光照不均匀图像的自适应增强算法

针对光照不均匀场景,提出了一种自适应图像增强算法。根据Retinex理论,采取中心环绕法,利用高斯连续卷积来提取场景的光照分布情况。同时,统计输入图像低亮度区域的大小。构造了一种自适应伽马矫正函数,取光照分布情况与低亮度区域内亮度值中位数的比值作为参数,对图像进行伽马校正。高光照区域参数大于1,对亮度起抑制作用,低光照区域参数小于1,对亮度起增强作用。将顶帽变换后图像和伽马矫正后的图像叠加。顶帽变换可以提升图像的全局对比度,伽马函数可以保留细节信息。两者结合后,可以兼顾图像的全局特性和局部细节信息。视觉感受和客观实验指标表明,与参照算法相比,该算法针对不均匀光照图像增强效果显著。     

人眼视觉感知驱动的梯度域低照度图像对比度增强

针对传统的对比度增强方法在对低照度图像进行处理时不能同时顾及压缩动态范围、调整亮度以及增强或保持细节等问题,提出一种基于人眼视觉感知特性的、从全局亮度映射到局部细节补偿的低照度图像对比度增强方法.首先通过非线性全局亮度映射模型压缩图像的动态范围,提高图像的整体亮度水平;然后结合人眼视觉系统的亮度掩蔽特性和超阈值对比度感知特性,非线性地调整图像的局部梯度场增强和恢复图像的局部细节;最后在目标梯度场上通过快速求解泊松方程获取增强后的图像.实验结果表明,该方法能够有效地增强低照度图像的全局和局部对比度,提升了低照度图像的视见度.     

金属腐蚀区域图像增强算法研究

针对金属腐蚀区域图像中存在暗细节对比度不高、光照不均匀及颜色特征需保护的问题,提出一种在HSI模型下的多尺度细节自适应增强与同态滤波的增强算法。首先,对RGB腐蚀图像进行色彩空间变换,保留其中的色调和饱和度分量不变,对亮度分量进行增强。然后,通过小波变换进行多尺度细节自适应增强,提升细节对比度并作分块同态滤波,改善光照不均的影响,获得增强后的腐蚀图像。实验结果表明,所提方法增加了腐蚀暗细节的对比度,提高了金属腐蚀区域图像的整体亮度并保证了色彩信息的不失真。     

一种基于视觉特性的仿生图像增强算法

常见的基于人类视觉特性的图像增强算法由于是同时完成动态范围压缩和对比度增强,导致增强图像的整体对比度不高、边缘部分效果不佳.通过分析人类视觉系统的全局和局部自适应调节原理及人眼视网膜神经节细胞感受野的传输特性,提出一种仿生图像增强算法.为适应人类视觉系统对光强的主观感觉特性,对图像作全局亮度对数变换;并利用人眼的主观亮度感觉与实际光强的对数呈局部线性关系的特性,采用视网膜神经元感受野三高斯模型来调整亮度图像的局部对比度;最后利用线性变换恢复图像的彩色信息.实验结果表明,该算法的增强效果良好,特别是对于图像边界处,既能很好地增强边缘对比,又可有效地提升区域亮度对比和亮度梯度信息.     

融合伽马变换及分数阶的低照度图像增强算法

针对目前分数阶增强只能实现细节增强,不能有效改善图像亮度及对比度问题,提出一种融合伽马变换及分数阶的低照度图像增强算法,对不同亮度的图像进行实验,以平均灰度、平均梯度、熵值和标准差为准则验证了算法的有效性.实验结果表明,该算法考虑了原始图像的亮度信息,使其拥有较好稳定性,受原始图像影响较小;算法能有效改善图像的亮度、对比度,更够在增强纹理细节的同时有效防止过增强,得到满意的处理效果.     

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。     

PCNN模型在彩色图像增强中的应用

应用灰度图像增强方法对真彩图像进行增强,往往都会产生色彩偏离,影响增强结果和视觉效果。因此基于人眼视觉系统对亮度变化比较敏感,提出在HSV色彩空间,应用PCNN模型进行增强的方法。将真彩图像由RGB空间变换到HSV空间,保持色度H和饱和度S不变,结合入射反射模型,利用脉冲耦合神经网络（PCNN）,对亮度V通道进行增强处理。将HSV空间得到的增强图像变换到RGB空间。实验证实,对一些对比度低、细节不明显的图像应用此方法进行增强,色彩基本无偏差,细节部分明晰,动态范围压缩较好,视觉效果得到了较大的改善。     

基于色调映射的快速低照度图像增强

在弱光条件下,图像通常具有低能见度。为了增强低照度图像,提出一种基于全局自适应色调映射的快速增强方法。将图像从RGB颜色空间变换到YUV颜色空间,对亮度通道进行双边滤波,得到基本层和细节层;对基本层图像进行自适应全局色调映射,再叠加细节层的图像信息;恢复图像色彩饱和度,并重新变换到RGB空间。该算法能快速实现增强,且增强效果更显著,尤其对有大面积低像素的图像处理得更好。     

基于模糊理论的低照度彩色图像增强算法

低照度彩色图像存在整体亮度低、对比度差、颜色偏暗和信噪比低等特点,传统图像增强算法对其增强效果非常有限。提出了一种基于模糊理论的低照度彩色图像增强算法,将三原色(red,green,blue,RGB)图像转换成色相饱和度(HSV)图像,以保证增强处理不引起图像的色彩失真。对亮度图像进行非线性变化,实现动态范围展宽;采用修正后的隶属度函数将图像映射到模糊平面,实现对比度增强。实验结果表明:该算法显著地提高了图像整体亮度和对比度,改善了低照度彩色图像的视觉效果。     

基于Lab色彩空间和色调映射的彩色图像增强算法

针对低照度图像对比度增强处理中的细节保留和色彩恒常问题,提出一种新颖的基于Lab色彩空间和色调映射的Retinex图像对比增强算法。首先,在Lab色彩空间中将一个低对比度的输入图像分解成亮度和色度分量,并使用自适应双边滤波估计照明的强度,以便根据亮度和颜色值来考虑合适的相邻像素。然后利用基于抛物线的色调映射函数来提高估计光照图像的对比度。最后,将加强的亮度和原始的色度结合在一起以产生一个增强的彩色输出图像。实验结果表明,所提算法通过减弱图像伪影增强了图像的细节和边缘结构,同时通过避免色彩偏移较好地保留了图像的自然度。     

自适应双向保带宽对数变换及低照度图像增强

目的 在低照度环境下,由于受图像采集设备的限制,导致获取到的图像往往亮度低、对比度差。针对这一问题,提出一种自适应双向保带宽对数变换的增强算法。方法 首先通过标准化变换将低照度图像处理成标准化图像,然后根据标准化图像的平均亮度进行自适应双向保带宽对数变换,最后对图像取整输出,从而得到增强后的图像。结果 实验选用LIVE database release2标准库中29幅高质量图像作为参考图像,然后经Photoshop CS5统一处理成低照度图像,使用本文算法对其增强,并与直方图均衡化（HE）、多尺度Retinex增强（MSR）、自然保持的增强算法（NPEA）的结果进行比较。本文算法增强后的图像其整体对比度和亮度在主观上都有较大提高,增强效果优于其他3种方法;同时,本文算法峰值信噪比（PSNR）和结构相似度（SSIM）客观指标平均值分别为22.75和0.86,明显高于其他3种算法。另外,在算法运行效率方面,本文算法平均运行时间也较短,约为74 ms。结论 本文算法增强后的图像更自然、更符合人眼视觉特性,且算法简单易于实现,运行效率高。该算法广泛适用于背光或光照不均的低照度环境下的图像增强。     

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。     

基于链接突触计算网络的遥感图像对比度增强算法

针对卫星遥感图像在增强对比度和去除噪声过程中出现纹理细节丢失和图像自然性降低的问题,提出一种基于链接突触计算网络的卫星遥感图像对比度增强算法。在彩色图像转变至HSV颜色空间的前提下,通过引导滤波器去除噪声和边缘增强技术突出细节;将边缘增强的图像输入链接突触计算网络,采取与显著特征图相结合的方式增强图像亮度和对比度;在RGB空间上,利用改进的自然色彩还原技术对增强图像进行还原。实验结果表明,相对于其他对比度增强算法,该方法在多个评价指标上都有很好的性能体现,在增强图像对比度和亮度的同时,保留了丰富的纹理细节和自然色彩度。     

一种改进的细胞图像分割算法的研究

针对细胞图像的特点,提出一种改进的基于分水岭算法的细胞图像分割方法。在该方法中．对细胞图像进行数学形态学变换,即采用Top—hat变换后的图像与原始图像相加再减去Bottom—hat变换后的图像以得到最大对比度的图像．继而进行距离变换,最后运用分水岭算法进行分割。实验证明,该改进方法能够得到较好的分割结果。     

改进的形态学与Otsu相结合的视网膜血管分割

针对视网膜图像采集过程中由于疾病引起的图像光照反射过强问题,提出了一种修正的形态学与Otsu相结合的无监督视网膜血管分割算法。首先运用形态学中的高低帽变换增强血管与背景的对比度;然后提出了一种修正方法,消除部分由视网膜疾病引起的光照问题;最后使用Otsu阈值方法分割血管。算法在DRIVE和STARE视网膜图像数据库中进行了测试,实验结果表明,DRIVE数据库中的分割精度为0.9382,STARE数据库中的分割精度为0.9460,算法的执行时间为1.6s。算法能够精确地分割出视网膜血管,与传统的无监督视网膜血管分割算法相比,算法的分割精度高、抗干扰能力强。     

基于多尺度top-hat变换的自适应彩色图像增强

针对传统彩色图像增强过程中的过度增强及空间变化所引起的信息丢失现象,在RGB空间提出一种基于数学形态学top-hat算法,以各分量标准差权重比例为调控因子的彩色图像增强方法。首先,提取R、G、B通道多尺度下的亮、暗细节特征,然后利用控制因子对有应用价值的细节特征进行增强,最后组合三个分量,得到增强的目标图像。实验结果表明,该方法能有效增强图像对比度,避免过度增强,且能很好地保持亮度,视觉效果良好。     

场景化立体空间色彩饱和度动态修正仿真研究

当前立体空间色彩饱和度修正方法,受到噪声干扰导致图像空间的光照信息计算失准,造成低动态范围图像空间色彩饱和度失衡,从而需要二次修正,存在修正耗时较长、成本较高、且图像细节信息模糊的问题。据此提出场景化立体空间色彩饱和度动态修正方法,采用Retinex图像增强算法加入全局自适应亮度调节以及去噪环节,对图像亮度分量进行增强处理,在求解反射分量的过程中,保留场景化立体空间中的光照信息,以完成图像的预处理。将经过预处理的彩色图像压缩到普通显示器能够显示的范围内,采用阶跃方程对低动态范围内场景化立体空间色彩饱和度进行动态调整,实现场景化立体空间色彩饱和度动态修正。仿真结果表明,所提方法修正耗时较短、成本较低,并且能够更好的保存图像的细节信息。     

基于图像融合的低光照水下图像增强

水下机器人可用于水产养殖动态监测和水下拍摄,然而摄像机在水下抓拍的海洋图像呈现蓝绿色调、对比度低、细节模糊、亮度暗等问题,严重影响水下目标识别与检测的准确率。为此,本文提出了一种基于图像融合的低照度水下图像增强方法。首先,利用灰度世界算法对图像颜色进行校正,有效去除水下图像的蓝(绿)色基调;然后,对颜色校正后的图像分别进行锐化处理和HSV颜色空间下的亮度增强,分别得到细节增强图像和亮度增强图像;最后,将细节增强图像和亮度增强图像进行多尺度融合,得到最后的增强图像。实验结果表明,该算法不仅有效地解决了水下图像呈现蓝绿色的问题,而且增强了图像的整体亮度,使得细节更加清晰,提高了水下机器人的视觉感知能力。     

基于图像融合的自适应水下图像增强

针对水下图像对比度低及细节模糊的问题,提出一种基于图像融合的自适应水下图像增强方法,实现不同类型水下图像的增强效果。基于颜色校正方法对水下图像进行颜色均衡化预处理;对亮度分量L进行Gamma校正,获得对比度提升的亮度图像;对两个亮度分量进行三层小波分解,提出对分解所得的低频分量及高频分量分别采用线性融合和自适应融合策略进行融合。多尺度融合保证了增强图像细节的丰富性,自适应融合策略体现了融合过程的可控性。实验结果表明,增强的水下图像呈现出高对比度和清晰的细节。