基于改进交叉视觉皮质模型的彩色图像增强

为了获得更加符合人眼生理视觉感知的图像,提出了一种在HIS空间上的基于改进的交叉视觉皮质模型(ICM)的彩色图像增强算法。在分析传统ICM工作机制的基础上,保留原模型的基本特性,对模型中的内部活动项和动态阈值部分进行改进,将线性衰减变为非线性,满足了人眼对亮度感知的非线性;同时将衰减因子变为步长的减法,降低了算法复杂度并增强了算法的自适应性。结合图像增强的原理,对亮度分量采用符合视觉属性的阈值强度函数,同时对饱和度分量进行非线性处理。实验表明用该算法能获得更加清晰、鲜艳生动的处理结果。     

基于HIS空间的彩色图象分割

提出了一种基于HIS空间的彩色图象自动分割算法．在这个算法中，彩色图象首先被转化到HIS颜色空间．图像分解成彩色通道(H和S分量)和亮度通道(1分量)．我们对彩色通道采用基于J-图象的自动分割算法进行分割．对亮度通道采用水线阈值算法进行分割，然后将分割后的结果进行组合．得到最终分割结果．试验表明，这种方法计算快速简单．是一种高效的自动算法。     

一种最大模糊熵多尺度彩色图像增强方法

在HSI颜色空间提出了一种基于视觉特性和最大模糊熵的多尺度彩色图像增强算法。对亮度分量I进行小波多尺度分解,对于不同分解尺度的高频小波子带,采用不同的非线性函数进行处理,以实现图像细节的增强,同时最大限度地抑制噪声。对包含亮度信息的低频小波子带,首先进行基于最大模糊熵的模糊化处理,其中模糊化隶属度函数采用遗传算法进行优化;然后,对经过模糊化的低频小波子带,采用基于人眼视觉特性的线性矫正函数（LRF）进行处理,以实现对图像亮度更好的动态调节。对饱和度分量S,采用指数拉伸方法进行增强处理,色调H保持不变。实验证明,增强后的彩色图像更加清晰,色彩更加鲜艳而不失真。     

一种多尺度彩色图像细节增强算法

针对彩色图像提出一种基于小波变换的细节增强算法,在可分离亮度色度的彩色空间内,保持图像的色度分量不变,对其亮度分量进行小波变换,然后按照分解后的各级近似图像对比度采用插值处理调整小波细节系数,同时适当地增强近似系数以提高彩色图像的平均亮度,在处理过程中不需要设定额外的调整参数.实验证明,本算法不但保留了图像较亮的细节,而且增强了较暗的细节,同时达到了图像色彩不失真的目的.此外,本算法直接在RGB彩色空间内处理彩色图像也获得了较好的效果.     

亚采样彩色CCD图象的重建

在彩色图象传输、采集、存贮过程中，一般都采用对色度通道进行压缩的技术来减少图象占用的系统资源，在重建中，采用大面积着色的方法来重建图象。但这种方法会在图象的细节部分引入较大的误差，为了在实际应用中得到最佳的重建彩色图象，就需要研究在色度通道亚采样的情况下，如何利用了完备的数据有效地重建图象。针对CCD彩色图象的空间量化特点，提出了一种利用自然图象的约象条件和人眼视觉生理学特点重建CCD彩色图象的方法。该方法利用高分辩率的通道数据来获得图象的细节信息，并且利用图象各通道间的细节相似性（同变性）来获得低分辩率通道的图象细节。通过实验证明，该方法有效地提高了图象的清晰渡，消除了CCD图象重建中常见的伪彩和图象模糊等现象，可以用于数码相机或多光谱遥感图象处理等方面。     

基于视觉特性的彩色图像增强算法研究

为了对彩色图像进行分析和识别,在深入分析HSV彩色模型的基础上,提出了一种新的彩色图像增强算法.该方法利用像素点邻域的均值和方差对HSV模型的亮度分量增强,在获得图像细节的同时保持图像缓慢变化的部分;根据亮度分量的变化情况,利用亮度和饱和度之间的相关系数,对HSV模型的饱和度分量进行调整.通过对图像进行主观分析和客观分析,该种算法不仅拉伸了图像的对比度,增加了图像的清晰度,而且图像色彩丰富,更加符合人的视觉特性.     

彩色图象的广义分形小波变换压缩算法

基于广义二维分形小波变换,提出了一种新的复合分形小波变换图象编码算法,并将该算法推广到三维彩色空间,实现了彩色图象压缩。同时,提出了一种自适应小波子树分割算法。该算法根据图象局部区域纹理的复杂程度对小波树进行分割,有效地避免了解压缩图象中的分块效应。对彩色图象的实验表明在压缩比相同的情况下。新算法可得到更好的图象效果。     

一种彩色图象的非线性自适应滤波算法

本文提出了一种应用于彩色图象去噪和平滑的非线性自适应滤波算法,该算法应用微分算子确定被处理象素及其领域内的象素点是否为噪声点,在具有视觉统一性的色度空间中对图象进行高斯加权时,不仅去除噪声点的影响,而且应用分类准则,对象素及其领域内的点进行分类,选取同类点参加滤波,该方法有效抑制了噪声点的影响,提高了滤
滤波的视觉效益,实验证明了该算法的有效性。     

基于小波变换的彩色图像自适应细节增强算法

针对彩色图像,提出了一种基于小波变换的自适应细节增强算法.首先选择了合适的彩色空间,保持图像的彩色分量不变,对其亮度分量进行小波变换,然后按照分解后的各级近似图像对比度自适应地调整小波细节系数,同时适当地增强近似系数以提高彩色图像的平均亮度,在处理过程中不需要设定额外的调整参数.实验证明,算法不但保留了图像较亮的细节,而且增强了较暗的细节,同时达到了图像色彩不失真的目的.     

基于人眼视觉特性的融合图像质量评价算法

针对彩色融合图像在人眼视觉特性上的表现,分析现有图像融合质量评价方法特点,提出一种基于对比度敏感度特性加权结构相似度的彩色融合图像质量评价算法。该方法将图像颜色的亮度分量和色度分量分开,首先对图像亮度分量的结构相似度进行对比度敏感特性加权,再与色度分量的结构相似度进行加权以获得图像的结构相似度。该方法充分考虑人眼视觉特性和颜色特性,对不同图像融合评价方法的评价结果表明,该方法能较好地完成彩色融合图像的质量评价。     

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。     

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。     

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。     

基于人眼视觉特性的彩色图像增强算法

在分析现有彩色图像增强算法的基础上,按照视觉心理感知特性选择HSV色彩空间,并在此空间提出了新的彩色图像增强算法,保持色调不变,从而保证了没有颜色的失真或偏移。实验证明,经本文算法增强后的彩色图像画面更清晰、层次感更强、色彩也更加丰富,达到了预期的目的。     

基于DCT和DWT的彩色图像盲数字水印算法

提出了一种实用的基于离散余弦变换和离散小波变换的彩色图像盲数字水印算法.通过实验测试,提出的算法很好地保持了图像质量,对诸如JPEG压缩、滤波、噪声污染、缩放、剪切、马赛克效果、锐化等常见的信号处理和攻击均具有很强的鲁棒性.     

基于Retinex算法的亮度分层图像增强算法

在处理低照度的图像时，传统的Retinex算法虽然可以提高图像的辨识度，但是存在“光晕伪影”和图像细节表现不明显等问题，因此本文采用了引导滤波图像分层处理与多尺度Retinex算法相结合的图像增强算法。首先在HSI色彩空间中对原始图像使用引导滤波算法，将图像分成细节图像和基本图像。然后对分离出来的两个图像层构造增益系数，分别进行增强处理后再进行重构，得到一个新的亮度图像。最后，在RGB色彩空间内对新的亮度图像进行色彩恢复从而输出最终的亮度较高、还原度较好的图像。实验结果表明，本文算法使图像的边缘和细节更加突出，而且能够消除“光晕伪影”现象，客观评价指标也有较大幅度的提升。     

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。     

非均匀光照条件下的彩色人脸图像增强

针对非均匀光照彩色人脸图像增强中肤色失真问题,提出了一种基于单尺度Retinex和肤色模型的方法。将人脸图像转换至YCbCr颜色空间,并采用不同的方法分别处理Y分量和CbCr分量。针对亮度分量（Y）采用单尺度Retinex方法压缩图像的动态范围,增强图像暗处的细节信息;针对图像中肤色区域,根据肤色在CbCr空间具有聚集性的特点,调整亮度分量增强后肤色像素点色度分量（Cb和Cr）的值,改善肤色区域的颜色质量。在CAS-PEAL人脸库中进行实验,该方法与传统的人脸图像增强方法相比,在图像细节呈现能力和面部色彩真实程度方面均有提高。     

一种基于高维形象几何理论的彩色图像增强算法

基于近年来发展起来的全新理论--高维形象几何与仿生信息学,提出一种彩色图像增强算法.本算法将彩色图像看作是高维空间的点,通过对多幅图片的分析,推导出点与点之间的内在联系,提出"模糊-再模糊-清晰"的增强算法,并由实验证明该算法对模糊图像的清晰化有很好的效果.     

HSI空间亮度信息的多尺度Retinex图像增强研究

彩色图像增强可以提高图像的亮度,增强图像的对比度和细节,同时使得图像颜色更加逼真自然,并且较少失真,在遥感、医学、刑侦、电视与多媒体等许多方面具有良好的应用前景和重要的理论研究意义。提出基于HSI空间亮度信息的多尺度Retinex图像增强算法（HSI_MSR）,算法通过对HSI颜色空间模型的分析,通过增强HSI模型中I分量,将HSI模型转换到RGB模型,得到增强后的彩色图像。通过仿真实验可知HSI_MSR算法可以较好地提高图像的视觉特性,亮度适合人眼观察,细节较为丰富,使得图像颜色更加逼真自然。