基于暗通道先验改进算法的水下图像增强方法研究

针对水下图像受介质散射和吸收的影响所出现的颜色失真、对比度低和细节模糊等问题,提出水下图像增强的暗通道先验改进算法。采用白平衡处理对水下图像的蓝(绿)色偏进行颜色校正,进而在LAB空间对图像L分量进行同态滤波处理,从而获得暗部细节提亮的图像。在RGB空间对图像分别进行CLAHE处理增强图像对比度,解决图像雾化问题,MSRCR处理提高图像色彩饱和度并均衡图像亮度。根据暗通道先验图像计算融合权重系数对所得到的3幅图像进行加权融合与细节增强,得到最终增强图像。实验结果表明,所提算法能够有效消除图像颜色失真情况,增强的图像呈现出高对比度和更清晰的细节。     

基于暗通道和伽马变换的水下图像增强

光在水下传播存在吸收和散射现象,导致水下图像颜色失真、对比度低.为此,提出了一种基于暗通道先验和伽马变换的水下图像增强算法.首先,在RGB空间利用暗通道先验估计水下图像透射率和大气光照值,加权处理后得到自适应补偿参数,进而对图像颜色校正.在此基础上,将增强后的RGB图像转化到HSV颜色空间,对V通道进行自适应伽马变换,...     

基于限制对比度颜色校正的水下图像增强

针对水下图像对比度低、颜色失真的问题,提出了限制对比度自适应的颜色校正模型算法,在灰度的基础上,先求出RGB各个通道的均值然后进行对比判断,根据均值的大小来决定是一端线性拉伸还是两端线性拉伸。该方法基于颜色平衡、RGB色彩模型和HSI颜色模型的对比度校正。基于增强水下图像质量的需求,该算法在CLAHE分块进行局部处理方式的基础上,对每小块区域进行限制对比度,然后运用颜色校正模型算法,并采用双线性插值来提高算法的效率,实验结果表明该算法更加优异。     

改进的伽马校正与多尺度融合的水下图像增强

由于光在水下传播会发生吸收和散射,导致采集 的水下图像出现模糊、对比度低、色偏、光照不 均匀等问题。针对以上问题,提出了一种改进的伽马校正与多尺度融合的水下图像增强算法 。首先基于G 通道对R和B通道进行补偿,并对RGB 三通道进行直方图拉伸后使用灰度世界(Gray World) 算法得到颜 色校正图像;然后使用改进的伽马函数改善颜色校正后图像光照不均匀问题,得到光照均匀 图像,并进 行归一化处理;再对光照均匀图像使用限制对比度的自适应直方图均衡化(contrast limite d adaptive histogram equalization,CLAHE)算法得到对比度提升图像;最后采用多尺度融 合算法对以上得出的3幅图 片进行融合,得出增强图像。实验结果表明,提出的算法对不同水下环境的图像均有较好的处理 效果,图像质量评价指标得到明显提高。     

基于自适应权重Retinex和小波变换的彩色图像增强算法

针对现有图像增强技术容易出现细节丢失、局部曝光不足、过曝光或颜色失真,不能兼顾对比度和色彩保真的问题,提出了基于自适应权重Retinex与小波变换结合的彩色图像增强算法(AMSR-WT)。将图像从RGB空间转换到HSI空间,对亮度分量I进行小波变换分解为低频亮度图像和若干高频亮度图像,对低频图像使用自适应权重Retinex进行增强,对高频图像使用改进的阈值去噪算法进行去噪,通过小波逆变换重构亮度分量,经过Gamma校正进一步增强对比度并转换回RGB空间得到增强图像。实验结果表明,该算法有效提高了图像对比度和颜色保真度,较好地保留了图像的细节和纹理。     

基于引导滤波的微光图像增强算法研究

针对低光照条件下,成像设备获取的图像存在低亮度、细节丢失的问题,提出一种基于引导滤波的微光图像增强算法,以实现微光图像增强。首先,将微光图像从RGB转到HSV空间,并将V通道复制为3份,分别采用直方图均衡化、改进的伽马校正及经典的非锐化掩膜对其进行处理。其次,用合适的融合权重将3份处理后的V通道进行多尺度融合,再采用改进的引导滤波对融合后的V通道进行处理。最后,将处理后的图像反变回RGB颜色系统,从而实现图像增强。通过与现有的4种图像增强算法进行主观视觉效果对比以及客观指标分析,实验结果表明,所提算法可有效提高图像亮度,增强图像细节,提升图像的质量。     

改进Retinex与多图像融合算法用于低照度图像增强

为了解决低照度图像在图像增强过程中图像质量不佳、对比度不高等问题,本文提出改进Retinex与多图像融合算法用于低照度图像增强。首先将待处理图像转换到HSV色彩空间,并设定阈值对其V通道分量进行亮度调节,然后转换到RGB色彩空间,将其拷贝3份,对第一份进行直方图均衡化,中值滤波处理;对第2份进行自动亮度调节,双边滤波处理;对第3份进行改进的Retinex算法处理,采用高斯滤波、双边滤波作为其环绕函数,估计图像照明分量,最后输出反射图。将处理后的3份图像转到HSV色彩空间,对其V分量进行多图像融合,H、S分量沿用第2份图像分量值,最后将融合后的图像由HSV转为RGB色彩空间,输出处理后的图像。实验结果表明,本文提出的算法在增强低照度图像的同时,还可抑制图像噪声,同时具有良好的保边性,且细节明显。     

基于暗通道先验和自适应颜色校正的水下图像处理

研究了基于暗通道先验和自适应颜色校正的密闭空间下的水下图像处理。针对传统水下图像去雾方法对光照强度不均的密闭空间内的图像处理效果不佳以及色彩失真问题,利用暗通道原理对水下图像进行去雾后,引入自适应红通道补偿参数,改善红光缺失现象;结合渐晕模型对水下图像亮度通道进行校正,降低光强对图像成像质量的影响。所提方法在真实的密闭水下环境中进行测试,实验结果表明,相比于传统去雾算法,所提方法可以在有效改善图像亮度的同时还原图像色彩。     

基于颜色空间的单幅图像去雾算法

为改善雾天图像对比度差、能见度低的特点,本文结合雾天成像模型和暗原色先验规律,在颜色空间的基础上提出了一种去雾新算法。首先,在RGB颜色空间,根据暗原色先验规律估计出空气光,然后将图像从RGB颜色空间转换到HSI和HSV颜色空间,再对HSV空间下的明度分量运用大气散射模型进行去雾处理,最后再对HSI空间下的饱和度分量进行校正,最终得到去雾之后的图像。通过该算法能得到清晰化的图像,并且该算法较之传统的单幅图像去雾方法,速度更快、效果更自然。     

红外偏振与红外光强图像的伪彩色融合研究

针对RGB和l空间转换过程复杂,运算速度慢,不便于用灰度融合图像直接代替亮度分量的问题,提出了一种基于YC C空间的伪彩色融合方法。该方法首先对源图像进行基于特征差异的颜色映射,所得RGB图像通过YC C变换提取亮度分量Y;然后采用新的融合规则对红偏振与光强图像进行了支持度融合,其中低频和高频分别采用目标背景分割和区域方差最大的融合规则;最后用融合结果代替亮度分量,再与C,C分量进行YC C逆变换,得到伪彩色图像。实验结果表明,与文献[8]方法比较局部方差提高21.5%、对比度提高1.15%、清晰度提高6.05%、运算速度提高30.5%,证明了本文算法的可行性和有效性。     

基于灰度变换及改进Retinex的低照度图像增强

针对低光照条件下拍摄的图像受光和环境的影响,其重要信息丢失严重,出现对比度低、细节模糊等问题,提出了一种基于灰度变换与改进Retinex的图像增强方法。首先采用引力搜索算法（gravitational search algorithm, GSA）优化的全局灰度变换函数对图像的RGB各通道灰度图像进行灰度变换,增强图像光照强度,使其更接近均匀光照场景;然后将图像转为HSV色彩空间,对V通道（亮度通道）采用改进的多尺度Retinex(MSR)算法处理,将基于范围的自适应双边滤波和Gabor滤波作为Retinex算法的环绕函数,结合两种滤波的特性来增强图像的亮度和细节。最后采用伽马校正避免图像融合造成的图像色偏。实验结果显示,该方法处理过的增强图像在主观和客观评价上优于其他方法,图像颜色失真较小,细节更清晰,为图像的后续应用做了铺垫。     

基于视觉特性的非线性多尺度彩色图像增强

[目的]针对图像在低光照下的亮度和对比度偏低的问题,提出一种基于视觉特性的非线性多尺度彩色图像增强算法.[方法]该算法将彩色图像从RGB色彩空间转化到HSI色彩空间,保持H分量不变,对S分量进行指数拉伸,对Ⅰ分量利用视觉系统模型和非线性映射方法实现图像对比度增强,再通过自适应的亮度调整增加图像的全局亮度.最后将HSI色彩空间转化到RGB色彩空间,从而实现对彩色图像自适应增强.[结果]通过对低光照彩色图像进行增强测试,其测试结果表明,[结论]该算法能够自适应地调整图像的全局亮度,增加图像的局部细节对比度,并保持其原色彩,提升彩色图像在低光照下的视见度.     

基于Tetrolet变换的近红外与彩色可见光图像融合算法研究

针对近红外与彩色可见光图像融合后出现的对比度降低、细节丢失、颜色失真等问题,提出一种基于Tetrolet变换和自适应脉冲耦合神经网络PCNN(PCNN-Pulse Coupled Neural Network)的近红外与彩色可见光图像融合的新算法。首先将彩色可见光源图像转换到各个分量相对独立的HSI空间(HSI-Hue Saturation Intensity),将其亮度分量与近红外图像进行Tetrolet分解,对分解后得到的低频系数,提出一种从给定不完备数据集中寻找潜在分布最大似然估计的期望最大算法融合规则;对分解后得到的高频系数,采用一种Sobel算子自动调节阈值的自适应PCNN模型作为融合规则;处理后的高低频图像经Tetrolet逆变换作为融合后的亮度图像,提出一种饱和度分量自适应拉伸方法来解决图像饱和度下降的问题。处理后的各个分量反向映射到RGB空间,完成融合。将本文算法与多种高效融合算法进行对比分析,实验表明,本方法取得的图像,细节清晰,色彩对比度得到提升,在图像饱和度、颜色恢复性能、结构相似性和对比度等客观评价指标上均具有明显的优势。     

Low-light image enhancement based on Retinex theory and dual-tree complex wavelet transform

In order to enhance the contrast of low-light images and reduce noise in them, we propose an image enhancement method based on Retinex theory and dual-tree complex wavelet transform (DT-CWT). The method first converts an image from the RGB color space to the HSV color space and decomposes the V-channel by dual-tree complex wavelet transform. Next, an improved local adaptive tone mapping method is applied to process the low frequency components of the image, and a soft threshold denoising algorithm is used to denoise the high frequency components of the image. Then, the V-channel is rebuilt and the contrast is adjusted using white balance method. Finally, the processed image is converted back into the RGB color space as the enhanced result. Experimental results show that the proposed method can effectively improve the performance in terms of contrast enhancement, noise reduction and color reproduction.     

基于小波和色彩传递夜视图像彩色融合算法研究

针对传统彩色图像融合存在色彩不自然和运算复杂的缺点,提出了基于小波和色彩传递夜视图像彩色融合算法。该算法的核心思想是把源图像RGB空间转换到YUV空间,然后利用小波变换把源图像和参考图像分别进行分解,并对结果中的一阶统计量和二阶统计量进行计算,最后把参考图像的统计量传递给源图像,此时参考图像和源图像的统计量是相同的,把经过处理过的源图像通过小波逆变换传递到RGB空间,测试结果表明,此算法具有图像细节更加丰富,边缘突出的优点。     

基于权重最小二乘结构边缘保持色调映射算法

高动态范围图像由于其动态范围超过普通显示器的动态范围,所以无法正常显示,从而需要研究在保留高动态范围图像对比度、细节信息以及色彩信息的情况下压缩高动态范围图像的动态范围以适应低动态范围显示器进行显示的色调映射算法。本文提出基于权重最小二乘结构的边缘保持图像平滑色调映射算法。首先,建立基于权重最小二乘的边缘保持图像平滑滤波算子;然后,将输入的高动态范围图像转换至NTSC空间分离亮度信息和颜色信息,利用该滤波算子对亮度信息进行多级分层,获得基本层以及多级细节层信息;最后,对基本层进行动态范围压缩,利用压缩后的基本层结合多级细节层信息并转换回RGB空间获得输出的低动态范围图像。文中通过实验采集的多曝光图像序列利用Debevec和Malik提出高动态范围图像融合算法获得拍摄场景的高动态范围图像,采用本文提出算法对高动态范围图像进行色调映射处理获得较为理想的保留图像有效信息的低动态范围图像,从而验证了文中提出算法的有效性。     

视频处理器中的一种新的彩色图像增强方法

LED显示屏显示图像之前,视频图像通常用视频处理器进行图像增强等操作。本文考虑到视频处理器在RGB彩色图像变换时可能产生的彩色失真情况,提出一种自适应的灰度变换算法,此算法将原始的RGB彩色图像和经过灰度变换后的RGB彩色图像转换到HSB彩色空间,然后将两者的色调与亮度分量进行重组,再对其饱和度进行补偿。这种方法的优点是既保证了原始彩色图像在进行灰度变换后的灰度细节,又能保证其彩色细节,同时提高了原始彩色图像的对比度。另外,此算法计算量小,利于硬件的实时实现。