基于局部适应性的高动态范围图像显示方法

在高动态范围环境中，人眼依靠局部适应性也能够观察到细节变化。提出了一个基于区域信息的局部适应亮度计算方法来模拟局部适应性。使用区域生长法对图像进行分割，然后采用基于区域的双边滤波技术来计算每一像素的局部适应亮度，再联合色调映射算子获得可显示的低动态范围图像。实验结果显示，输出的图像避免了光晕，同时较好地保持了细节。     

高动态范围图像和色阶映射算子

图像传感器动态响应范围的局限使其在捕捉高动态范围场景时力不从心, 为了捕捉高动态范围图像(High dynamic range image, HDRI), 近年来出现了许多新型传感器和新方法, 本文将简要介绍这些研究进展; 同样由于动态响应范围的局限, 显示设备也不能胜任HDRI的显示, 必须利用色阶映射算子(Tone mapping operator, TMO)将图像的动态范围进行合理的压缩, TMO最终决定了图像显示的质量, 本文将众多的TMO归纳为全局算子和局部算子并进行了详细论述.     

基于细节再现的高动态范围图像分层映射算法

针对当前映射算法中亮度的映射函数非适性而引起对比度过度压缩的问题,以及映射时亮度变化改变图像细节可见性的问题,提出了一种基于细节再现的高动态范围(HDR)图像分层映射算法。该算法采用视觉响应曲线作为基础层的映射函数,根据图像局部适应性亮度动态地映射亮度;同时,在Stevens效应的思想基础上依据映射前后亮度变化获得补偿系数,拉伸或压缩细节层。测试结果表明：该映射算法所得图像能正确再现更多的可见细节。     

高动态范围图像色调映射技术与算法

高动态范围成像技术(High Dynamic Range Imaging)技术近年来在工业图像处理、机器视觉、三维数字娱乐等领域获得了广泛的应用。作为一种增强型的数字图像获取技术,高动态图像(HDR)在全局照明、真实感绘制方面具有不可替代优势。     

一种分组实现的高动态范围图像显示方法

针对低动态显示设备严重制约高动态范围图像显示的缺点,提出了一种基于分组的高动态范围图像色调映射技术,利用双边滤波技术对图像亮度值进行初步校正,对所得数据进行分组,根据分组数据的平均值惟一确定一个伽马值对图像亮度进行最终修正。实验结果表明,该方法不仅能够实现动态范围压缩,而且能够有效避免光晕和色差等现象,可以广泛应用于各种低动态设备中。     

一种面向高动态范围材质的实时渲染算法

针对具有高动态范围材质的场景的渲染问题，给出了将渲染光照模型由传统材质模型扩展为高动态范围材质模型和基于GPU实时渲染的算法。经过此算法得到的高动态范围渲染结果必须通过进一步的处理才能正确地显示在仅具有低动态范围的显示输出设备上。为此，该文给出了一个结合高动态范围材质的实时渲染算法、基于物理的模拟镜头眩光效果算法以及色调映射算法的综合方法，并通过实现验证了此方法。     

基于双边滤波的Retinex图像增强算法

针对Retinex图像增强技术在高对比度边缘区域存在“光晕伪影”这一缺点,提出了一种基于双边滤波的Retinex算法。该算法先使用带有边缘保存功能的双边滤波将原图像分解成照度图像和反射图像,再分别采用不同的策略压缩照度图像和增强反射图像,最后把两部分图像合成为新的图像。通过从主观视觉效果和客观质量评价两方面对该算法进行检验,实验结果表明它有较好的增强效果,解决了“光晕伪影”问题。     

基于实时Retinex与双边滤波的图像增强算法

提出一种新的基于Retinex理论的图像增强算法。这个新算法将双边滤波作为一个去噪环节加入传统的Retinex算法,在实验中有效地抑制了传统Retinex算法中没有解决的噪声问题,从而大大改善了图像增强的处理效果。具体来说,双边滤波器实现简单,并且它的非迭代性和保边性能够在迅速有效去噪的同时保持图像的边界不被模糊减弱。一般被用来去噪的平滑滤波器都容易使物体的边界模糊,与它们相比,用双边滤波器进行去噪不仅较好地平衡了平滑去噪与避免过度模糊的关系,也在处理时间和处理效果上找到了平衡点。同时,实验证实传统Retinex处理后放大的噪声主要来自原图的较暗区域,这使得我们可以在仅处理较暗区域的情况下得到满意的结果。另一方面,通过传统Retinex对原图中光照成分的估计,也使较暗区域能够比较方便地被识别出来。只对较暗区域进行局部处理的做法不仅可以避免在噪声较低的区域造成过度平滑,也能够节省大量的处理时间从而提高处理速度。     

改进单尺度Retinex算法在图像增强中的应用

为了提高光照条件变化下的图像增强效果,提出一种改进单尺度Retinex(SSR)算法的图像增强方法。利用双边滤波代替SSR算法的高斯滤波对光照估计,克服SSR算法不能解决的"光晕"问题。结果表明,相对传统图像增强算法,改进SSR算法不仅加快了图像增强处理的效率,且获得了更好的图像增强处理效果,是一种适应性较强的、可用于光照变化比较强烈下的图像增强算法。     

一种改进的多尺度Retinex色调映射算法

传统的低动态范围显示设备不能很好地表现高动态范围图像信息,针对这一问题,提出一种基于引导滤波的Retinex多尺度分解色调映射算法。该算法使用引导滤波对光照信息进行估计,将高动态范围图像的亮度分为光照层和反射层;然后对反射层分量进行多尺度分解,得到一系列细节层和一个基本层,将细节层和基本层进行合并和色彩还原;最后得到色调映射后的图像。实验结果表明,该算法可以较好地还原真实场景信息,映射后图像的细节和对比度较好,色彩鲜艳。     

基于动态范围调整的图像亮度修正方法

手持照像设备的普及让人们可以更方便地获取图像,但拍得的照片常常会由于拍摄角度及光照的问题而影响效果,因此图像修复特别是对色调的修复技术受到极大重视。图像动态范围描述图像中最大的和最小的亮度之间的比值,色调映射方法是将高动态范围压缩到普通显示器可显示的范围内。在基于局部窗口的全局优化方法的基础上,采用阶跃方程对低动态范围图像进行调整,达到修复图像亮度的效果。该方法运算简单,同时具有很好的色彩保真度,且调整后图像的细节保持良好。从视觉上来说,感知到的色彩更接近原始图像。     

直方图受限的窄动态范围彩色图像细节增强

在彩色图像特别是窄动态范围的彩色图像增强中,为了保留更多图像细节,提出一种直方图受限的窄动态范围的彩色图像细节增强方法。该算法在RGB空间分别对三分量进行直方图受限运算,设置分量直方图的累积概率分布阈值C_T,将分量图像直方图分割成2个直方图H_1和H_2;将H_2(受限的直方图)非线性映射至H_1的均匀分布直方图中;合并RGB三分量输出彩色图像。实验结果表明,与同类算法相比,该算法在提高对比度的同时,具有最高的信息熵值,且输出的彩色图像视觉效果自然、清晰。     

一种广义的图像模糊增强算法

本文在模糊增强算法的基础上提出了广义迭代模糊增强算法,它由图像滤波、模糊增强和灰度变换三个步骤组成.在模糊增强阶段,提出了一种规范形式的隶属度函数,在保留了通常模糊增强算法和灰度变换优点的同时,将灰度隶属度函数变换到[0,1]区间.为了约束所提出算法的迭代过程,基于图像灰度直方图分布的统计特性,提出了一种新的客观图像质量评价指标.计算机仿真实例表明,这种新的算法比单一的模糊增强算法和灰度变换算法更适合于处理灰度级少、对比度低的图像的增强问题.     

改进零参考深度曲线低照度图像增强算法

在低照度条件下拍摄的图像具有对比度低,亮度低,细节缺失等质量缺陷,给图像处理带来困难。提出一种改进零参考深度曲线低照度图像增强算法,通过在空间一致性损失函数中引入与卷积核大小相关参数,统一了不同尺寸图像的增强效果;将颜色不变损失、照明平滑损失函数与输入图像类型关联,使其增强效果的峰值信噪比提高17.75%,对比度提高26.75%;通过使用对称式卷积结构,解决原算法计算量大的问题;通过使用MobileNetV2轻量化网络对零参考深度网络(Zero-DCE)进行了优化,减少网络模型计算复杂度的同时保证模型较好的增强效果。     

一种新的NSCT域图像增强算法

针对实际应用中所采集的部分图像对比度低、边缘细节模糊的问题,提出一种基于非下采样Contourlet变换NSCT(Nonsubsampled Contourlet Transform)的多尺度Retinex与非线性增益函数相结合的图像增强算法。使用改进的多尺度Retinex算法对低频子带系数进行处理,以提升图像的灰度动态范围并改善图像的亮度均匀性;采用非线性增益函数和贝叶斯萎缩阈值相结合的方法对各个高频子带系数进行处理,在提升图像纹理细节的同时抑制噪声。实验结果表明:该算法能够有效提升图像对比度和清晰度,增强图像细节信息,有效改善视觉效果。     

夜间拍照图像质量增强算法的研究与实现

由于移动智能设备在夜间拍摄图像时,传统的闪光灯和无闪光灯条件下拍摄图像的融合算法在图像配准步骤中存在不准确以及在图像融合步骤中存在效果不佳的缺点。针对上述问题,提出一种夜间拍照图像质量增强算法。该算法首先提出基于ASIFT夜间图像配准算法来对闪光灯和无闪光灯条件下拍摄图像进行配准,避免传统配准方法的过拟合问题,然后用基于细节重构的图像融合算法对配准后图像进行融合,大大增强图像的细节信息。实验结果表明,基于ASIFT的夜间图像配准算法,可以提高夜间图像配准精确度,有效地避免出现重影等问题,而基于细节重构的图像融合算法有效地解决了色偏问题和细节提取问题。经过该算法处理后的图像既保留原来的光照氛围,又增强图像的细节信息,大大提高了图像的主客观质量。     

一种改进的图像增强算法及其应用

为改进图像增强算法,使之更适合医学领域图片的处理,采用了粗糙集的上逼近和下逼近思想,将图像分为物体区和背景区,使用不同的函数进行增强,进而提出了一种改进的基于粗糙集的增强算法,并首次应用于医学图像处理领域.实验结果显示改进的基于粗糙集的增强效果优于直方图均衡化方法.     

基于Sobel算子滤波的图像增强算法

针对传统图像增强算法对噪声比较敏感、图像失真和细节信息丢失等不足,提出一种基于Sobel算子滤波的图像增强算法。通过理想高通滤波和Sobel算子提取出边缘掩膜,再利用平滑滤波和拉普拉斯算子结合得到简单的细节增强图像。然后将其和掩膜相乘后,再与输入图像相加可得到效果较好的边缘细节增强图像。通过实验进行比较分析,评价结果显示,该方法得到图像的视觉效果相对原始图像和同态滤波都有明显的改善。实验结果验证了该方法的有效性,在增强图像边缘细节的同时,能够抑制噪声并保持图像的真实性。     

基于改进ILAE算法的图像局部自适应增强研究

一些应用需要增强一幅图像的局部信息,而不改变图像的其它部分。为此,提出了图像局部自适应增强算法。采用改进的ILAE算法,根据局部统计信息找出一幅图像中所要增强的像素点,仅对这些像素点进行图像增强,然后利用自适应中值滤波方法对增强后的图像进行去噪。实验结果表明,经算法处理后的图像,不仅局部信息得到了增强而且还能取得很好的视觉效果。     

基于快速行进算法的深度图像增强算法

由于Kinect设备采集的深度图像存在空洞,传统的算法无法对空洞进行有效地填充,针对这一问题研究了一种基于快速行进FMM(Fast Marching Method)的深度图像增强算法。该算法首先将彩色图像作为输入,计算各像素与邻域像素的多尺度结构相似性MSSIM(Multiple-Scale Structural Similarity);然后利用MSSIM构造扩散函数,通过改进的FMM算法,估计深度图像空洞区域像素的深度信息;最后为了突出深度图像中物体边缘信息,采用改进的引导滤波算法对修复后的深度图像进行增强,使得修复的深度图像具有保持边缘的特性。实验结果表明,该算法可以准确地填补深度图像的空洞,并且能够有效地保持物体边缘细节,解决了Kinect设备采集中存在深度图像空洞问题,并能促进三维重建技术的研究及应用。