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.     

沙尘降质图像清晰化算法

目的 沙尘环境中获取的图像存在颜色失真、对比度低等问题,不利于人眼辨识以及进一步的图像处理。为解决沙尘降质图像的这些问题,提出一种新的基于颜色调整和对比度增强的沙尘降质图像的增强算法。方法 沙尘降质图像增强要解决两个问题,即颜色偏移和对比度增强。基于沙尘降质图像的的颜色直方图存在的集中性、顺序性以及偏离性等特性,使用高斯模型分别对各通道颜色进行建模,进而进行颜色调整。针对颜色调整后的图像存在的整体灰暗,对比度低以及噪声等特点,利用改进的基于奇异值分解的增强算法,从而有效地增加图像对比度并抑制噪声。结果 为了验证本文算法的有效性,与带有色彩恢复的多尺度Retinex算法、GUM算法、Tarel算法、融合算法4种方法进行了对比。从增强结果可以看出,本文算法能够有效解决降质图像的颜色偏移和对比度低的问题,并增强图像的整体视觉效果。结论 本文算法充分利用沙尘降质图像三通道颜色直方图分布的特点,能够快速高效地实现颜色校正,并通过图像频域的奇异值信息进一步提升图像的对比度。经过多幅沙尘降质图像清晰化实验验证,表明本文方法能够实现对不同程度沙尘降质图像的增强,具有较强的适用性。     

沙尘图像色彩恢复及增强卷积神经网络

目的 在沙尘天气条件下,由于大气中悬浮微粒对入射光线的吸收和散射,户外计算机视觉系统所采集图像通常存在颜色偏黄失真和低对比度等问题,严重影响户外计算机视觉系统的性能。为此,提出一种带色彩恢复的沙尘图像卷积神经网络增强方法,由一个色彩恢复子网和一个去尘增强子网组成。方法 采用提出的色彩恢复子网(sand dust color correction, SDCC)校正沙尘图像的偏色,将颜色校正后的图像作为条件,输入到由自适应实例归一化残差块组成的去尘增强子网中,对沙尘图像进行增强处理。本文还提出一种基于物理光学模型的沙尘图像合成方法,并采用该方法构建了大规模的配对沙尘图像数据集。结果 对大量沙尘图像的实验结果表明,所提出的沙尘图像增强方法能很好地去除图像中的偏色和沙尘,获得正常的视觉颜色和细节清晰的图像。进一步的对比实验表明,该方法能取得优于对比方法的增强图像。结论 本文所提出的沙尘图像增强方法能很好地消除整体的黄色色调和尘霾现象,获得正常的视觉色彩和细节清晰的图像。     

极端天气条件下低质图像增强算法研究

针对雾霾、雨雪、沙尘等极端天气下获得的图像严重退化的问题,提出一种自适应的单幅图像增强算法。首先设计一种图像分类器,判断图像是否为降质图像,若是则根据色度分量值对图像分别处理。其次对于雾霾图像,在暗原色先验算法基础上,通过分割图像的明亮区域求取透射率,改善了原算法复原的图像易产生光晕的现象,并将该算法扩展应用于雨雪图像;为了处理沙尘图像,采用限制对比度自适应直方图均衡化算法,为了校正该算法处理图像时对比度和亮度失衡的问题,采用伽马校正。与其他算法对比实验表明该算法有效提高了图像的清晰度,同时避免了光晕的产生,解决了沙尘图像处理中对比度和亮度失衡的问题。     

基于暗原色先验原理的水下图像增强

针对水下光衰减和散射导致的图像严重降质问题和用传统方法进行水下图像增强 产生色偏现象,提出一种新的水下图像增强方法。基于暗原色先验原理进行水下图像增强,用 软抠图的方法对图像暗通道进行细化;在图像前0.1%最亮的像素点中,用中值滤波算法计算出 这些像素点的中值,再计算这些像素点和与之对应的中值的差值,差值最小的像素点作为背景 光的预估值,并用该像素点所在区域颜色饱和度方差来判断预估背景光的准确性;利用Retinex 算法和图像各颜色通道的衰减系数比对增强后的图像进行颜色校正。实验表明,该方法能有效 地去除水下图像中的雾色、校正图像色偏问题,进而提高图像对比度。     

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.     

一种基于视觉特性的彩色图像增强算法

为了增强图像暗区域部分,基于人类视觉系统的全局和局部自适应调节原理,提出一种彩色图像增强方法。该方法主要包括全局自适应亮度调节、局部对比度增强和颜色恢复3个部分。全局亮度调节采用直方图非线性自适应拉伸来增强暗区域的亮度;局部对比度增强利用当前点与区域像素之间的关系,调节当前点的亮度,以增强图像局部对比度;通过一种自适应的非线性颜色恢复算法恢复图像色彩。通过大量图像对比实验分析表明,本文方法可以自适应有效快速地实现图像增强。     

基于Multi-Scale Retinex模型的肝脏超声图像增强算法

基于多尺度Retinex (Multi-scale Retinex,MSR)模型的图像增强方法是一种基于人眼视觉原理的图像增强方法,能同时有效实现图像的动态范围压缩和颜色保真.本文融合Retinex理论,采用3个尺度的Retinex算法对肝脏超声图像进行增强处理,提取经MSR算法增强处理后的正常肝脏和脂肪肝图像的灰度均值、对比度和信息熵参数,并与直方图均衡化算法、同态滤波算法进行对比.实验结果表明:肝脏超声图像经MSR算法增强处理后,提高了图像特征参数(对比度、信息熵)的区分度,增强了图像暗区的对比度和清晰度,改善了图像视觉质量,能有效辅助临床诊断.     

一种新的基于MSRCR光照补偿算法

对质量较差的人脸图像进行光照补偿,多尺度Retinex算法是传统的算法中比较有效的一种,但是Retinex算法处理的人脸图像会产生"泛白、颜色失真、对比度低"现象,为了提高人脸识别率,为此提出了一种新的带色彩恢复的多尺度Retinex算法(MSRCR)对彩色图像进行光照补偿.在对MSRCR理论进行研究的基础上,对原有算法进行改进,使用了快速傅里叶变换,运行速度快于已有传统方法.经过实验证明,改进算法使图像的对比度,亮度,隐藏的细节等方面都有很大的增强.论述了该算法的原理和实现方法,同时通过实验将其与直方图均衡,Gamma变换等方法进行比较.实验结果表明:该算法对彩色图像光照补偿有很好的效果.     

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。     

结合细节信息的自适应Retinex算法水下图像增强

针对Retinex算法应用于水下图像增强中,常出现颜色失真与图像细节增强相矛盾的现象,提出了结合细节信息的自适应多尺度Retinex水下图像增强算法。分析包含不同细节信息的水下图像对Retinex算法增强中卷积函数尺度大小的选择要求;采用图像梯度作为调节因子,自适应调整多尺度Retinex算子的权重,用于适应包含不同细节信息的水下图像对对比度增强的要求,有效地缓和了水下图像增强在颜色失真和细节对比度提升之间的矛盾。多组实验验证了该算法在去除水下图像的蓝绿背景、避免颜色失真、消除非均匀光照和图像细节增强等方面均优于传统多尺度和颜色保真的多尺度Retinex算法。     

彩色图像的亮度-色度非线性重组

灰度变换技术直接用于彩色图像的RGB各分量可以提高其对比度,但却会引起彩色失真;而基于Retinex理论的多尺度彩色复原算法（MSRCR）可以改善彩色图像的视觉效果,也不会引起彩色失真,但存在控制参数的取值问题,自适应性不是很好,更大的缺陷在于卷积运算巨大的运算量导致处理时间偏长。提出了一种基于灰度变换的自适应彩色图像增强算法,将原始RGB图像和RGB三分量灰度变换后的图像转换到非线性亮度/色度彩色空间,重组两者的色度分量和亮度分量,从而保持了原始图像的色彩。在继承灰度变换算法优点的基础上,扩展了原始图像的有效灰度范围,提高了整体对比度,增强了细节。此外,算法的计算量极小,不需要设定任何参数,可用于自适应实时彩色图像处理。     

基于多尺度梯度域引导滤波的低照度图像增强算法

针对低照度彩色图像整体亮度较低，增强图像中颜色易失真，部分图像细节淹没在较低灰度值像素中等问题，提出一种改进的低照度图像增强算法。首先，把待处理图像转换到色调、饱和度、亮度（HSI）颜色空间，对亮度分量进行非线性全局亮度校正；然后，提出多尺度梯度域引导滤波的亮度增强模型，利用该模型对校正后的亮度分量进行增强，接着对增强后的亮度分量进一步实施避免颜色失真的亮度校正；最后，将图像再转换回红绿蓝（RGB）颜色空间。实验结果表明，增强后的图像亮度平均提高90.0%以上，清晰度平均提高123.8%以上，这主要得益于多尺度梯度域引导滤波具有更好的亮度平滑和增强能力；同时由于减小了颜色失真，使增强图像的细节表现能力平均提高18.2%以上；由于采用了多尺度梯度域引导滤波的亮度增强模型与直方图自适应的亮度校正算法，使提出的低照度图像增强算法适宜应用于夜间等弱光源条件下的彩色图像增强。     

用于低照度图像增强的自适应颜色保持算法

视频监控、场景恢复等领域中低照度图像噪点多,亮度低,可视效果差,而现有的图像处理技术容易出现颜色失真、光晕色块严重。为解决这一问题,根据韦伯-费希纳定律,把图像的像素点转换到对数空间,自适应获得符合视觉系统特点的预增强图像;再根据多尺度视网膜算法,分别计算与增强图像的R通道在三个尺度上的平均高斯滤波结果,获得入射光估计,把对数域的自适应增强图像像素值与入射光估计的差值作为多尺度视网膜算法的结果图像。进一步处理结果图像,将其RGB通道按照预增强图像中的颜色比例关系映射到0~255的范围;最后融合三个通道获得最终图像输出。通过图像质量的评价对比,该算法对不同低照度场景图像的增强结果,在对比度、色度保持等方面优于MSR、MSRCR和MSRCP算法。实验证明该算法在低照度图像的恢复和色度保留等方面有较好的效果,在增强视频监控的有效性等方面有较好的应用价值。     

变压器油下图像增强算法

为解决变压器检测机器人在变质、变色的变压器油内部采集的图像存在色彩失真、对比度低等问题,提出一种变压器油下图像融合增强算法.首先,利用完美反射算法对图像进行白平衡处理,以消除油下光照强度不均匀对图像颜色的影响,使得色彩更加均衡;然后,对色彩校正的图像进行自适应伽马校正,以提高图像的对比度;最后,采用多尺度融合策略将色彩校正后的图像与自适应伽马校正处理后的图像进行融合,得到变压器油下清晰的图像.实验结果表明,经所提出算法处理后的变压器油下图像色彩鲜明、细节丰富,与原始图像相比,图像质量评价指标(UCIQE)、特征点匹配个数以及信息熵均有显著提高,能够为变压器内部故障检测提供清晰的数据.     

基于DSP的图像去雾算法优化方法

带彩色恢复的多尺度视网膜皮层（ MSRCR）去雾算法是解决雾、霾等恶劣天气下拍摄的图像的对比度下降和图像特征退化问题的一类算法,可以有效改善图像的视觉效果,但由于算法复杂度较高,实时处理困难。通过时域到频域的转化和基于TM320DM642本身硬件特性对MSRCR去雾算法进行了优化,并通过模拟仿真,实现了1024×1024视频的实时处理,得到令人满意的视觉效果。     

基于同态高低通滤波与多尺度Retinex的低照度彩色图像增强

针对低照度条件下彩色图像的细节丢失与视觉效果不佳等问题,提出一种改进的低照度彩色图像增强算法.对三个颜色分量图像分别进行同态高低通滤波处理,在提取高频成分的同时,保留部分低频成分.对其中高频图像进行多尺度Retinex算法、指数变换及量化等处理,加强图像细节;对低频图像进行量化和线性伸缩变换处理,避免图像过度增强.MA...