改进双边滤波和阈值函数的图像增强算法

针对基于单尺度Retinex算法产生的图像泛灰现象和光晕现象、基于双边滤波Retinex算法的泛灰现象及噪声放大现象。提出基于小波变换的改进双边滤波的Retinex图像增强算法和改进阈值函数去噪算法。该方法对图像进行小波分解,获得图像的低频和高频系数;采用改进双边滤波的Retinex算法对图像低频系数进行处理,采用改进阈值函数对高频系数进行处理;采用离散小波反变换得到增强后的重构图像;对重构图像进行分段性线性变换,增强图像对比度。实验结果表明,该方法避免了图像泛灰和光晕现象,并有效去除了噪声,细节丰富,对比度强,为图像后续处理奠定基础。     

快速Retinex彩色图像增强

提出了一种快速Retinex彩色图像增强方法,模拟了人类视觉系统全局和局部自适应性。首先对图像的亮度范围做全局调整;然后在光照估计步骤中对亮度进行Mean Shift滤波,用于其后光照影响的消除;最后对增强结果进行颜色恢复并进行了后处理。实验结果表明,方法能够有效压缩图像的动态范围,克服光照不均的影响,有效去除了光晕现象,且方法的颜色保持性较同类方法更好。使用了Mean Shift加速算法,方法运行速度快于此前提出的方法。     

基于双边滤波和Retinex算法的矿井图像增强方法

针对常用的双边滤波算法易造成图像细节丢失及Retinex算法在光照变化剧烈时易出现光晕伪影现象等缺点,提出了一种基于双边滤波和多尺度Retinex算法的图像增强方法。该方法首先对图像进行小波分解,获得图像高频和低频系数;然后采用多尺度Retinex算法和双边滤波结合的方案对图像低频系数进行处理,采用软阈值滤波算法对图像高频系数进行处理;最后通过离散小波反变换得到增强后的空域图像,并对其局部对比度进行自适应增强处理。实验结果表明,该方法可以有效改善图像颜色失真情况,细节丰富,对比度强,为图像后续的特征提取奠定了基础。     

基于自适应Mean Shift算法的彩色图像滤波

利用Mean Shift算法对图像进行滤波时,带宽和采样点权重的选择至关重要。为有效保留彩色图像中边缘等细节信息,提出了一种基于自适应Mean Shift算法的彩色图像滤波算法。该算法首先根据图像颜色信息的灰色关联度来定义自适应空域带宽;然后利用颜色粗糙度计算自适应值域带宽;再根据彩色差别获得各采样点的权重;最后用改进后的自适应Mean Shift算法对图像进行滤波。实验结果表明,与基于Mean Shift算法的滤波算法和常见滤波算法相比,该算法的滤波效果不仅更符合人眼的视觉感知,且能更好地保留边缘等细节信息。     

改进单尺度Retinex的光照人脸识别

经典Retinex算法假设场景中光照是平缓变化的,当光照变化比较强烈时,易产生“光晕”现象,为了提高光照条件变化下的人脸识别率,提出一种改进单尺度Retinex的光照人脸识别方法。采用双曲正切函数代替Retinex的对数函数对人脸图像进行亮度和对比度非线性增强;利用双边滤波代替Retinex的高斯滤波消除“光晕”,采用Retinex消除光照不利影响,采用K近邻算法建立人脸分类器。结果表明,改进Retinex降低了时间复杂度,图像增强效果优于同类算法,提高了人脸识别率,很好地解决了“光晕”问题,具有光照鲁棒性,可适用于光照变化较强条件下的人脸识别。     

基于多层融合和细节恢复的图像增强方法

针对部分图像在光照不均匀、过亮或过暗下出现的对比度低、细节不可见等问题,提出了一种基于多层融合和细节恢复的图像增强方法。首先在HSV图像空间中将V通道等价复制为Retinex增强层、亮度增强层、细节突出层三层。在Retinex增强层中,利用加权引导滤波和形态学结合来消除光晕现象,并通过改进Retinex增强图像亮度和细节;在亮度增强层中,通过自适应归一化进一步增强亮度;在细节突出层中,人工蜂群算法优化改进局部线性增强模型来突出图像细节。最后根据Gamma校正特性和邻域像素关系,提出细节恢复方案避免融合后造成的部分细节模糊。实验数据表明,该算法能更有效地突出图像细节和提高对比度,并与现有算法在客观量化方面进行对比,综合性能更为优越,尤其在清晰度指标上远高于其他算法。     

改进的Mean Shift滤波在砂砾岩图像分割中的应用

砂砾岩图像成分颜色多样、色彩不均,要有效地进行分割,提取砾岩颗粒,图像预处理就显得尤为重要。MeanShift滤波相比传统的滤波算法具有更好的平滑特性,能很好地消除噪声和色彩不均对后续分割造成的影响,但运算速度较慢。针对该问题,提出利用高斯金字塔和像素点赋值方法改进Mean Shift滤波算法速度。采用改进后的Mean Shift滤波算法对砂砾岩图像进行预处理,然后进行分割,提取粒岩,取得了较好的效果。     

改进单尺度Retinex的复杂光照人脸识别算法

在光照复杂条件下人脸识别性能明显下降。针对单尺度Retinex算法易产生"光晕"现象,提出一种改进单尺度Retinex算法的复杂光照人脸识别方法(ISSR)。首先利用拉普拉斯梯度算子增强光照人脸图像的边缘信息,然后在单尺度Retinex算法的基础引入符合人眼视觉特性的中心自适应调节拟合函数,以增强图像各个颜色分量,提高人脸图像对比度,最后采用Yale B和CMU-PIE人脸库进行仿真测试。结果表明,ISSR算法增强了人脸图像的对比度,改善了人脸图像的视觉效果,有助于提高人脸图像识别率和识别速度,能满足复杂光照条件下的人脸识别要求。     

基于Retinex算法的亮度分层图像增强算法

在处理低照度的图像时，传统的Retinex算法虽然可以提高图像的辨识度，但是存在“光晕伪影”和图像细节表现不明显等问题，因此本文采用了引导滤波图像分层处理与多尺度Retinex算法相结合的图像增强算法。首先在HSI色彩空间中对原始图像使用引导滤波算法，将图像分成细节图像和基本图像。然后对分离出来的两个图像层构造增益系数，分别进行增强处理后再进行重构，得到一个新的亮度图像。最后，在RGB色彩空间内对新的亮度图像进行色彩恢复从而输出最终的亮度较高、还原度较好的图像。实验结果表明，本文算法使图像的边缘和细节更加突出，而且能够消除“光晕伪影”现象，客观评价指标也有较大幅度的提升。     

改进的Retinex低照度图像清晰化处理

为了减小低照度图像在图像预处理过程中所造成的影响,提出一种HSV空间的基于巴特沃斯低通滤波(BLPF)的改进Retinex算法.把低照度图像从RGB各通道转换到HSV各通道,对饱和度分量进行自适应线性拉伸,对亮度分量进行基于BLPF的改进Retinex增强,不仅有效地降低噪声的干扰,在增强图像暗区亮度的同时抑制局部高亮区的"光晕",而且凸显图像细节,还原图像原有的色彩.通过大量测试,验证了该方法的有效性.     

一种改进的具有色彩保护的多尺度Retinex图像增强算法

针对图像增强存在的光晕伪影、颜色失真等问题,在MSRCP(Multi-Scale Retinex with Chromaticity Preservation)的基础上提出一种改进的多尺度Retinex图像增强算法。该算法首先计算原图像的强度图像;然后采用引导滤波对强度图像进行平滑处理,估计出照度分量,进而根据Retinex原理估计出反射分量;最后在颜色恢复函数中引入S型曲线函数得到最终的增强图像。实验结果表明,该算法可以有效解决光晕伪影现象,提高细节信息,使增强图像的整体色彩与原图一致,改善了图像整体的视觉效果。     

结合导向滤波与自适应算子的水下图像增强

针对水下图像存在的颜色失真、对比度低及图像模糊等现象,提出一种结合导向滤波与自适应算子的水下增强算法。首先根据水体对光线吸收的差异,对水下图像的三通道进行自适应算子颜色补偿,融合三通道,得到颜色补偿后的水下图像,有效提升水下图像色彩真实性;再将水下图像放入导向滤波改进的Retinex模型中,有效去除水下图像产生的模糊现象;最后分别计算增强后水下图像的三种权重,根据三种权重进行多尺度融合,获得最终增强后的水下图像。选取不同的水下图像进行客观评价实验与主观评价实验,再与现阶段的水下图像增强算法进行对比,实验结果说明该算法在修正水下图像颜色及增强水下图像对比度等方面具有较好的效果,符合人眼视觉特征,视觉效果优于现有的水下图像增强算法。     

一种矿井低照度图像增强算法

针对小波变换在图像边缘保持和细节处理方面无法保持平衡及多尺度Retinex算法易造成图像出现光晕伪影和噪声污染严重等问题,将小波变换与基于多尺度引导滤波的多尺度Retinex算法相结合,提出了一种矿井低照度图像增强算法。该算法首先将低照度图像进行小波分解得到高频分量和低频分量;然后对图像高频分量采用三段式阈值函数进行小波去噪,对图像低频分量采用非线性全局亮度校正以增强图像亮度,同时采用多尺度引导滤波函数代替传统多尺度Retinex算法的高斯滤波函数来估计照射分量,进而求取反射分量,并运用主成分分析法对反射分量与非线性全局亮度校正的图像进行融合,有效提升图像边缘细节保持效果;最后对图像高频分量和低频分量进行小波重构,并对小波重构后的图像进行非线性变换,解决图像泛灰问题。实验结果表明,该算法具有很强的噪声抑制能力,可有效提升图像亮度和对比度,使图像边缘保持性能和细节信息丰富度得到有效平衡,避免了图像出现光晕伪影、颜色失真等现象。     

基于残差融合的改进Retinex图像增强算法

针对低照度图像边缘纹理模糊、亮度和对比度偏低等问题,提出一种基于残差融合的改进Retinex图像增强算法。该算法采用自适应多尺度引导滤波AMGF(Adaptive Multi-scale Guided Filtering, AMGF)替代高斯核函数,根据Retinex理论获取反射图像;使用CLAHE拉伸反射图像的对比度;通过L₀范数提取输入图像残差进行融合;进行颜色恢复处理。实验结果表明,所提算法有效地提升了低照度图像的边缘细节表达能力,提高了图像质量和视觉效果。     

低照度下依据频域划分尺度的Retinex增强算法

针对经典多尺度Retinex算法在低照度下产生光晕、过增强、细节丢失等问题,提出了依据频率划分尺度的Retinex增强算法。改进后的算法将图像转换到频域分别对图像进行低通、带通、高通滤波后得到三幅图像,将滤波后图像的特点和Retinex算法中尺度因子对增强效果的影响进行有机结合,利用模糊集合将三个尺度的图像进行加权归一,突出了图像细节,解决了过增强产生光晕的问题。以低照度的图像做为数据源,采用峰值信噪比、均方误差和熵作为质量评价标准验证改进后的算法。     

基于边缘检测的Retinex图像增强算法

针对消除背景光照对图像的影响时出现的细节弱化、色彩失真的问题,提出了一种基于边缘检测的Retinex彩色图像增强算法。根据人类视觉特性从图像中提取亮度分量并检测边缘信息,在平滑点和边缘点处采用不同的模板估计背景光照,以避免强边缘处的光晕现象;通过调整图像中的背景光照比例提升局部对比度,并根据反射图像直方图自适应调整全局对比度;利用R、G、B通道及亮度分量的等价变换进行色彩恢复,以保证增强前后图像色调一致。实验结果表明,增强后的图像标准差提升了19.34%,信息熵增大了13.18%。     

模糊域内基于Retinex的雾霾图像增强算法

现有Retinex图像增强算法在使用过程中往往会产生轻微的光晕现象,在图像清晰度、细节、保真性、适用范围等方面存在诸多不足,在模糊域内,提出的基于Retinex的雾霾图像增强算法可有效克服此类不足。首先利用自适应多阈值算法对图像进行分块,并确定分块区域的最佳渡越点;然后采用线性隶属度函数将图像像素值变换为模糊域,通过渡越点计算提出的模糊双曲正切函数的关联参数,对图像的各个分块区域应用Retinex算法进行非线性图像增强,同时对增强结果进行模糊双曲正切调整;最后采用线性加权和线性逆变换的方法恢复原图像。通过对大量图像的对比实验发现:传统处理方法产生的光晕现象得到了抑制,图像清晰度、细节、保真性以及对比度等处理效果改善明显,算法适用范围更广。     

基于图像融合技术的Retinex图像增强算法

针对单尺度Retinex图像增强算法存在的光晕现象和图像泛灰问题,提出一种基于图像融合技术的Retinex图像增强算法。针对光晕现象,使用高斯加权双边滤波代替单尺度Retinex算法中的高斯核函数估计光照图像,能够有效去除光晕现象。针对图像泛灰问题,引入图像融合的思想。首先,采用非线性变换拉伸反射图像,并通过Otsu阈值分割算法确定图像的亮、暗区域;然后,以信息熵为标准,通过调整非线性变换的参数来获得亮区域最优图像和暗区域最优图像,并将原始图像、亮区域最优图像和暗区域最优图像采用分块融合的方法进行融合;最后,为克服图像分块融合算法的块效应,在融合过程中加入一致性校验。实验结果表明,新算法能够充分获得图像的细节信息,同时有效去除光晕现象、改善图像泛灰的不足。相比于单尺度Retinex算法、基于双边滤波的Retinex算法、直方图均衡算法以及反锐化掩膜算法,新算法的图像增强能力具有显著的提升。     

基于Lab色彩空间和色调映射的彩色图像增强算法

针对低照度图像对比度增强处理中的细节保留和色彩恒常问题,提出一种新颖的基于Lab色彩空间和色调映射的Retinex图像对比增强算法。首先,在Lab色彩空间中将一个低对比度的输入图像分解成亮度和色度分量,并使用自适应双边滤波估计照明的强度,以便根据亮度和颜色值来考虑合适的相邻像素。然后利用基于抛物线的色调映射函数来提高估计光照图像的对比度。最后,将加强的亮度和原始的色度结合在一起以产生一个增强的彩色输出图像。实验结果表明,所提算法通过减弱图像伪影增强了图像的细节和边缘结构,同时通过避免色彩偏移较好地保留了图像的自然度。     

光照变化条件下的人脸识别技术研究

为了提高光照变化条件下的人脸识别率,针对Retinex算法处理人脸光照图像时易产生“光晕”难题,提出了一种基于Mean-Shift滤波的Retinex算法,并应用于人脸识别中的光照预处理。对人脸图像进行非线性增强;利用Mean-Shift滤波代替高斯滤波对光照估计,解决传统Retinex算法中存在的“光晕”难题。采用Yale B人脸库对算法性能进行测试,结果表明,该算法能够很好地抑制“光晕”现象的发生,具有光照鲁棒性,提高了人脸的识别率。