盐噪声污染的高对比度图像时,使用传统的三维块匹配算法（Block-Matching and 3D filtering,BM3D）去噪不能有效保留图像的边缘和纹理细节,在图像的边缘会出现边缘振铃效应。为了改善传统BM3D算法在处理椒盐噪声时的不足,提出了用边缘方向代替水平方向搜索相似块的BM3D改进去噪算法。实验结果表明,改进BM3D算法获得的相似块数量是传统BM3D算法的3倍,峰值信噪比（PSNR）也得到进一步提高,在去除椒盐噪声的同时也使图像边缘得到有效保留。     

基于Retinex和视觉适应性的图像增强

根据人眼视网膜上的锥细胞和柱细胞的视觉特性,提出了用于彩色图像增强的视觉适应性模型。基于Retinex和视觉适应性模型提出了一种新的图像增强算法,先将图像进行简单去光照分量处理,得到反射分量的近似解,再根据视觉适应性模型对反射图像的近似解进行全局对比度和亮度的调整,使之适应于人的视觉。实验中使用的算法和经典Retinex算法处理相同的RGB退化图像,对处理结果进行了定性和定量比较,结果表明提出的算法在增强图像细节,提高全局对比度方面优于已有的Retinex算法。     

基于NLEMD的Retinex图像增强算法

为了将已有的受光照影响严重的图片恢复出细节信息更加丰富且光照平衡的图片,提出了基于NLEMD的Retinex图像增强算法.该算法采用多幅图像(其中包括一副待增强的图像和将待增强图像分别提高nl,n2,…,nm倍照射系数的多幅图像)协同NLEMD和Retinex算法来实现图像的增强.采用将待增强图像提高,l倍照射系数来获得多幅图像的目的是为了获得更丰富的图像暗处或明处的细节信息,然后利用NLEMD充分提取这些已知图像的各个频率信息;选取其中一幅图像经过NLEMD分解后所得的剩余分量,用Retinex增强算法增强;最后叠加所有图像的高频信息和Retinex算法增强后的剩余分量,得到增强后的图像.实验结果表明,算法增强后的图像克服了传统Retinex算法增强后图像对比度低和引入了噪声的缺陷,且暗处细节信息更加丰富,获得了更舒适的视觉效果.     

小波域红外图像增强算法研究

由于红外图像成像机理及红外成像系统自身的原因,红外图像大多对比度低、细节信息不明显,视觉效果差,需要经过增强处理改善图像质量。提出一种基于小波的多分辨分析方法和Retinex图像增强算法相结合的红外图像增强方法。利用小波把红外图像分解成近似子图像和细节子图像,对近似子图像进行改进的Retinex增强算法处理,对细节子图像采用多策略小波阈值增强,最后小波重构得到增强的红外图像。实验结果表明,该算法对红外图像具有较好的增强效果。     

基于Retinex的JPEG图像增强新方法

针对现有JPEG图像压缩与增强的过程分离,且图像增强后容易产生块状效应的局限性,提出一种新的JPEG图像增强算法,该算法嵌入JPEG图像压缩框架之中,在量化步骤之前增强图像以充分利用图像原始信息。增强过程以Retinex理论为基础,将DCT系数分为照度分量(DC系数)和反射分量(AC系数),对DC系数进行动态范围调整,并利用DC系数的增强因子对AC系数做细节增强。最后,对调整后的DCT系数做平滑处理来抑制块效应。实验结果表明,与传统的其他算法相比,该算法能更好的增强细节信息和保持色彩信息,并能保持与标准JPEG同等的图像压缩比。     

基于Retinex理论的图像增强算法*

这种增强算法首先依据像素的R,G,B分量将输入的彩色图像被分解成为三幅图像,代表场景中波长不同（长波、中波和短波）的反射光的强度;分别计算长波、中波和短波波段内像素间的相对明暗关系,进而确定每个像素的色彩。最后,将Retinex色度空间内的色彩线性映射到RGB空间,获得经过增强的图像。通过这种方法所获得的图像具有色彩逼真度、动态范围大的特点。计算机仿真结果表明运用这种方法进行图像处理可以获得非常好的处理效果。     

基于Retinex理论的新型遥感图像增强算法

针对遥感图像视觉存在对比度差\,分辨率低的缺点,以及传统的Retinex算法在对图像增强时往往会出现色彩恢复不协调,呈现泛白发灰现象,提出了一种多尺度Retinex算法与直方图均衡化相结合的新型遥感图像增强算法。首先对多尺度Retinex算法进行非线性全局改进,用于增强HSV色彩空间中的V分量,然后用直方图均衡化方法对RGB空间中三分量做同步增强处理。实验结果表明:与多尺度Retinex算法相比,算法增强后图像的均值可达到127,信息熵可提高29.5%,而且算法有效地解决了图像色彩恢复不协调和泛白发灰现象。     

基于改进型Retinex算法的彩色图像增强技术

由于单尺度Retinex算法在处理过程中会产生光照强度问题导致图像细节表达不细致,提出一种改进的基于单尺度Retinex(SSR)算法的 真彩图像增强算法。首先,使用加权最小二乘法对原始彩色图像进行细节增强,然后对原始图像进行优化。对处理后的图像层和细节图像层构造增益系数,并进行重构输出一幅新的合并图像。实验结果表明,所提算法能够有效减少图像中的噪声,并使图像细节和对比度更加突出,亮度增强。相比于其它传统的算法,改进型Retinex算法处理后的图像客观评价指标有大幅度提升,图像增强能力有大幅改善。     

基于多尺度Retinex的自适应图像增强方法

介绍了一种基于MSR的自适应图像增强的方法,能够较好地自动处理由于云雾、雨天等天气原因和光照不足导致的景物不清、视觉质量差和对比度低的图像,提升多种类型的图像视觉质量.通过对实验的结果以及算法的普适性进行比较和分析,证明了该方法是有效的.     

基于PCA的可变框架模型Retinex图像增强算法*

针对恶劣天气下拍摄图像的退化现象,提出了一种基于主成分分析（principal component analysis,PCA）的可变框架模型Retinex图像增强算法。PCA变换提供通道间良好的正交性,可避免由于亮度调整带来的色度失真。该算法通过PCA变换得到图像亮度分量、色度分量,对得到的亮度分量使用改进的可变框架模型Retinex进行处理,适当调整色度分量,最后对处理得到的RGB图像进行去相关拉伸。实验结果表明,该方法能有效改善恶劣天气造成的图像退化现象,提高图像的清晰度。     

基于Zernike矩的新型Retinex图像增强方法研究

针对传统的Retinex算法对雾天和彩色图像增强时,会出现色彩恢复不协调,光照分布不均匀这类缺点,提出了一种新的基于Zernike矩模型的Retinex图像增强方法。通过在HSV空间中求解图像V分量和S分量的Zernike矩来提取图像的背景灰度和阶跃高度,然后调节邻接像素内灰度变化差异和区域饱和度的相关性,进而增强图像的亮度,恢复图像的色彩。实验结果表明,该方法有效地解决了图像色彩恢复和光照恢复不足这一问题,而且对不同特点的图像都有良好的适应能力。     

基于L0范数的Retinex图像增强算法

图像在采集过程中会因为机械设备、天气状况等原因产生曝光不均等问题,使得图像的拍摄效果不佳,无法满足实际应用的需求。而传统的Retinex算法应用于图像增强时会导致图像边缘模糊与泛灰等问题。因此,针对传统的Retinex算法现存的问题,提出一种新颖的图像增强算法——基于L0范数的Retinex算法RIEALN。首先通过全局L0梯度最小化方法提取图像的轮廓成分,然后进行Retinex算法处理,再将提取的轮廓成分融合到原始图像,实现原始图像的增强。实现过程中还通过增加不同的L0梯度最小化因子确保不同尺度轮廓成分的均匀增强。实验结果表明,该算法不仅可以增强图像的对比度,而且还能够较好地保留边缘信息。     

基于域滤波的自适应Retinex图像增强

为了提高低照度图像的亮度和对比度,提出了一种新的基于Retinex理论的彩色图像增强方法。首先,基于Retinex理论,提出对HSV空间V分量进行域滤波估计图像光照分量,然后将V分量与光照分量相除得到反射分量的方法。之后,采用自适应Gamma校正对光照分量进行亮度提升,然后采用CLAHE对其进行对比度增强。最后,将亮度校正光照分量与反射分量相乘得到增强后的V分量,并将增强后的图像转化为RGB空间图像,达到彩色图像增强的目的。本算法可以获得更自然的增强效果,能抑制亮度较大像素点的增强,很好地突出图像中的细节信息,克服了图像增强中增强图像对比度低、颜色失真、过增强及光照突变处出现光晕现象等缺点。本算法对多种图像有效,例如高动态(HDR)图像、非均匀光照图像及低曝光图像。通过验证,本算法得到的结果相比于传统方法视觉效果更佳。     

基于自适应特性二维经验模式分解的Retinex彩色图像增强

提出一种彩色图像自适应增强方法：将图像从RGB色彩空间转化到HSV色彩空间并保持H分量不变,对亮度分量V通过自适应特性二维经验模式分解（ABEMD）估算其照度分量,再根据中心/环绕Retinex算法计算出反射分量,对照度和反射分量分别应用Gamma校正和Weber定律,并进行加权运算,基于全局特性自适应地调整S分量,并将图像从HSV色彩空间转化回RGB色彩空间。最后利用主观和客观的方法对实验结果进行了评价,实验表明了该算法在均值、方差、信息熵和清晰度方面均优于MSR算法和Meylan的算法。