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。     

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。     

低照度全景图像增强处理研究进展

概述了低照度全景图像增强算法及其相关研究现状,以典型的低照度全景图像增强算法为例,进行了算法仿真实验。从主观和客观指标评价两个方面分别对各类典型算法仿真结果进行了比较分析,总结了各类算法的优缺点。指出在兼顾低照度全景图像亮度提升、图像去噪以及细节增强的同时,提高算法的有效性、实时性与自适应性是未来低照度全景图像增强算法发展方向。     

低照度下运动车辆的检测方法

针对一般车辆检测系统在夜间等低照度情况下检测能力急剧下降的问题,提出一种低照度下有效的基于Adaboost算法的检测方法.该方法通过提取训练样本的梯度方向直方图（HOG）特征,训练一个可用于分类的二类分类器,并采用Gamma校正法对当前帧作图像亮度处理,来降低低照度对特征提取的影响;再通过载入分类器在校正后的当前帧内作多尺度检测,最后用矩形框标识出检测出来的目标,统计车辆数目.实验表明,该方法对交通路口的车辆有较好的实时检测效果,在夜间、雾天及其他能见度低的天气等低照度状况下,也能保持较高的检测率.     

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．     

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。     

照度不均图像的局部幂函数映射增强算法

提出了一种针对照度不均图像的增强方法,该方法基于图像子区域.根据局部特点,自适应地选取幂函数等映射方法,实现局部图像的直方图重分布,再通过双线性插值消除子块间的非均匀过渡.实验表明,该方法与传统方法比较,具有速度快,所得图像区分度高、背景噪声小的特点.     

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。     

基于同态滤波的彩色图像增强

给出一种基于同态滤波的彩色图像增强算法。引入新的传递函数,改进同态滤波算法,用以增强低照度彩色图像的RGB各分量;将RGB图像转换到HSV彩色空间,保持色度和饱和度不变,利用对比度受限自适应直方图均衡法对亮度分量进行变换和分段线性拉伸;将HSV图像还原为RGB图像,得到增强图像。仿真结果显示,所给算法在提升图像亮度的同时,能够增强图像细节。     

基于双直方图均衡化的彩色图像增强

在彩色图像增强中,为了保留更多图像细节,提出一种基于HSV色彩空间的彩色图像增强算法。通过引入一种新的累积分布函数,改进双直方图均衡化算法,用以对色彩空间转换分离后的亮度分量实施均衡化,并保持原图像色调和饱和度不变,再将经过处理后的HSV图像还原回RGB图像得到最终结果。以边缘检测为客观标准,肉眼感知为主观标准,分析该方法的有效性,并与现有的方法相比得知,所给方法可在实现图像增强的同时保持图像的细节信息。     

改进Retinex方法在低照度壁(岩)画中的图像增强

随着计算机算力的快速提升,低照度图像增强在文物数字化保护方面已得到广泛应用.Retinex是重要的低照度图像增强算法之一,其假设图像可以分解为反射图与光照图,然而大多数基于Retinex的方法在对图像进行分解时都会出现结果不确定的问题.针对此类问题,提出了一种基于Retinex算法的改进网络模型,该网络模型用较少的网络参数,并结合了注意力机制,相较于Retinex-Net,不仅处理速度提升大约1％,而且更为重要的是较大程度上改善了Retinex-Net的生成结果表现过于生硬的情况;同时将预训练模型发布在了https:∥github.com/neemperor/Retinex-Adv-model上.还构造了一个壁画图像数据集LLM,可用于壁画类图像增强任务网络模型的训练和测试,使输出的模型更适合完成低照度壁(岩)画图像增强任务.     

基于GIF滤波分解的低照度图像增强算法

针对常见的对比度增强方法在处理低照度图像时不能兼顾提升图像亮度、对比度,和增强细节的问题,提出基于引导滤波器(guided image filter,GIF)的低照度图像增强算法。首先将输入图像从RGB颜色空间转换到HSV颜色空间;再利用GIF滤波器对图像进行图像分解,得到一个基本层和一个细节层;然后对基本层进行自适应Gamma校正,提高图像的整体亮度和对比度;再对细节层进行S型曲线增强,突出图像的局部细节;最后合成并恢复颜色,得到增强图像。将本文算法、全局Gamma校正、MSRCR 3种算法分别对低照度Bridge和Street图像进行处理,实验结果表明:本文算法能够在有效提升对比度的同时增强图像细节,提升了低照度图像的视觉效果。     

彩色图像增强的几种方法研究比较

彩色网像中包含有丰富的细节信息,为了获得清晰的彩色图像,保护原有的彩色信息,消除亮度不够对彩色图像像质的影响,笔者在研究彩色图像增强原理的基础上,根据彩色图像的不同模型,对比了3种不同的彩色图像增强方法,并给出了实验结果。研究结果表明,应用增强彩色图像中的亮度信息的方法,既得到了清晰的彩色图像,又保护了原有的彩色信息,而且图像像质还强于Photoshop软件处理的效果。实验结果为彩色图像增强方法的选择提供了指导和参考依据。     

一种RGB模型彩色图像增强方法

为了研究基于全参考图像的RGB模型彩色图像增强方法及其质量的客观评价方法,依据RGB模型彩色图像分解后得到的颜色分量具有相关性的理论,应用基于点处理的灰度图像的灰度变换理论,提出了基于像素值区间变换系数相同的和基于分量的变换系数比例一致的图像增强算法.实验结果表明,提出的算法均可用于一定目的的RGB模型彩色图像的增强,由给出一组基于误差的单位像素的增强质量的客观评价的计算公式计算出的数据可用于彩色图像的增强质量的客观评价,且与彩色图像的增强效果的主观质量评价结果是一致的,可用于彩色图像增强质量的评价.     

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。     

具有颜色保真性的彩色眼底图像增强方法

为了改善彩色眼底图像增强后颜色失真及采集过程所造成的对比度低、细节信息模糊甚至细节丢失的问题,提出一种兼顾颜色保真、亮度增强和细节增强相匹配的眼底图像增强方法.首先将RGB空间的眼底图像转换到HSV空间进行基于亮度的自适应幂律变换,以解决眼底图像亮度的平衡问题.其次,在Lab颜色空间中采用受限直方图均衡化方法提高眼底图...     

一种采用SCM模型的彩色图像增强方法

经研究脉冲发放皮层模型(SCM)动态阈值衰减特性和神经元点火周期,发现该模型的赋时矩阵对图像灰度处理过程恰好符合韦伯费赫涅尔定律.对于较亮部分,灰度差值处理比较粗糙,而对于较暗区域,灰度差值处理更加精细.基于此,提出了一种利用SCM的彩色图像增强算法.选择符合人眼视觉特性的HSI色彩空间,保持色调不变,对饱和度分量进行幂次拉伸,对亮度分量利用SCM进行增强处理.仿真实验结果证明,该算法可行,图像增强效果明显.     

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.     

基于非下采样contourlet变换的彩色图像增强算法

本文提出一种结合DCT变换和非下采样contourlet变换的彩色图像增强算法。算法根据非下采样contourlet变换后不同子带的特点对低频子带和高频子带采用不同的增强方法进行处理;为了修复增强过程中产生的颜色偏移,对增强后的图像进行了颜色修复;最后通过简单锐化即可达到很好的效果。由实验结果可知,算法提高了图像整体对比度的同时保留了完整的边缘细节信息和色彩保真度,从视觉效果和性能指标上来看都优于curvelet变换的方法和DCT变换的方法。