基于灰度补偿与多尺度Retinex算法的彩色图像增强方法研究

对彩色图像进行增强可以改善图像的质量并获得更多的图像细节,以利于后续的图像分析。针对彩色图像增强的颜色保持特性,本文使用灰度补偿和多尺度Retinex算法相结合的方法,对待增强的彩色图像首先进行Retinex算法处理,然后对图像的红、绿、蓝三种颜色分量分别进行直方图均衡化,并进行对比度调节,这样来获得经过增强之后的图像。实验结果说明,这种方法可以使得图像的局部细节更好地显示出来,具有较好的颜色保持性能。     

水下彩色图像的亮度通道多尺度Retinex增强算法

水体散射使得水下光电成像所获得的图像存在较为均匀的散射光分布,降低了水下图像的清晰度和可观察景深,减小水体散射光的影响是提高水下光电成像质量的重要途径.论文基于Retinex理论,将水体散射效应等效为环境光照的变化,通过水下彩色图像亮度通道下的多尺度Retinex( MSR)算法处理,有效地减小水体散射效应,提高所获图像中水下目标的真实性.实验表明,MSR算法能对含有不同程度水体散射效应的水下彩色图像进行全局视觉效果提升,更清晰地突出物体的细节并获得较鲜艳的色彩表现.     

基于自适应权重Retinex和小波变换的彩色图像增强算法

针对现有图像增强技术容易出现细节丢失、局部曝光不足、过曝光或颜色失真,不能兼顾对比度和色彩保真的问题,提出了基于自适应权重Retinex与小波变换结合的彩色图像增强算法(AMSR-WT)。将图像从RGB空间转换到HSI空间,对亮度分量I进行小波变换分解为低频亮度图像和若干高频亮度图像,对低频图像使用自适应权重Retinex进行增强,对高频图像使用改进的阈值去噪算法进行去噪,通过小波逆变换重构亮度分量,经过Gamma校正进一步增强对比度并转换回RGB空间得到增强图像。实验结果表明,该算法有效提高了图像对比度和颜色保真度,较好地保留了图像的细节和纹理。     

基于照度分割的局部多尺度Retinex算法

针对现有多尺度Retinex图像增强算法采用线性加权的方法来综合各个单尺度Retinex增强效果,不能很好地体现出各个尺度在色彩保真和细节增强上的特点与优势,本文提出一种新的基于照度分割的局部多尺度Retinex图像增强算法.该算法首先通过引入带参数的LIP模型将图像分解成四个照度区域,然后对各区域根据照度的差异采用相应尺度的Retinex算法进行增强,最后通过基于面积的比例因子对各增强后子图进行照度融合,实现图像增强.实验结果表明,与现有多尺度Retinex算法相比,本文算法在图像亮度保持和细节增强上,处理效果较好,在色彩方面也有较好的效果.     

基于多尺度Retinex的图像增强算法

针对单景深低对比度图像中有用信息量少,可辨别性低的特点,提出运用多尺度Ret-inex理论对该类图像进行增强.根据单景深图像特点,在多尺度Retinex处理过程中采用平均标准偏差作为尺度参数的基础,设计多尺度参数高斯滤波器与原始图像在空域中进行滤波,最后运用灰度级均匀化对处理后图像进一步增强,结果显示处理效果良好.     

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。     

多尺度Retinex和双边滤波相融合的图像增强算法

为了获得更加理想的图像增强效果,针对Retinex算法存在的“光晕伪影”现象,提出了一种多尺度Retinex和双边滤波相融合的图像增强算法.首先对多尺度Retinex算法的对数函数进行改进,拓宽图像的灰度范围,然后采用双边滤波算法对图像反射分量进行处理,消除光照变化不利影响,提高图像的对比度和清晰程度,最后采用伽玛函数对图像亮度进行校正,保持图像细节信息.实验结果表明,无论是主观视觉效果和客观质量,本文算法的性能均要优于多尺度Retinex算法,可以有效消除“光晕伪影”现象.     

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.     

基于多尺度Retinex的激光雷达图像自适应增强方法

激光雷达图像容易受到外界因素影响,造成细节丢失、边缘模糊、噪声过多等问题,因此,提出基于多尺度Retinex的激光雷达图像自适应增强方法。利用线性变换法则和硬阈值法预处理低频激光雷达图像,完成图像边缘细节处理,引入多尺度Retinex增强算法还原图像内实物的自身真实特征,凸显图像层次信息,仿真对比实验证明,应用本方法进行增强后,图像最大灰度值为150,PSNR值始终保持在80 dB之上,图像的清晰度增强,噪声明显减少,图像的对比度明显提升,图像边缘轮廓明显,证明该方法能够有效增强激光雷达图像的效果。     

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.     

多尺度Retinex图像增强应用中的彩色空间选择

研究了基于Retinex理论的图像增强算法,介绍了图像和视频处理中常用的RGB、HSV、YIQ、YCbCr和 Lab 5种颜色空间,给出了均方误差(MSE)、峰值信噪比(PSNR)、信息熵、彩色增强因子(CEF)和结构相似度(SSIM)5个图像质量评价指标的计算公式,并用这5个指标评价了CLAHE算法在5种颜色空间上的增强效果.实验结果表明,相比于其它4种颜色空间,多尺度Retinex算法在HSV颜色空间上取得了最好的增强效果.     

一种基于Retinex理论的彩色图像增强算法

在分析Retinex理论及其经典算法的基础上,提出一种新的彩色图像增强算法。该方法在保持增强图像高频成分的同时,很好地保留了图像的部分低频成分,并根据Gray World理论,引入动态参数,提高了图像的动态范围。实验结果表明,用所提算法能有效增强彩色图像。     

一种新的基于多尺度retinex的高动态范围图像增强方法

针对多尺度retinex的过增强和噪声放大问题,本文提出了一种新的基于多尺度retinex的综合性的高动态范围图像增强方法。首先分别对直方图均衡化后的图像及其反色图像进行多尺度retinex处理,然后再分别对这两幅图像进行改进的伽马矫正,最后对这两幅图像进行平均计算。实验结果表明,该算法对于灰度图像和彩色图像均能有很好的效果。     

消除光晕和细节增强的多尺度Retinex红外图像增强

针对传统 Retinex 算法处理红外图像存在光晕伪影和细节增强不足的缺点,本文提出一种消除光晕和细节增强的Multi-scale Retinex（MSR）红外图像增强算法。首先,以局部方差和局部复杂度构造引导滤波的自适应平滑增益,然后,采用改进的引导滤波核函数估计照度分量,在对数域对多尺度 Retinex 数学模型求解,获取消除光晕和细节保持的多尺度反射分量。最后,为进一步增强细节和提升亮度,对反射分量依灰度等级进行自适应增强,并通过偏移调整和 Gamma 校正改善图像亮度,得到最终增强图像。实验结果表明,本文算法相对其它的 Retinex 增强算法,可有效地消除光晕现象,突出细节,可获得视觉效果良好的增强结果。     

一种基于Retinex理论的图像增强算法

提出了一种基于Retinex理论的图像增强算法。Retinex理论的实质就是从图像S中抛开照射光L的影响来获得物体的反射性质R,即获得物体本来的面貌。在对Retinex理论进行研究的基础上,论述了该算法的原理和实现方法,并通过实验与几种传统的图像增强方法以及单尺度、多尺度和带彩色恢复的多尺度Retinex进行了比较,表明该算法对于图像阴影细节的增强和色彩的保真较一般的图像增强算法能够达到更好的效果。     

基于自适应引导滤波的子带分解多尺度Retinex红外图像增强

利用引导滤波的边缘保持特性及梯度保持特性,提出一种基于自适应引导滤波的子带分解多尺度Retinex红外图像增强算法.首先利用自适应引导滤波对光照分量进行精确估计,生成光谱不重叠的Retinex子带,然后对各个子带进行自适应增强,最后将各个增强后的子带加权融合.实验证明,该算法可有效消除光晕现象及凸显红外图像细节.