快速Retinex彩色图像增强

提出了一种快速Retinex彩色图像增强方法,模拟了人类视觉系统全局和局部自适应性。首先对图像的亮度范围做全局调整;然后在光照估计步骤中对亮度进行Mean Shift滤波,用于其后光照影响的消除;最后对增强结果进行颜色恢复并进行了后处理。实验结果表明,方法能够有效压缩图像的动态范围,克服光照不均的影响,有效去除了光晕现象,且方法的颜色保持性较同类方法更好。使用了Mean Shift加速算法,方法运行速度快于此前提出的方法。     

基于改进型Retinex算法的彩色图像增强技术

由于单尺度Retinex算法在处理过程中会产生光照强度问题导致图像细节表达不细致,提出一种改进的基于单尺度Retinex(SSR)算法的 真彩图像增强算法。首先,使用加权最小二乘法对原始彩色图像进行细节增强,然后对原始图像进行优化。对处理后的图像层和细节图像层构造增益系数,并进行重构输出一幅新的合并图像。实验结果表明,所提算法能够有效减少图像中的噪声,并使图像细节和对比度更加突出,亮度增强。相比于其它传统的算法,改进型Retinex算法处理后的图像客观评价指标有大幅度提升,图像增强能力有大幅改善。     

改进单尺度Retinex算法在图像增强中的应用

为了提高光照条件变化下的图像增强效果,提出一种改进单尺度Retinex(SSR)算法的图像增强方法。利用双边滤波代替SSR算法的高斯滤波对光照估计,克服SSR算法不能解决的"光晕"问题。结果表明,相对传统图像增强算法,改进SSR算法不仅加快了图像增强处理的效率,且获得了更好的图像增强处理效果,是一种适应性较强的、可用于光照变化比较强烈下的图像增强算法。     

基于自适应特性二维经验模式分解的Retinex彩色图像增强

提出一种彩色图像自适应增强方法：将图像从RGB色彩空间转化到HSV色彩空间并保持H分量不变,对亮度分量V通过自适应特性二维经验模式分解（ABEMD）估算其照度分量,再根据中心/环绕Retinex算法计算出反射分量,对照度和反射分量分别应用Gamma校正和Weber定律,并进行加权运算,基于全局特性自适应地调整S分量,并将图像从HSV色彩空间转化回RGB色彩空间。最后利用主观和客观的方法对实验结果进行了评价,实验表明了该算法在均值、方差、信息熵和清晰度方面均优于MSR算法和Meylan的算法。     

基于Zernike矩的新型Retinex图像增强方法研究

针对传统的Retinex算法对雾天和彩色图像增强时,会出现色彩恢复不协调,光照分布不均匀这类缺点,提出了一种新的基于Zernike矩模型的Retinex图像增强方法。通过在HSV空间中求解图像V分量和S分量的Zernike矩来提取图像的背景灰度和阶跃高度,然后调节邻接像素内灰度变化差异和区域饱和度的相关性,进而增强图像的亮度,恢复图像的色彩。实验结果表明,该方法有效地解决了图像色彩恢复和光照恢复不足这一问题,而且对不同特点的图像都有良好的适应能力。     

消除光晕现象的快速Retinex图像增强

由于假设场景中光照是平缓变化的,传统的中心环绕Retinex图像增强方法在处理高动态范围图像时易在明暗对比强烈处产生光晕现象.提出一种快速Retinex图像增强方法,以模拟人类视觉系统的全局和局部自适应性.首先对原图进行全局动态范围调整,然后使用mean shift滤波进行估计光照,并基于中心环绕假设消除光照不均影响,在后处理中对图像去除孤立点所占的直方图范围.实验结果表明,该方法能有效地克服光照不均并消除了光晕现象;使用了mean shift加速算法,运行速度快于已有同类方法.     

一种基于改进Mean Shift滤波的Retinex彩色图像增强算法

传统的中心/环绕Retinex图像增强方法在处理低对比度彩色图像时,易产生光晕现象和色彩失真。提出一种基于改进Mean Shift滤波的Retinex方法,首先采用主元分析法(PCA)将低对比度图像分解为亮度和色彩两部分,通过改进现有Mean Shift滤波方法实现光照分量的自适应增强,并对色彩通道进行恢复,最后在全局分析基础上进行图像补偿。实验结果证明,该方法能有效抑制光晕现象,并保持色彩一致性,运行速度也优于同类自适应方法。     

模糊多尺度Retinex彩色图像增强

由于中心环绕Retinex算法中假设场景中光照是平缓变化的,所以在图像明暗对比强烈处易出现光晕现象。针对Retinex传统算法的固有缺陷,结合MSRCR算法在色彩恢复上的优势,提出了一种模糊多尺度Retinex彩色图像增强方法（FMSRCR）。FMSRCR使中心环绕空间对比运算仅在光照强度相近的区域中进行,克服了光照不均的影响。同时采用自适应高斯模,减少了卷积运算量。通过实验证明该方法是有效的。     

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Retinex理论的图像增强算法研究

Retinex理论的图像增强算法,就是在一个图像中,忽略透射光的影响,同时来获得物体的反射的基本特性,并通过这种方式来获得物体原本的图像形态。本文在探讨了Retinex基本理论,对建立在该理论基础上的图像增强算法的实现做了理论与实践的研究。     

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.     

基于Retinex理论的压缩域图像增强方法研究

针对现有压缩域图像增强算法在提高图像对比度时,存在不能很好地增强图像细节及保持色彩信息的局限性,提出一种新的基于Retinex理论的DCT压缩域图像增强算法.该算法以Retinex理论为基础,将DCT系数分为入射分量(DC系数)和反射分量(AC系数),通过对DC系数进行动态范围调整,对AC系数进行细节增强调整,并使用阈...     

基于双边滤波的Retinex图像增强算法

针对Retinex图像增强技术在高对比度边缘区域存在“光晕伪影”这一缺点,提出了一种基于双边滤波的Retinex算法。该算法先使用带有边缘保存功能的双边滤波将原图像分解成照度图像和反射图像,再分别采用不同的策略压缩照度图像和增强反射图像,最后把两部分图像合成为新的图像。通过从主观视觉效果和客观质量评价两方面对该算法进行检验,实验结果表明它有较好的增强效果,解决了“光晕伪影”问题。     

基于Retinex的图像增强方法综述

Retinex作为一种源自人类视觉系统研究的颜色恒常性模型,在解决光照不均、色偏等方面都有非常广泛的应用。本文首先介绍了Retinex理论的来源与后续的发展。然后根据当前研究现状将Retinex模型分为路径模型、PDE（Partial differential equations）模型、变分模型和中央周边（Center-Surround）模型4种类型,并对每一种类型进行综述。最后介绍了Retinex在图像增强方面的典型应用,并总结4种Retinex模型的优劣,展望了Retinex的未来发展方向。     

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。     

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。     

一种基于模糊MSR的医学X光图像增强算法

由于医学X光图像中存在信噪比低、清晰度差、对比度低等缺点,而普通的图像增强算法很难在增强图像细节特征的同时对图像的背景噪声进行抑制。针对上述问题,将模糊多尺度Retinex算法引入医学图像处理的增强算法中：先计算图像中每个像素点的模糊度,再结合模糊度采用多尺度Retinex算法对图像进行增强。实验表明该算法比直方图均衡、同态滤波以及普通的多尺度Retinex算法增强图像的效果更明显,并能在增强图像的同时,有效抑制图像的背景噪声。     

滤波器可变的Retinex雾天图像增强算法

针对现有中心环绕Retinex图像增强算法滤波器固定,不能对雾天图像有效地同时增强细节与色彩保真的问题,提出一种滤波器可变的Retinex图像增强算法.首先根据雾天图像雾化程度的分布特征得到滤波参数的阈值;然后将原图中每一子块的局部信息与阈值信息作差运算得到相应的滤波器,由此计算出该子块的入射分量,并通过部分重叠策略平移子块完成对整幅图像的入射分量估计;最后将原图减去整幅图像的入射分量得到反射分量,实现对图像的增强.通过主观观测和客观评价的结果表明:该算法比现有的中心环绕Retinex算法在细节增强和颜色保真方面具有更好的效果.     

模糊域内基于Retinex的雾霾图像增强算法

现有Retinex图像增强算法在使用过程中往往会产生轻微的光晕现象,在图像清晰度、细节、保真性、适用范围等方面存在诸多不足,在模糊域内,提出的基于Retinex的雾霾图像增强算法可有效克服此类不足。首先利用自适应多阈值算法对图像进行分块,并确定分块区域的最佳渡越点;然后采用线性隶属度函数将图像像素值变换为模糊域,通过渡越点计算提出的模糊双曲正切函数的关联参数,对图像的各个分块区域应用Retinex算法进行非线性图像增强,同时对增强结果进行模糊双曲正切调整;最后采用线性加权和线性逆变换的方法恢复原图像。通过对大量图像的对比实验发现:传统处理方法产生的光晕现象得到了抑制,图像清晰度、细节、保真性以及对比度等处理效果改善明显,算法适用范围更广。