基于MSR和融合理论的X射线安检图像增强算法

针对X射线安检图像噪声大、对比度低和边缘不清晰等问题,提出一种结合多尺度Retinex算法(Multi-Scale Ret-inex,MSR)算法和图像灰度最大值融合的双重能量X射线图像增强算法.首先,应用MSR算法对高能和低能X射线图像进行处理得到初步增强结果,然后采用空域灰度值最大融合算法融合经过MSR算法初步增强后的高能和低能X射线图像从而得到最终增强X射线图像.实验结果表明该算法能更有效地提高双重能量X射线图像的对比度,显著改善图像质量.     

基于Retinex的低照度图像增强

Retinex理论是颜色恒常知觉的计算理论,可以用于图像清晰度严重失真状况下的图像增强.在研究Retinex算法的基础上,对低照度彩色图像失真中色彩恢复存在的问题进行研究,构建了一个恢复效果较好的色彩恢复函数——余弦色彩恢复函数.给出了处理后图像的自动补偿/增益方法以及补偿/增益中参数实际选取的经验值.对处理后的图像进行了质量评价分析,表明该恢复函数在处理低照度图像时具有较明显的改善效果.     

基于全变分Retinex及梯度域雾天图像增强算法

为提高雾天图像增强的对比度并保持颜色恒常性,提出了基于全变分Retinex及梯度域雾天图像增强算法。首先,采用高斯—赛德尔GS（Gauss-Seidel）迭代算法对基于Retinex的全变分能量泛函数进行求解,从而有效地保持颜色恒常性;其次,采用相对梯度与绝对梯度相结合的方式拉伸雾天图像较亮处的梯度, 在全变分Retinex理论下重建增强后的雾天图像,并将该增强算法应用到彩色图像;最后,加权融合基于全变分Retinex增强算法与梯度域增强算法的增强结果,使得增强结果既能提高对比度又能保持色彩恒常性。实验结果表明,本算法提高了雾天图像增强后的对比度和清晰度,具有颜色恒常性、颜色保真高等特性。     

基于Retinex理论的雾天图像增强算法

针对雾天图像对比度低、细节模糊和色调偏灰等问题,提出了一种基于Retinex理论的雾天图像增强算法。将雾天图像转换到HSI空间,对S分量进行线性拉伸,用改进的SSR算法对I分量进行增强处理,转换回RGB空间,用sigmoid函数进行颜色恢复得到增强图像。实验结果表明,提出的算法能有效地提高雾天图像质量,恢复雾天图像色彩,增强效果优于传统算法。     

一种新的X射线图像增强算法

基于X射线影像增强器的视觉系统所成图像的缺点是动态范围小,对比度不够高。为此,提出一种新的X射线图像增强算法。首先在高低两个不同射线管电压下分别获取两幅图像,利用离散小波变换对其进行多分辨率图像融合,以扩展X射线图像动态范围,之后再利用双平台直方图均衡算法对融合图像进行增强。实验结果显示,射线图像得到有效增强。     

基于多尺度Retinex算法的遥感图像增强

遥感图像增强是对遥感图像进行后继处理的必要步骤且在遥感图像的处理中占有独特的地位.当前,有很多图像增强方法被应用到遥感图像的增强当中,文中引入Retinex增强算法,该算法可以实现对图像进行自适应的增强处理.为了使Retinex算法更具有普遍性和自适应性,采用多尺度Retinex算法对图像进行增强.多尺度Retinex算法即结合多个尺度上的单Retinex算法,因而可以进一步提高Retinex算法的自适应能力和对图像的增强效果.应用小波变换方法和多尺度Retinex算法对遥感图像进行增强对比实验,实验结果表明多尺度Retinex算法在遥感图像的增强方面具有优越性,并且可以取得令人满意的增强效果.     

基于反锐化掩模的X射线图像增强算法研究

研究了一种基于反锐化掩模的X射线图像增强算法,通过图像增强可以突出图像细节特征,提高图像对比度,从而改变视图效果.利用了线性非反锐化掩模和非线性反锐化掩模两种算法可以有效地处理图像,具有良好的增强效果.研究表明,可将其应用到相关行业.     

基于改进Retinex算法的低照度图像增强

通过对比不同图像增强算法,针对传统图像增强算法无法兼顾色彩、细节以及纹理的同步处理等问题,文章提出一种MSRCR-HIS图像增强算法,融合直方图转换法与MSRCR算法的优势,并将处理后的图像与原始图像进行融合以保留原图细节信息,通过验证,文章提出的算法与经典算法相比,能够有效地改善图像的呈现效果,有利于后续各项实验操作。     

改进Retinex的夜间图像增强算法

针对夜间拍摄的图像容易受到光线不足的影响而出现动态范围窄、噪声明显和细节信息丢失的缺陷,提出了一种改进Retinex的图像增强算法.首先分析Retinex算法的理论模型,利用双边滤波器估计模型中的照度部分,获得准确可靠的反射部分,从而恢复图像的真实色彩和细节.仿真实验表明,改进算法可行有效,能使图像的视觉效果得到进一步...     

一种自适应尺度的MSR图像增强方法

针对传统多尺度Retinex增强算法不能有效增强图像不同尺度的细节特征问题,提出了一种自适应尺度的MSR增强算法,利用HSI空间中的亮度分量方差值自适应确定滤波器尺寸,在增大图像对比度、突出图像细节特征的同时保持了图像色彩的稳定性,对光照不均匀图像取得了较好的增强效果。     

基于改进直方图均衡化和SSR算法的灰度图像增强研究

为了提高偏亮和偏暗图像的增强效果,提出了一种改进的直方图均衡化和SSR算法相结合的灰度图像增强方法.对原始图像进行改进直方图均衡化增强,提取低频分量进行直方图均衡化,与高频分量融合;对原始图像进行SSR算法增强;将得到的2个图像进行加权融合.结果表明:新方法得到的图像比原始图像细节特征突出,视觉效果明显改善;对比度和信息熵得到提高、亮度得到调整.在医学X射线图像上验证了其可行性,与其他增强算法相比,新方法更有利于图像的准确分析.     

改进的单尺度Retinex雾天图像增强算法

在恶劣天气(如雾、霾)条件下,室外计算机视觉系统会采集到严重降质的图像,为生产、生活带来了严重的影响.本文基于色彩恒常理论提出了一种快速有效的雾天图像增强新算法,首先利用拉普拉斯梯度算子增强了雾天降质图像的各个颜色分量的边缘信息,然后在单尺度Retinex算法的基础上创新性提出了一种符合人眼视觉特性的中心自适应调节的拟合函数增强图像各个颜色分量,提高对比度,保持色彩信息.同时结合对比度、信息熵和运算时间等客观评价标准,与直方图均衡化和多尺度Retinex算法进行对比,验证了本算法优越性,并能满足实时处理的需求.实验仿真结果表明,该算法去雾效果显著,具有良好的视觉欣赏效果.     

基于拉格朗日插值的射线图像增强技术

研究了基于拉格朗日插值的射线图像增强算法,根据射线图像有偏暗、偏亮和灰度集中在某一范围内三种情况,研究了三阶拉格朗日插值算法;根据输入、输出灰度的变换关系,生成图像灰度变换的查找表.该算法简单易行,便于硬件实现,对处于不同灰度范围内的射线图像均达到了较好的增强效果.目前,该算法已在VC++6.0编程环境中编程实现.并在x射线实时成像系统中得到应用.实验证明这种方法是可行的.     

基于HSV颜色空间的改进的多尺度Retinex算法

针对带颜色恢复的多尺度Retinex算法在最后输出的图像上存有重叠的问题,提出了一种改进的子频带分解的Retinex算法,该算法不仅能增强亮点中的细节,也能增强在阴影中的细节.由于RGB这三种颜色之间有很强的关系,而HSV这三者之间没有很大的关联,能够较好的反映人对色彩的感知.实验结果表明,与基于RGB空间的多尺度Retinex算法相比,改进的基于HSV的算法更有效的增强图像在亮点和阴影中的细节,颜色更接近于原图.     

基于暗原色先验模型的Retinex算法

 现有雾天图像增强的Retinex算法采用固定滤波器,无法适应多种景深和雾化程度的情况.对此,本文提出一种基于暗原色先验模型的Retinex算法.暗原色先验模型反映了雾天图像中雾的分布与景深信息.受此启发,根据局部区域暗原色值设计一种尺度可变滤波器,针对不同景深和雾化区域采用不同尺度的滤波器估算雾天图像的照度分量,实现对雾天图像的增强.分别使用主观观察和客观数据分析方法,将本文算法与HE算法、固定尺度MSR算法进行对比,本文算法在细节增强以及图像整体效果上均优于HE算法和固定尺度MSR算法.     

基于人眼视觉的红外图像增强算法研究

红外图像具有低对比度、噪声大、动态范围大以及视觉效果差等特点。传统的图像增强算法具有各自的局限性,处理后的视觉效果并不理想。为了改善红外图像的视觉效果,增强图像中目标的识别力,研究了基于人眼视觉特性的Retinex算法,结合红外图像的成像机制,将适用于可见光图像的Retinex增强算法应用于红外图像,取得了良好的视觉效果。在此基础上,对算法进行自适应改进,提出了AMSR算法。采用几种传统的图像增强算法和基于Retinex的算法对具有典型特性的红外图像进行增强处理,并计算客观评价指标。通过对实验结果的主观评价和客观指标分析,验证了AMSR增强算法对红外图像具有适用性和优越性。本文的研究工作对红外目标探测和识别具有重要的意义。