基于距离加权色偏估计的低质图像增强

有色雾、烟、尘等恶劣大气条件下的低质图像具有低可见度和颜色偏移的特点,给人类观察和计算机视觉应用带来困难。当前针对此类图像的增强算法通常忽略了景物与相机的距离对色偏的影响,为了在增强可见度时更好地恢复图像颜色,本文提出低质图像成像可见度下降及色偏与景物距离的关系模型和求解方法。该方法首先通过图像的局部亮度估算距离,然后通过距离估算图像的色偏矩阵,再求解退化模型得到可见度与颜色得到恢复的图像,最后将恢复的图像与限制对比度自适应直方图均衡（Contrast limited adaptive histogram equalization,CLAHE）增强图像进行距离加权融合,得到进一步细节增强的图像。实验表明,本文提出的方法与同类方法相比,在达到高图像质量评价指标的同时,明显具有更好的颜色恢复结果。     

面向网页浏览的彩色图像质量自动调整策略

研究如何在最少的人工干预下最大限度地改善图像质量。通过分析影响彩色图像质量的客观因素，制定了质量自动调整的目标和原则，给出其处理流程，并详细描述了包括偏色去除、对比度增强、亮度调整、色度调整、清晰度调整在内的具体算法。该算法适用于面向网络浏览的图像处理，具体实例分析表明其成功率高达90%。     

基于直方图均衡化与MSRCR的沙尘降质图像增强算法

针对沙尘天气下图像色彩偏移严重及对比度低等问题,提出一种基于直方图均衡化与带色彩恢复的多尺度视网膜（MSRCR）增强的沙尘降质图像增强算法。通过偏色校正和图像增强两个步骤进行图像恢复,将RGB图像各通道预处理后利用限制对比度自适应直方图均衡方法得到校正后的图像,对图像采用双边滤波进行降噪处理,通过MSRCR算法进一步解决色彩失衡问题。由于处理后的图像对比度较低,存在一定色偏,利用伽马校正和基于图像分析的偏色检测及颜色校正方法进行处理得到最终结果。对大量沙尘降质图像进行仿真实验,结果表明,该算法能够有效处理不同偏色程度的沙尘图像,不仅提高了图像的对比度,而且有效避免了图像颜色偏移现象,相比GCANet、MSRCR等算法,平均时间效率提升了46.2%~94.7%。     

基于超像素显著性的视频偏色检测方法

针对传统偏色检测方法存在的局限性,基于超像素显著性,提出一种视频偏色检测方法。将视频图像分割为超像素块,提取超像素块的亮度显著性和颜色显著性。使用亮度显著性权值系数对颜色显著性进行贝叶斯融合处理,得到综合显著的超像素块特征信息。将块特征向量作为训练样本,使用支持向量机进行分类和回归训练,检测出偏色视频并实现视频的偏色程度评分。实验结果表明,与传统偏色检测方法相比,该方法检测偏色视频的准确率更高,达到95.1%,且偏色程度的检测结果更接近人眼主观评价结果。     

改进非线性亮度提升模型的逆光图像恢复

针对因为拍照时光线不足或拍摄角度不佳而拍出逆光图像影响肉眼观察或计算机识别的问题,提出一种改进的非线性亮度提升模型的逆光图像恢复手段。已有的非线性亮度提升方法虽然能够提高逆光区域的亮度,但往往由于过度提升导致高亮度区域失真。在已有的图像亮度处理算法基础上,提出基于非线性亮度提升模型的自适应逆光图像恢复方法,采用对数函数的转换关系对图像亮度进行分段处理,其分段阈值由Otsu阈值分割决定,其转换函数中逆光区域的调节系数由逆光区像素面积比计算得到。仿真结果显示,新方法提升了图像质量且确保了整幅图片自然不失真,与利用对数函数转换关系,并在HSI空间模型下对图像亮度进行调节的方法相比,提升了处理性能。     

协同式网络多尺度重叠区域图像偏色检测仿真

在协同式网络下,局部区域图像存在着不同程度的偏色,导致图像颜色失真。现在使用的算法耗时长、代价大存在局限性,故提出一种协同式网络多尺度重叠区域图像偏色检测算法。通过运用相邻加权平均像素进一步获得图像中最重要有效的像素值,完成对图像进行去噪处理;依据亮度和颜色两种信息特征,采用贝叶斯算法对其进行合并,完成图像的亮度和颜色特征提取融合;依据图像的宽度对边缘平滑程度分析,从而得到其各个边缘像素的曲率,运用等效圆概念,对多尺度重叠区域图像偏色做检测处理。实验结果表明,所提算法检测图像偏色具有更高的可靠性、优越性和准确性,可以获得较好的处理效果。     

基于亮度对比度增强与饱和度补偿的快速图像去雾算法

针对传统去雾方法存在的恢复质量差和耗时较长等问题,提出一种基于亮度对比度增强与饱和度补偿的快速图像去雾算法.首先提出一种基于颜色畸变因子的偏色检测方法,并通过基于完美反射的白平衡方法对存在偏色的图像进行色彩校正;然后在Lab色彩空间的亮度通道内,结合基于天空检测的大气光值估计方法和基于暗通道先验的透射率估计方法,提出基于大气散射模型的亮度通道对比度增强方法;最后为了改善图像画面的苍白感,在HSV色彩空间的饱和度通道内提出基于大气散射模型的饱和度补偿方法,对初步去雾结果进行饱和度补偿,获得色彩鲜艳的无雾图像.与有代表性的去雾方法进行实验的结果表明,该算法可以有效地提高去雾速度,并在避免颜色畸变的同时获得高对比度和高饱和度的清晰复原结果.     

基于空间培养的植物图像处理方法

光照环境偏暗偏红,光照不均匀等会影响彩色图像的视觉效果。在比较几种现有的处理方法的基础上,提出了一种新的方法,该方法首先减小RGB彩色图像中偏红部分的红色分量值,然后转换到HSV色彩模型中,对亮度分量进行直方图均衡和Retinex 算法处理,最后转换回RGB颜色空间并进行Garmma校正。实验表明：该方法不仅能够减弱红色光源对图像质量的影响而且能够提高图像的亮度,同时也能较好地保留图像的细节。     

基于近红外和可见光差分特征的图像融合方法

暗光环境拍摄的图像通常存在昏暗、噪声、偏色等退化问题。为此,提出一种基于差分特征的可见光与近红外融合方法。首先,观察到近红外与可见光图像成像不一致性,通过两者结构性差异构造差分特征;其次,利用差分特征映射为融合权重进行权重融合;最后,采用偏色校正方法对融合后易产生偏色区域进行亮度复原,使得融合后偏色区域颜色真实自然。提出的方法能切实有效地利用近红外信息,输出高质量清晰图像。实验结论表明,该方法在主观感受和客观评价上均优于现有算法。     

基于多尺度特征融合生成对抗网络的水下图像增强

针对水下退化图像细节模糊、对比度低和蓝绿色偏问题,提出了一种基于多尺度特征融合生成对抗网络的水下图像增强算法。算法以生成对抗网络为基本框架,结合传统白平衡算法和多尺度增强网络实现对水下退化图像的增强。通过改进的通道补偿白平衡算法矫正蓝绿色偏,并以卷积神经网络提取偏色校正后图像的特征;提取图像多尺度特征,结合提出的残差密集块将每一层的局部特征增强为捕获语义信息的全局特征,并与偏色校正图像的特征相融合;通过重建模块将融合特征重建为清晰图像,恢复图像的细节信息。实验结果表明,该算法增强的水下图像去雾效果较好且颜色更真实,有效改善了水下图像色偏和模糊的问题,在主观指标和客观指标上的实验结果均优于对比算法。     

远程采集随即视频图像清晰化方法仿真

远程采集的图像中,存在较强的随机性因素,图像中包含的噪声因素不可控,视频图像受到亮度不定、意外抖动、图像冻结等不可以抗拒的因素影响,造成像素缺失,清晰度下降,传统的以评价函数为基础的去噪方法仅仅针对像素这一单模态的缺损进行修补,没有考虑色差、偏色等多因素的影响,可靠性和准确性不强.提出一种多模态的视频图像清晰化方法.改进方法融合了视频图像清晰度、偏色、噪声等多个特性检测属性.运用一种分块平方梯度聚焦评价函数进行视频图像的清晰度检测,采用一种等效圆的偏色检测方法,增加对随机视频图像的偏色检测,融入了一种改进的Minmax噪声检测算法辅助清晰化的效果.实验结果表明,改进的方法具有较好的可靠性,提高视频图像清晰度.     

自适应补偿Retinex算法的多尺度图像渐晕校正

图像渐晕会干扰机器视觉处理的性能,考虑到现有图像渐晕校正出现的失真、泛灰等质量问题,设计了自适应补偿Retinex方法.根据图像渐晕模型分析,图像渐晕主要由于径向像素强度变化引起,而这正好符合Retinex理论的分解原理,于是引入Retinex算法削弱亮度分量,恢复渐晕图像的入射分量.为避免图像失真,设计了多尺度Retinex,同时考虑到尺度取值会影响亮度与对比度、色彩之间的均衡,引入控制因子抵消尺度影响.为了消除光晕和失真,采用区域生长和灰度调整机制,自适应补偿渐晕边界.仿真从主观验证了自适应补偿Retinex方法适用于不同类型的渐晕图像校正;从客观图像角度验证了方法具有更好的校正图像质量和细节纹理;从光谱角度验证了方法校正后的图像光谱更为均衡,与原始图像具有更好的一致性.     

轻轻松松把你的扫描仪发挥到极限

无论使用滚筒式扫描仪还是平台式扫描仪,要想得到比较好的扫描图像质量,掌握一定的扫描技巧是非常必要的。因为使用同样一台扫描仪,扫描同样一幅图像,有的人扫描出来的图像质量很好,而有的人扫描出来的图像既缺乏层次,又偏色,与扫描得好的图像相比可能有天壤之别。往往有一种误解,认为扫描后得到的图像,在ＰｈｏｔＯＳｈｏｐ软件中进行修改,就可以得到高质量的图像。实际上,若以太低的分辨率扫描,或使图像亮度太强或太弱,都会损失大量细节,ＰｈｏｔｏＳｈｏｐ软件无论如何也无法再生出很好的层次来。 实践证明,使用系统预设…     

一种基于人眼视觉及对数域的HDR图像动态范围压缩方法

当前人们对图像质量的要求越来越高,高动态范围（HDR）图像广泛应用于影视、医疗等领域,已经成为图像处理领域中的重要研究方向。针对现有的动态范围压缩方法造成图像偏暗区域和偏亮区域发生信息丢失的问题,对传统的对数域动态范围压缩方法进行改进,并根据人眼对亮度的适应特性实现对图像整体动态范围压缩的同时,保留了更多的偏暗区域和偏亮区域信息。     

基于图像分析的偏色检测及颜色校正方法

采用一种基于等效圆的偏色检测方法,克服了传统方法在图像偏色检测中的局限性。为了对检测后的偏色图像进行校正,采用一种结合灰度世界和完美反射的颜色校正方法,弥补了传统方法的不足,从而得到更为"真实"的校正图像。实验结果表明,基于图像分析的偏色检测及颜色校正方法,提高了偏色检测的可靠性,取得了较好的颜色校正效果。该方法仅利用图像本身的特征进行分析,具有普遍的适用性。     

一种新颖的多视点视频偏色校正算法

针对多视点视频序列中视点间出现偏色的问题,提出了一种偏色校正算法.该算法在编码端只处理目标序列的亮度分量,在解码端利用运动矢量信息和参考序列,使用色彩扩散的方法恢复出目标序列的颜色信息.在完成偏色校正的同时,有效地提高了编码效率.以标准多视点视频测试序列为实验对象,将本文算法与直方图匹配校正、未校正序列进行比较,表明本文算法可以有效校正偏色现象,并获得良好的主观效果.     

基于偏色校正和信息损失约束的沙尘暴降质图像增强算法

为了解决沙尘暴环境下拍摄的图像中存在的颜色偏移、对比度低等降质问题,提出基于偏色校正和信息损失约束的沙尘降质图像增强算法,主要包含偏色校正和对比度增强2个模块,在偏色校正模块中,通过分析沙尘降质图像的RGB 3个通道直方图分布特点,提出一个改进的基于高斯模型的偏色校正算法;在对比度增强模块中,通过结合基于暗通道先验和信息损失约束算法,提出一种基于大气散射模型的对比度增强算法.为了验证算法的有效性,通过与4种已有算法的大量实验结果对比发现:文中算法不但能够很好地增强不同种类的沙尘降质图像的对比度,而且可以有效地避免图像偏色现象,并且保持良好的色彩保真度和合适的亮度.     

基于多项式回归的四带图像偏色校正算法

针对可见光图像在受到红外光串扰的情况下产生的偏色现象,提出了一种基于多项式回归构建解串扰矩阵的四带图像（RGB三带和IR近红外带）偏色校正算法,该算法在特定的光源条件下,利用标准色卡的24个色块,采用多项式回归的思想构建解串扰矩阵.使用该解串扰矩阵对同种光源条件下拍摄的四带图像进行偏色校正,达到去除红外光串扰的目的.实验结果表明,该方法只需进行一次标定校正矩阵,就可以对同种光源条件下拍摄的不同图像进行偏色校正,恢复图像自然的色彩.     

亮度自调节的无监督图像去雾与低光图像增强算法研究

在低质图像降质问题中,亮度偏离(如图像偏亮及偏暗)是较为常见的图像降质现象。基于全监督学习的图像增强方法面临训练数据难以获取或获取成本过高、训练数据和应用场景不一致的困境。针对以上问题,提出了一种能够克服数据依赖和亮度自适应的无监督图像增强方法。方法的具体细节为：针对图像去雾与低光增强任务,设计了一个基于通道与像素注意力的深度卷积网络,对增强图像与输入图像进行比较,采用亮度饱和度、空间一致性、照明平滑度、伪标签监督损失等多种无监督损失函数,在保证增强图像与输入图像一致性的同时,调节图像的亮度偏离程度,有效提高图像质量。实验结果表明,所提方法在客观指标及视觉效果上不仅优于传统方法和基于无监督学习的方法,甚至优于近年来的全监督图像增强方法。将所提方法与5种图像去雾方法及4种低光增强方法分别进行对比,相比性能次优的方法,其在图像去雾任务的Reside数据集上,PSNR和SSIM值分别提高了2.8 dB和0.01;在低光增强任务的SICE数据集上,PSNR和SSIM分别提高了0.56 dB和0.01。结果表明,所提无监督图像去雾与低光增强算法能够有效调节图像的亮度偏离程度,重建了亮度正常、细节...     

基于K-SVD的偏微分方程模型在毫米波图像恢复中的应用

在图像被大噪声污染或具有较低分辨率时,传统的偏微分方程(PDE)模型的稳态解会产生明显的阶梯效应,恢复图像质量较差。针对此缺点,提出了一种新的基于K-奇异值分解(K-SVD)的PDE图像恢复方法,并应用于毫米波(MMW)图像的恢复。K-SVD是一种图像稀疏表示方法,对图像进行稀疏估计的同时实现去噪,对噪声方差较大的图像具有较好的去噪鲁棒性。首先采用K-SVD对MMW图像进行去噪,对去噪图像再应用全变分(TV)模型的PDE方法进行恢复。对所提出的算法分别使用模拟的MMW图像和真实的MMW图像进行测试,并进一步和K-SVD、PDE方法比较,同时使用峰值信噪比(PSNR)对恢复图像进行评价。根据不同噪声方差下的PSNR数据和恢复图像的视觉效果,实验结果证明了所提方法能够有效地恢复MMW图像。