结合加权引导滤波和小波变换的低照度图像增强算法

针对低照度图像增强处理后存在图像细节差、色彩失真和“光晕伪影”等问题，在HSV颜色空间中处理图像，将V通道分量进行小波变换分解，对低频系数采用改进加权引导滤波替代高斯滤波作为环绕函数的多尺度Retinex算法处理，对高频系数采用改进的阈值函数降噪处理，小波逆变换重构V通道分量，对重构的V通道分量进行Gamma校正处理并转换回RGB颜色空间。实验结果表明，该算法增强后图像亮度提升明显，同时抑制了“光晕伪影”,颜色失真较少且细节丰富。     

结合MCA与Retinex算法的低照度图像增强方法

针对低照度条件下获取的图像存在可见光照度低、噪声大等问题,提出了一种基于形态成分分析(MCA)和Retinex算法结合的低照度图像增强方法。首先,将低照度图像转换到HSV色彩空间,接着采用MCA将V分量分解为纹理和平滑部分;其次对平滑部分采用基于改进的多尺度Retinex算法和自适应全局色调映射进行增强,对纹理部分进行维纳滤波去噪后再进行Laplace算子锐化;然后MCA重建得到亮度增强图像,将其与H、S分量合并且转换到RGB色彩空间;最后采用自适应函数恢复色彩得到最终增强图像。实验结果表明,该算法能够有效改善低照度图像质量,提高图像亮度,更好地保留边缘、细节纹理和抑制噪声。     

基于梯度稀疏和多尺度变分约束的图像增强算法

针对低照度条件下采集到的图像存在亮度偏低、细节模糊等问题,通过分析传统Retinex理论在增强图像过程中的缺陷,提出了一种基于梯度稀疏和多尺度变分约束的图像增强算法。该算法首先将输入图像由RGB空间转换到HSV空间,提取亮度分量,实现三个通道的解耦合。然后根据零范数的梯度全局显著特性,定义了一个新的相对全变分正则项。接着在HSV空间下惩罚亮度分量,构建一种具有梯度稀疏的变分模型对亮度通道进行约束,并通过将控制因子扩张为多个尺度,形成多尺度变分约束,提升照度估计的准确度,使之更加符合光照分布特性。根据Retinex理论进行映射,获取亮度通道对应的反射图像。进而利用亮度通道不同尺度下的约束所对应的不同照度结果,分别提取图像的粗略细节、中等细节和精细细节,通过多尺度细节加权,对反射图像进行细节增强。最后,对照度图像进行伽马校正,与经细节提升后的反射图像重组并进行颜色空间转换得到输出的增强图像。通过实验对比表明,所提算法的增强图像有着更高的色彩丰富度和更低的色差水平,能够保持图像的自然度,提升图像的视觉效果。在均值、平均梯度和信息熵的表现上,相比原图均有大幅度提升,与现有的先进算法相比,平均定量指标在不同类型低照度图像的增强图像上均产生了较优的效果,且有着较快的运算效率。     

基于引导滤波的Retinex快速夜间彩色图像增强技术

针对目前基于Retinex原理的图像增强技术在对夜间彩色图像处理中存在颜色失真、在高对比度边缘区域存在“光晕伪影”等问题, 提出了一种基于引导滤波的Retinex快速夜间彩色图像增强的算法.该算法首先构造优化的颜色恢复函数, 然后对夜间彩色图像在色调、饱和度、亮度(hue, saturation, value, HSV)颜色空间下的亮度图像采用具有边缘保持功能的引导滤波进行平滑处理, 估计场景的光照分量, 进而获得仅包含物体本身特性的反射分量图像, 经过Gamma校正与颜色恢复后最终实现夜间彩色图像增强.实验结果表明, 本文提出的算法增强效果显著、效率较高, 同时具有颜色保真、抑制过增强和能较好保留边缘细节信息等特性.     

受生物视觉启发的无人机航拍低照度图像增强算法

针对无人机航拍低照度图像存在亮度低、噪声大、细节不明显等问题,受人类视觉系统中的双路径模型启发,提出一种双路径模型的无人机航拍低照度图像增强算法。构建了一种基于残差单元的U-Net网络将图像分解为结构通路和细节通路;提出了一种改进的生成对抗网络对结构通路进行增强处理,并添加边缘增强模块来增强图像的边缘信息;在细节通路中采取噪声抑制策略减少噪声对图像的影响;融合2条路径的输出得到增强后的图像。实验结果表明,新算法提高了图像的亮度和细节信息,客观评价指标上优于其他对比算法。此外,还验证了所提算法对低照度条件下目标检测算法的影响,实验结果表明,新算法能够有效提升目标检测算法的性能。     

融合多帧信息的Retinex监控视频增强算法

针对传统Retinex监控视频增强算法照度分量提取不够准确的情况,利用监控视频背景的时间相关性,融合多帧背景进行照度估计,提出了一种新型Retinex监控视频增强算法:对视频单帧图像进行大、中、小尺度的高斯低通滤波,得到3个尺度的环绕图像,并对其取极小值以提取该帧的背景照度图像,通过融合当前帧和其邻帧的多帧背景照度图像,获取当前帧上准确的背景照度图像,再应用Retinex色彩恒常性理论,去除照度干扰以获得反射光分量,实现当前帧的增强。实验结果表明:该算法可以从夜间视频阴影中恢复出景物,得到亮度、色彩、细节较平衡的视频。     

Retinex模型下基于融合策略的雾霾图像增强

针对现有Retinex算法处理后的图像达不到色彩与细节同时增强的效果,且细节增强的同时易产生光晕,出现噪声放大、色彩失真等情况,提出了一种Retinex模型下基于融合策略的雾霾图像增强算法。该算法首先在HSV空间实现色彩增强,根据亮度分量,获取无色彩失真的反射分量,再通过修正照度分量,得到改进的Retinex模型;然后在RGB空间,采用快速双边滤波器来保留图像细节,在获得反射分量的基础上,引入原图部分和色彩恢复因子,实现细节增强;最后,在RGB色彩空间对处理后的图像加权融合,得到增强后的去雾图像。通过本文算法和现有算法对雾天图像进行去雾处理,得到不同的去雾结果。本文算法得到的去雾图像增加了细节信息,没有出现明显的颜色失真和光晕现象,处理后图像的信息熵提高。本文算法具有更短的运算时间,具有良好的可操作性。根据实验结果以及评价标准,本文算法能够在减少色彩失真的基础上,达到细节增强的良好效果。     

基于加权引导滤波的Retinex刑侦图像增强

为提高低照度刑事侦查图像的质量,提出一种基于加权引导滤波的Retinex刑事侦查图像增强算法。首先,提取刑事侦查图像的亮度;其次,利用加权引导滤波估计光照信息,并用对数图像处理模型增强光照信息;再次,在对数域计算反射层图像;最后,恢复图像彩色,获得最终的增强图像。选取不同场景下的低照度刑事侦查图像进行实验,实验结果表明,与单尺度Retinex算法、多尺度Retinex算法、直方图均衡化算法和引导滤波算法相比,采用提出算法增强后图像的信息熵提高了15%～70%,结构相似性提高了1%～10%,平均梯度提高了3%～11%。提出的算法可以提高低照度刑事侦查图像的质量。     

基于自适应维纳滤波和2D-VMD的声呐图像去噪算法

声呐图像易产生对比度低、分辨率低、边缘失真等问题,所以在去除声呐图像噪声时难以将有效信号与噪声准确分离,从而导致去噪后图像对比度降低、边缘轮廓不清晰、细节丢失严重等问题.本文提出一种基于自适应维纳滤波和2D-VMD(二维变分模态分解)的声呐图像去噪算法.首先通过二维变分模态分解对含噪图像进行分解,得到一系列不同中心频率的模态分量,利用相关系数和结构相似度筛选出有效的模态分量,并使用自适应维纳滤波处理有效的模态分量,最后将滤波后的模态分量进行重构,从而去除图像中的噪声.实验结果表明:所提图像去噪算法在相关系数(CC)、结构相似度(SSIM)这两项客观数据上表现最优,峰值信噪比(PSNR)略低于NSST域去噪,综合客观数据与视觉效果,本文所提算法去除噪声后的图像细节和边缘保持能力效果最佳.     

基于WLS的Retinex单幅夜间彩色图像增强方法

为了提高夜间可视效果,针对单幅夜间彩色图像,作者提出一种基于加权最小二乘(WLS)的Retinex增强算法.首先构造优化的颜色恢复函数,然后在HSV(hue,saturation,value)颜色空间下,根据夜间图像的亮度与梯度特性构建WLS框架对图像照度分量进行估计,获得仅包含物体本身特性的反射分量图像,通过颜色恢复函数与Gamma校正等操作进行颜色恢复与补偿,实现夜间彩色图像增强.实验结果表明:该算法增强效果显著,与其他算法相比,具有消除"光晕伪影"现象、抑制噪声、颜色保真和较好保留边缘细节信息等能力.     

基于Huber惩罚函数和引导滤波的红外图像条纹噪声去除方法

为提高红外图像的视觉质量和可用性,提出一种基于Huber惩罚函数和引导滤波(GF)的去条纹噪声算法。该算法首先采用基于Huber惩罚函数的平滑结构,将图像分成平滑部分和高频部分,然后以平滑部分作为引导图像、高频部分作为输入图像,经过引导滤波提取条纹噪声,最后从原图像中减去噪声部分得到校正结果。实验表明,该算法能有效去除条纹噪声的同时保留图像细节,不会造成伪影现象,在去噪能力和细节保留方面都优于传统的GF、中值均衡直方图(MHE)等算法,为去除红外图像的条纹噪声提供了一种解决方案。     

基于GIF滤波分解的低照度图像增强算法

针对常见的对比度增强方法在处理低照度图像时不能兼顾提升图像亮度、对比度,和增强细节的问题,提出基于引导滤波器(guided image filter,GIF)的低照度图像增强算法。首先将输入图像从RGB颜色空间转换到HSV颜色空间;再利用GIF滤波器对图像进行图像分解,得到一个基本层和一个细节层;然后对基本层进行自适应Gamma校正,提高图像的整体亮度和对比度;再对细节层进行S型曲线增强,突出图像的局部细节;最后合成并恢复颜色,得到增强图像。将本文算法、全局Gamma校正、MSRCR 3种算法分别对低照度Bridge和Street图像进行处理,实验结果表明:本文算法能够在有效提升对比度的同时增强图像细节,提升了低照度图像的视觉效果。     

基于高阶统计量的小波变换去噪算法

图像在获取和传输的过程中经常要受到噪声的污染.传统的去噪方法不仅滤出了图像的噪声,同时使图像细节变得模糊.本文提出一种基于双谱和小波变换的去噪算法.该方法是根据高斯噪声及椒盐噪声在小波变换下的不同特征,并结合双谱滤波、中值滤波的特点,在小波城内对高频子带进行双谱滤波,去除图像中的高斯噪声,然后进行中值滤波,去除图像中的椒盐噪声.高斯噪声的双谱为零,能够彻底的去除高斯噪声.该算法的实验结果表明不仅能滤出图像中高斯噪声和椒盐噪声,而且能较好的保留图像的边缘细节.其滤波效果优于传统的图像去噪方法.     

基于改进γ-CLAHE算法的水下机器人图像识别

水体及悬浮粒子对光的吸收、折射及反射导致水下图像对比度低及细节模糊,单一图像增强算法难以适用于水下复杂环境识别.为了解决该问题,提出基于小波变换和改进的γ-CLAHE相融合的图像增强算法.通过快速中值滤波去除图像中噪声,向CLAHE算法中加入自适应伽马变换,解决CLAHE算法处理水下图像色彩失真,丢失孤立点、细线,画面突变等问题.利用改进的γ-CLAHE算法处理小波变换分解后的低频部分,增强图像并加快运行速度.通过小波逆变换将γ-CLAHE算法处理后的低频部分和双边滤波处理后的高频部分相融合,得到最终的增强图像.将实验图像同传统CLAHE、Retinex、Singh融合算法的处理图像进行对比,验证本研究算法在水下图像处理方面的有效性和优越性.     

基于离散余弦变换的自适应图像增强

提出一种自适应的频域增强算法.对图像进行离散余弦变换(DCT),按照图像空间内容和频域系数的对应关系,对低频系数(DC)采用-αrooting算法进行调整,压缩图像的动态范围,增强图像照度分量中明区和暗区的细节.把高频系数(AC)分成4部分,按照人的视觉特性进行多尺度非线性调整,增强图像反射分量中大块边缘细节,抑制弱噪声细节,使图像的对比度得到有效的提升.同时由子块图像频域系数幅值分布特征确定低频系数调整函数的控制参数,消除了图像产生的块效应.实验结果表明增强后的图像清晰,层次分明,视觉效果得到了明显的改善.     

基于非下采样轮廓波的多曝光工件图像Retinex增强方法

针对多曝光工件图像动态范围低、反光面多、易产生过饱和现象等问题,提出了一种针对工件图像序列的Retinex方法。引入光照模型,解决现有方法中没有充分考虑光照条件与曝光时间的缺陷。增强不同曝光时间的LDR(Low dynamic range)图像序列,并将一般的单个图像Retinex处理过程扩展至图像序列,综合序列中各幅图像提供的信息。为了更好地保护边缘信息,还采用具有多方向带通特性的非下采样轮廓波(Non-subsample contourlettransform,NSCT)变换先分解出细节、近似分量子图,再分离近似分量图像的照射、反射分量,从序列中选取各分量图像的最优组合用于增强。试验结果表明:该方法能够有效去除工件图像反光面的过饱和现象,同时提升了图像的视觉动态范围。     

基于低秩矩阵分解和协作表示的人脸图像分类

为了降低干扰因素对人脸识别准确率的影响,提出一种基于低秩矩阵分解和协作表示的人脸图像分类算法。针对噪声阴影影响,使用鲁棒主分量分析(RPCA)对人脸数据进行低秩矩阵分解,去除干扰,得到较为干净的人脸图像。通过协作表示分类方法对经RPCA处理后的低秩分量图像进行分类,通过归一化的最小重构误差来判定测试样本的具体类标。在3个人脸数据集上对算法性能进行仿真测试,结果表明,该算法在10%到50%的标记率下较其他算法均能提升分类识别率。     

一种改进的非锐化掩模深度图像增强算法

针对深度图像平滑过程中会模糊细节的缺点,提出了自适应的非锐化掩模深度图像增强算法.首先将深度图对应的彩色图像作为联合双边滤波的引导图,利用彩色图像相关特征修复了深度图像的缺失和毛糙,然后将双边滤波后的深度图像与高斯滤波后的深度图像作差,提取出不含噪声的高频部分,克服了经典非锐化掩模算法放大高频噪声的缺点,最后根据边缘以及细节的模糊程度,自适应地调节叠加到图像上的高频部分.实验结果表明,设计的算法有效地增强了深度图像细节,抑制了平坦区域的噪声,并填补了边缘缺失,较好地改善了深度图像的质量.     

基于暗原色先验的Retinex去雾算法

针对雾天图像去雾问题,提出了一种基于暗通道先验理论的Retinex算法。首先利用引导滤波估计图像透射率优化暗通道先验算法,获取初步去雾图像并对去雾图像进行空间转换;在转换后的HIS空间中建立高斯尺度参数与透射率的指数关系,重新构造高斯滤波核并根据MSR算法对近处景物做大尺度变换以增强颜色保真性,对远处景物做小尺度变换以增强图像细节显示,实现根据景深大小完成自适应MSR算法以优化图像亮度分量I;对饱和度分量S进行自适应线性拉伸以优化图像色彩,最后由HIS空间重新转换为RGB空间得到最终增强图像。实验表明:与几种典型的图像去雾算法相比,经基于暗通道先验理论的Retinex算法处理后的图像清晰度和对比度提升明显,同时获得很好的图像色彩层次感。     

面向高空飞艇平台的视频增强与稳像

针对高空飞艇平台获取的视频监测数据存在的问题,提出了帧内增强去雾和帧间去除高频振动分量的稳像方法。采用基于Retinex图像增强技术进行帧内增强处理,去除薄雾,保留图像细节,还原真实色彩;建立四自由度全局运动估计模型,并采用中值滤波方法进行运动补偿,去除高频振动分量,实现帧间稳像;并给出未定义区域重建算法。通过实际应用,证明了本文算法能够很好地实现飞艇视频稳像,在帧内增强和帧间稳像方面均有良好效果,可满足后期监测分析需求。