基于MSR Retinex参数融合的真彩色图像增强

针对小波变换的单尺度(SSR)Retinex的真彩色图像增强算法的不足,文章提出了一种基于非抽样小波变换的多尺度(MSR)Retinex参数融合的真彩色图像增强算法,该算法在HSV空间下将亮度分量V按3个不同参数进行Retinex变换,对得到的不同参数再进行基于非下采样小波变换的融合,进而得到融合后的V分量,最后,将处理后的高低频系数进行反变换得到增强后结果图像。     

基于颜色特征的低照度林火图像分割方法

在一些光照强度较低场的场景下,用一般方法直接分割火焰的效果不佳。针对这一问题,提出基于颜色特征的低照度林火图像分割方法。在HSV空间的V通道上,对原始图像进行直方图均衡化;分别分析火焰像素在RGB与YCbCr空间的特征,以此为依据对火焰进行分割;将二者结果相融合,得到完整的火焰图像。通过与MCC参数、F1-score参数和HAF参数进行对比,证明此算法对火焰像素的检测率更高,分割效果更好,且具有很好的抗干扰性。     

一种边缘优化的红外与可见光图像模块化融合方法

针对红外与可见光图像融合中出现的对比度较低和图像模糊的问题,提出了一种边缘优化的模块化融合方法.首先,对红外图像进行局部对比度自适应增强,突出红外图像中的目标;然后分别对红外图像和可见光图像进行HSV色空间变换,在亮度分量中,对其进行边缘细节增强的模块化融合,进一步突出红外图像中的目标轮廓;最后,结合可见光图像的色调和饱和度分量,经过RGB色空间的转换,获取融合后的图像.结果表明,与简单加权平均算法和小波融合算法的融合结果相比较,该融合算法能够较好的保持原图像的细节和目标信息,图像的对比度和清晰度也有较大的提高.     

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。     

一种基于二维离散小波变换的边缘检测方法

本文在传统边缘检测算法的基础上,给出了一种基于二维离散小波变换的边缘检测方法。首先对原图用直方图均衡化进行图像增强,对增强后的图进行二次小波分解得到图像的近似部分和细节部分,然后把第二次的低频图像置为零,进行小波重构得到图像的边缘,因此能够更好的检测到原图像忽略掉的边缘。     

一种对FAST角点算法加强鲁棒性改进的M-FAST算法

基于快速的FAST算法,提出一种M-FAST角点算法,即首先使用直方图均衡化方法对图像进行增强,提高图像成分的清晰度并消除图像中光照强度的影响,其次用Mallat小波算法对图像进行去噪处理,加强图像的抗噪性,最后再使用FAST进行角点检测。通过实验对比,证明比原FAST算法更具鲁棒性和抗噪性。     

动态融合梯度信息的Camshift算法改进研究

将梯度信息引入到Camshift算法之中,定义Camshift算法的梯度模型。依据运动目标和背景图像直方图的Bhattacharyya距离来动态决定梯度模型在查找算法中的决定权重,减小加入梯度后对算法时效性的影响;在Camshift算法求运动目标色调分量的过程中,改进由RGB空间到HSV空间转换计算的方法,减少反余弦和开方运算。在色调分量Hue基础上定义一种Hue分量,提高颜色空间之间的转换效率;在对目标跟踪框内颜色直方图进行计算时,以选取框重心位置为中心,距离中心越远的像素在颜色直方图中的比重越小.减小在选取运动物体初始位置时引入的背景噪声,提高跟踪算法的稳定性。实验证明:经过上述的改进,使得传统的Camshift算法在背景颜色与运动目标和有相似颜色物体对运动目标造成干扰的情况下的跟踪鲁棒性得到提高。     

一种基于 Sobel 算子的小波与 IHS 遥感影像融合算法

针对IHS图像融合算法中颜色畸变比较明显的问题,提出一种新的基于小波与IHS相结合的遥感影像算法.经IHS变换的多光谱影像Mul的I分量与全色影像Pan由二维离散小波分解,对小波高频和低频分量采用不同融合规则:低频分量采用绝对值加权平均的方法,把两者的低频系数按其权值比例合成到新的分量I1中;高频系数采用基于区域分块的Sobel算子的绝对值取大. 实验结果与IHS法、传统小波与IHS结合法相比较,该算法能获取更多的光谱信息,人眼视觉效果也较好.     

基于暗原色和Retinex的夜间图像去雾算法

本文提出了一种利用图像的颜色转化,并基于暗原色理论和和Retinex理论的夜间图像去雾,通过图像的颜色转换和暗原色原理对夜间图像进行增强,再基于Retinex原理对增强后的图像进行去雾。相对于传统去雾算法,本文算法针对夜间有雾图像并有效的去除图像中的雾霾,去雾后的图像亮度、清晰度等都有了明显的提升,并且具有一定的应用前景。     

独立成分分析的多光谱图像融合算法

为解决图像空间信息的问题,文章提出了一种独立成分分析的多光谱图像融合算法,将多光谱图像的RGB 3个波段和近红外图像共4个波段进行独立成分分析变化,并对其做加权平均得到主图像信息,将主图像信息与全色图像加权求平均得到一副新的图像,然后将这幅图像还原到4个波段得到融合后的结果图像。