多尺度Retinex算法的分析与改进

传统Retinex算法中,从图像中完全去除亮度分量而使用反射分量来增强效果。通常图像光照变化并非平缓,使得结果图像视觉效果缺乏协调。对此提出一种改进的Retinex算法,通过再处理亮度分量,得到平缓的亮度图像并补偿到反射分量从而改善增强效果,使用均值模版代替高斯模版以减少计算的时间,同时利用拉普拉斯算子加入图像边缘细节特征。实验通过处理低对比度、低亮度的X光射线将改进的Retinex方法与其他各种增强算法进行对比。对实验结果的定性和定量分析表明了该改进算法的有效性。     

改进Retinex算法对特殊环境下的车牌图像增强研究

针对特殊环境(雾天、傍晚)下车牌图像由于光线暗淡而使得识别效果明显下降的问题,提出一种使用改进的Retinex算法(五尺度Retinex算法)与幂函数和双边滤波相结合对特殊环境下的车牌图像进行增强的算法。首先用幂函数对雾天、傍晚环境下的车牌图像进行处理,再采用双边滤波处理,最后经过五尺度Retinex算法处理。与传统Retinex算法相比,所提出的算法取得了较好的对特殊环境下的车牌图像增强的效果,改善了车牌图像的视觉效果,并且处理时间较短,对现实生活具有可观的实际意义。     

基于PCA的可变框架模型Retinex图像增强算法*

针对恶劣天气下拍摄图像的退化现象,提出了一种基于主成分分析（principal component analysis,PCA）的可变框架模型Retinex图像增强算法。PCA变换提供通道间良好的正交性,可避免由于亮度调整带来的色度失真。该算法通过PCA变换得到图像亮度分量、色度分量,对得到的亮度分量使用改进的可变框架模型Retinex进行处理,适当调整色度分量,最后对处理得到的RGB图像进行去相关拉伸。实验结果表明,该方法能有效改善恶劣天气造成的图像退化现象,提高图像的清晰度。     

基于融合策略的改进Retinex低照度图像增强算法

针对Retinex算法处理低照度彩色图像出现色彩失真,边缘保持性差等问题,提出一种基于融合策略的改进Retinex低照度图像增强算法;该算法首先在YIQ颜色空间提取亮度分量Y,对其进行MSR算法增强;然后采用高斯-拉普拉斯算子对彩色图像的RGB三个分量进行边缘检测,将其叠加合成后转换成灰度图;最后使用小波变换将两幅图像融合得到新的亮度分量,将其与I、Q分量融合后转回RGB颜色空间,从而获得色彩保真度高、细节清晰的图像;实验结果表明,该方法有效提高了图像边缘细节信息,避免了色彩失真,具有很好的视觉效果。     

改进的Retinex低照度图像清晰化处理

为了减小低照度图像在图像预处理过程中所造成的影响,提出一种HSV空间的基于巴特沃斯低通滤波(BLPF)的改进Retinex算法.把低照度图像从RGB各通道转换到HSV各通道,对饱和度分量进行自适应线性拉伸,对亮度分量进行基于BLPF的改进Retinex增强,不仅有效地降低噪声的干扰,在增强图像暗区亮度的同时抑制局部高亮区的"光晕",而且凸显图像细节,还原图像原有的色彩.通过大量测试,验证了该方法的有效性.     

不均匀光照车牌增强算法研究

当车牌光照不均匀时,会给车牌的进一步处理带来很大的困难.针对这一问题,提出基于本征图像分解的不均匀光照车牌的增强算法.把定位好的车牌图像转换成灰度图像,对图像中包含相似亮度分量的像素集合,用本文所提出的约束进行处理.该约束和传统的Retinex邻近像素约束有效地减少了分解中的不确定性.使用这两个约束,使得分解问题转换成求二次函数最小值的问题,即形成了用封闭解来求本征图像分解.由实验可知,本文算法增强效果较好,降低了车牌进一步处理的难度.     

一种矿井低照度图像增强算法

针对小波变换在图像边缘保持和细节处理方面无法保持平衡及多尺度Retinex算法易造成图像出现光晕伪影和噪声污染严重等问题,将小波变换与基于多尺度引导滤波的多尺度Retinex算法相结合,提出了一种矿井低照度图像增强算法。该算法首先将低照度图像进行小波分解得到高频分量和低频分量;然后对图像高频分量采用三段式阈值函数进行小波去噪,对图像低频分量采用非线性全局亮度校正以增强图像亮度,同时采用多尺度引导滤波函数代替传统多尺度Retinex算法的高斯滤波函数来估计照射分量,进而求取反射分量,并运用主成分分析法对反射分量与非线性全局亮度校正的图像进行融合,有效提升图像边缘细节保持效果;最后对图像高频分量和低频分量进行小波重构,并对小波重构后的图像进行非线性变换,解决图像泛灰问题。实验结果表明,该算法具有很强的噪声抑制能力,可有效提升图像亮度和对比度,使图像边缘保持性能和细节信息丰富度得到有效平衡,避免了图像出现光晕伪影、颜色失真等现象。     

基于Retinex的自适应非均匀低照度图像增强算法

非均匀低照度图像会影响目标识别跟踪的效果,为了增强非均匀低照度图像,提出一种基于Retinex理论的自适应亮度层图像增强算法。首先将图像HSI模型中I层图像分离出来;然后通过Retinex理论和多尺度引导滤波器获得I层的入射分量,根据输入图像的均值自动获取调整参数k,对入射分量的亮度进行自适应调整;最后通过主成分分析法(PCA)提取两个图像中的细节特征并进行融合。对比实验表明,该算法能有效提升非均匀低照度图像的整体亮度和细节信息,同时减少非均匀照度的影响。     

DT-CWT和色调映射相结合的低照度图像增强算法

为了提高低照度图像的质量,提出基于双树复小波变换(DT-CWT)与色调映射相结合的图像增强算法.首先将RGB图像转换到HSV色彩空间,然后对亮度分量V进行双树复小波分解,分离出高、低频子带;然后对高频子带进行Butterworth滤波,增强图像细节、抑制噪声;对低频子带,则使用文中改进的色调映射算法来调整图像亮度;最后进行DT-CWT逆变换得到处理后的V分量,并将之与H分量、S分量合成,转换为清晰的RGB图像.文中充分利用DT-CWT能准确表达图像细节的优良特性,并在Retinex基础上改进了色调映射算法,实现对低照度图像的增强.实验结果表明,该算法可以明显地改善低照度彩色图像的视觉效果.     

一种基于细节层分离的单曝光HDR图像生成算法

针对利用单幅低动态范围（Low dynamic range,LDR）图像生成高动态范围（High dynamic range,HDR）图像细节信息不足的问题,本文提出了一种基于细节层分离的单曝光HDR图像生成算法.该算法基于人类视觉系统模型,首先分别提取出LDR图像的亮度分量和色度分量,对伽马校正后的亮度分量进行双边滤波,提取出亮度分量的基本层,再对基本层和亮度分量进行遍历运算,得到亮度分量的细节层;然后,构造反色调映射函数,分别对细节层和伽马校正后的亮度图像进行扩展,得到各自的反色调映图像;之后,将反色调映射后亮度分量与压缩后的细节层进行融合,得到新的亮度分量.最后,融合色度分量与新的亮度分量,并对融合后图像进行去噪,得到最终的HDR图像.实验表明该算法能挖掘出部分隐藏的图像细节信息,处理效果较好,运行效率高,具有较好的鲁棒性.     

基于不同色彩空间融合的快速图像增强算法

针对现有Retinex算法中存在的色彩失真、噪声放大及光晕伪影现象等问题,本文提出了一种基于Retinex理论的改进算法. 该算法首先在HSV空间对亮度分量V通道进行增强处理,同时在拉伸得到的对数域反射分量至一定的动态范围时（本文是0～255）,引入增强调整因子,调整不同亮度值的增强程度来避免噪声放大及色彩失真现象;然后在RGB空间,通过分析光晕产生的原因,提出一种改进的高斯滤波器来消除光晕现象,并在计算反射分量时,通过参数调整图像颜色的保真度. 最后,对上述两种不同颜色空间的处理结果进行加权平均作为算法的最终输出. 实验结果表明,针对不同光照条件下的图像,1）该算法可以明显地改善光晕伪影现象;2）无色彩失真、噪声放大等问题;3）效果和效率优于带色彩恢复的多尺度Retinex算法（Multi-scale retinex with color restoration,MSRCR）及其他对比算法.     

一种改进的具有色彩保护的多尺度Retinex图像增强算法

针对图像增强存在的光晕伪影、颜色失真等问题,在MSRCP(Multi-Scale Retinex with Chromaticity Preservation)的基础上提出一种改进的多尺度Retinex图像增强算法。该算法首先计算原图像的强度图像;然后采用引导滤波对强度图像进行平滑处理,估计出照度分量,进而根据Retinex原理估计出反射分量;最后在颜色恢复函数中引入S型曲线函数得到最终的增强图像。实验结果表明,该算法可以有效解决光晕伪影现象,提高细节信息,使增强图像的整体色彩与原图一致,改善了图像整体的视觉效果。     

HSV色彩空间的Retinex结构光图像增强算法

在结构光几何重建中,由于拍摄方式和场景照明情况的复杂多变,使得产生的图像可能会因为光线的亮暗不均造成图像细节的缺失.为此,提出一种基于HSV色彩空间变换的带颜色恢复Retinex算法和色彩饱和度校正策略.针对颜色保持的需要,首先将传统RGB空间上的多尺度Retinex算法转换到HSV颜色空间;然后通过分析HSV颜色空间模型来增强模型中的V分量,同时利用相关系数使S分量随着V分量的增强进行自适应调整;最后将HSV模型转换到RGB空间,使增强后的图像颜色得到保持.实验结果表明,该算法应用于结构光条纹图像的增强中将使结构光图像在颜色得到保持的同时细节信息也得到了增强,更利于后续条纹信息的提取及自动编码.     

基于数学形态学车牌定位算法仿真研究

研究车牌准确定位识别的问题,交通流量在高速条件下识别系统采集信息与数据有差异,同时在复杂背景中由于车牌的纹理区域面积太小造成车牌定位困难,传统的识别算法由于模板以及方向的选择困难,造成文字的识别率低的等问题.为解决上述问题,提出了一种利用数学形态学操作提取车牌和基于神经网络算法的车牌文字识别技术.首先将汽车图像进行边缘提取处理,提取候选区域,依据各个候选区域特性,进行形态学操作,从而可提取车牌图像,同时利用神经网络对车牌图像中的文字进行识别.实验结果显示改进的方法快速有效地提取车牌图像的边缘信息,所提取的车牌图像与真实车牌的位置吻合,提出的改进方法为车牌识别提供了参考.     

基于小波纹理分析的彩色车牌定位算法研究

针对传统的车牌定位算法是采用灰度图像的纹理特征的,由于灰度图像的纹理特征诸多特性和局限性,给车牌定位算法带来很大的困难;鉴于此,提出了基于小波纹理分析的彩色车牌定位算法;首先对图像进行二维小波分解,计算滑动窗内图像的小波纹理特征;然后同时将低频子图转化RGB色彩分量为HSV色品值,提取颜色特征并得到综合特征向量;其次利用小波变化定位出车牌区域;最后对定位出的车牌进行后期校正处理并输出定位结果;该算法采用综合特征定位,克服了采用单一特征定位的缺点和局限性,从实验结果可以看出该算法能够较准确的从背景图像中提取出车牌位置信息。     

基于光照补偿和颜色统计的汽车牌照定位方法

基于车牌颜色相对固定,亮度易受光照条件影响的特点,提出一种车牌定位方法.把车辆图像从RGB空间转换到HSV空间,利用同态滤波对亮度分量进行光照补偿,保持色度和饱和度不变;转换回RGB空间,基于颜色统计进行车牌定位.实验结果表明,对于常见的蓝底车牌,该方法不仅能够实现光照不佳、背景复杂车辆的准确车牌定位,而且还能实现包括接近车牌颜色的各色车体的准确车牌定位.     

低对比度火焰图像增强和分割算法研究

针对火焰与背景对比度不明显情况下的低对比度火焰目标提取问题,提出了一种Retinex和CV(Chan-Vese)模型相结合的火焰图像增强和分割算法。首先在YCb Cr颜色空间利用Retinex算法构造彩色双边滤波器,根据分量Cr和Cb的关系设计对比度调节函数调节像素点亮度,以凸显原图像中火焰明亮、鲜艳的颜色特征,细节信息也更清晰;再通过帧间差分法和建立的火焰颜色模型获取疑似火焰区域,根据该区域所得中心坐标点设置CV模型的初始轮廓曲线,进一步分割得到火焰目标。仿真实验表明:所提算法不但能够提取出简单和复杂背景环境下低对比度火焰图像,而且目标边缘不规则信息保留完整,误分率比已有算法有明显降低,表明了算法的先进性和有效性。     

基于域滤波的自适应Retinex图像增强

为了提高低照度图像的亮度和对比度,提出了一种新的基于Retinex理论的彩色图像增强方法。首先,基于Retinex理论,提出对HSV空间V分量进行域滤波估计图像光照分量,然后将V分量与光照分量相除得到反射分量的方法。之后,采用自适应Gamma校正对光照分量进行亮度提升,然后采用CLAHE对其进行对比度增强。最后,将亮度校正光照分量与反射分量相乘得到增强后的V分量,并将增强后的图像转化为RGB空间图像,达到彩色图像增强的目的。本算法可以获得更自然的增强效果,能抑制亮度较大像素点的增强,很好地突出图像中的细节信息,克服了图像增强中增强图像对比度低、颜色失真、过增强及光照突变处出现光晕现象等缺点。本算法对多种图像有效,例如高动态(HDR)图像、非均匀光照图像及低曝光图像。通过验证,本算法得到的结果相比于传统方法视觉效果更佳。     

多尺度权重评估的MSRCR混合曝光成像算法

针对混合曝光成像算法过程中会出现低曝光处细节丢失且颜色失真饱和度不佳导致视觉观感下降的问题,提出一种多尺度权重评估的MSRCR（Multi-Scale Retinex with Color Restoration,MSRCR）混合曝光融合算法。基于Retinex模型将待融合图像分解为亮度分量与反射光分量,对亮度分量结合ACES函数构造光照补偿归一化函数进行处理,对反射光分量加入颜色恢复函数提升色彩细节;分别从曝光量、饱和度、对比度、色域四个尺度设计图像融合权重值,通过多尺度评估优化融合比例;利用Laplacian金字塔融合算法进行多尺度权重融合获得最终图像。实验结果表明,与传统的图像融合算法相比,该算法处理效果较好,有效降低了暗处失真率,提升了视觉信息保真度。     

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.