改进细节提升多尺度Retinex图像增强算法

为了改善复杂照度下彩色图像增强出现的细节丢失和色彩失真问题,依据颜色空间转换和边缘细节融合算法,提出基于HSI空间细节提升多尺度Retinex图像增强算法。通过边缘提取融合算法增强HSI模型亮度分量,进行基于高斯模糊的多尺度细节提升,获得增强图像。与经典的MSR、MSRCR等进行仿真比较,实验数据表明,在主观视觉效果和客观评价指标下,该算法均优于MSR和MSRCR,增强图像细节丰富,色彩自然逼真。     

基于Retinex和HSV颜色空间的低照度图像增强算法

针对低照度图像存在的对比度低、颜色失真、细节信息损失、噪声干扰等问题,提出一种基于Retinex的改进算法。首先,将原始图像转换到HSV颜色空间,采用改进算法和Gamma校正对V分量进行亮度调节;其次,基于对比度拉伸算法调整S分量,增强图像饱和度和对比度;最后,将融合后的图像转换回RGB颜色空间,输出图像。在MATLAB平台上选取不同场景低照度图像进行增强处理,采用图像信息熵（IE）、峰值信噪比（PSNR）和结构相似性指数（SSIM）三个客观指标进行均值对比,实验结果表明,新算法计算结果均优于传统的直方图均衡化算法（HE）和多尺度Retinex算法（MSR）,有效保持图像边缘信息,提升图像质量。     

多方向双边滤波单尺度Retinex图像增强研究

传统的单尺度Retinex(SSR)图像增强算法无法准确估计明暗突变剧烈区域的背景光照,增强图像易产生光晕现象且图像细节信息减弱。针对这种情况,提出一种基于多方向的双边滤波单尺度Retinex图像增强算法,利用不同方向的双边滤波器平滑输入图像,获得不同的光照图,通过融合得到光照估计,在Retinex增强时保留一定程度的光照使图像增强更加自然。实验结果表明,该方法能有效克服光照不均且可消除光晕现象,增强图像细节,其增强效果优于传统的SSR。     

一种基于Retinex算法的雾天图像增强算法

为了解决雾天图像增强中的细节信息优化问题,提出了一种新的雾天图像增强算法。采用背景亮度作为激励亮度值对图像的亮度块进行分割,然后采用IIR低通滤波器对分隔块进行增强,最后对像素的边缘信息进行分割,并按照一定比例对块信息进行融合。仿真结果表明,与传统的Retinex算法相比,该算法的信息熵较大,增强之后图像细节更丰富。     

Retinex算法在铁路货运检测中的应用

本文将Retinex算法应用到铁路货运检测中,着重研究并实现了在Retinex算法基础上发展起来的单尺度Retinex(SSR)图像增强算法和多尺度Retinex(MSR)图像增强算法,不仅能增大图像动态范围,提高图像亮度,还能保持图像细节,增加图像清晰度。     

基于Retinex的彩色图像去雾霾算法研究

针对雾霾较为严重的情况下室外采集装置采集的图像模糊,细节丢失等失真现象。采用Retinex算法进行雾霾图像的去雾处理,分析常用的单尺度和多尺度Retinex算法,并进行改进。将输入的RGB彩色图像转换成HSI彩色图像,提取亮度Ⅰ分量,用改进的MSR算法对Ⅰ分量进行图像增强,再转换回RGB空间进行合成。图像处理结果表明改进后算法的图像突出了图中隐藏的细节,提高了图像对比度,达到了较好的视觉效果。     

基于区域能量加权的图像融合算法在指纹图像提取中的应用

在拍摄光滑客体表面的无色指纹时,一般采用定向反射光照相的方法,但是对于光滑纸板等表面,潜在指纹与背景之间的反射亮度差很小,传统方法难以进行拍摄提取。使用不同方向的光源配光,每一方向光源采集一幅图像,然后使用小波变换,将图像分解为不同尺度空间上的一系列子图像。对于低频子图像,采用取平均的融合规则;对于高频子图像,采用基于窗口的区域能量决策进行系数融合。最后对融合后的图像进行基于自适应引导滤波的多尺度Retinex图像增强,以增加指纹图像对比度。实验结果证明,该算法可以解决光滑物面指纹图像难以提取的问题,从而得到较为清晰的指纹图像。     

基于Retinex模型的水下图像增强方法

针对水下图像颜色失真和低对比度2个主要问题,提出了一种弱通道耦合的颜色校正和基于Retinex模型的对比度提升方法。首先通过计算补偿系数对弱通道进行补偿和拉伸以达到颜色校正的目的,然后提出一个变分方程,求解得到图像的光照图,基于Retinex模型提升图像对比度。从UIEB数据集中挑选出绿色、蓝色水下图像,采用UIQM、UCIQE、PCQI指标衡量所提方法的性能,并与其他先进方法相比校,证明所提方法取得了更好的效果。所提方法有效解决了水下图像由于颜色失真而造成的细节模糊问题,提升了水下图像的可见性,得到的增强图像也更符合人类视觉。     

多尺度Retinex彩色图像增强算法研究

多尺度Retinex彩色图像增强算法（MSRCR）使用多个不同高斯函数分别与原图像进行卷积,仅使用一个参数来控制图像动态变化,对彩色图像各通道的最大值和最小值进行映射,以实现对图像的无色差调节,还原出更多图像细节。实验结果表明,该算法能明显提高图像对比度,在扩大图像动态范围的同时保留了图像原始色彩。     

单尺度的Retinex算法在车辆胎痕图像增强方面的应用

针对传统图像增强方法会丢失图像细节信息这一缺陷,本文提出一种基于单尺度的Retinex胎痕图像增强方法.实验结果表明,该算法较好地实现了颜色恒定性、动态范围压缩大和图像边缘的锐化,最终保持了胎痕图像的细节.     

基于非锐化掩模与Beta变换的图像增强研究

针对现有对比度变换图像增强方法细节处理不足,经典穷举法和各种生物智能优化算法求取非完全Beta函数参数存在算法效率不高、易陷入局部最优的缺陷,提出一种利用非锐化掩膜局部细节提升能力和Beta变换全局对比度拉伸能力,简便快速且细节丰富的图像增强方法。使用不同灰度分布图进行仿真实验,结果表明该算法得到的增强图像直方图分布均匀、细节丰富且过渡自然平缓,算法效率高。     

自适应Contourlet变换的多传感器图像融合

Contourlet变换克服了小波变换在处理高维信号时的不足,相对于小波变换具有较好的方向性、较高的逼近精度和较好的稀疏表达性能.因此将Contourlet变换用于图像融合,能更好的提取图像边缘特征,为融合提取更多的特征信息.利用Contourlett变换的多尺度和多方向性特征以及自适应融合规则在选取融合系数上的优势,提出了一种自适应Contourlet变换的多传感图像融合新算法.算法是将全色图像和多光谱图像进行Contourlet变换分解后,针对不同的频率域特点选择不同的融合规则,对低频系数选取区域能量的加权系数自适应融合规则,对高频系数特性选用了区域特征自适应的融合规则,最后通过重构得到融合图像.将其他的融合算法和本文所提算法进行了主观和客观的对比,结果表明,该算法是一种有效可行的图像融合算法.     

遥感图像薄云覆盖下地物信息恢复算法

针对遥感图像薄云覆盖下地物细节模糊问题,给出一种融合对偶树复小波变换和支持向量滤波的遥感图像薄云覆盖下地物信息恢复算法.利用对偶树复小波变换和支持向量滤波器将薄云覆盖遥感图像分解为高频方向子带和低频子带;分别对高频方向子带系数进行自适应增强,对低频子带系数加以抑制;对不同方法处理后的低频系数采用基于匹配度的选择和加权相结合方法进行融合,对高频系数采用基于轮廓波对比度的方法进行融合,获得地物细节清晰的融合图像.实验结果表明,算法在视觉效果和定量指标上优于对偶树复小波变换方法和支持向量滤波方法.     

结合小波变换和HIS变换的遥感图像融合方法

对比HIS变换,小波变换结合HIS变换方法对一景WorldView 2多光谱图像进行像素级融合。对WorldView 2多光谱图像进行HIS变换,对亮度分量I和全色波段图像进行3层小波分解,并用全色波段图像第3层的3个高频小波系数图像替换亮度分量I第3层的3个高频小波系数图像。再通过小波逆变换重构亮度分量I,利用HIS逆变换得到融合图像,最后采用目视判读评价融合效果。结果表明,相较于HIS变换方法,采用小波变换结合HIS变换方法能使WorldView 2多光谱图像在融合后实现多光谱信息保真,同时融入全色波段图像空间纹理结构特征,提高图像细节表达能力,改善目视判读效果。     

基于图像增强的低光照图像识别算法研究

为提高图像增强算法的图像识别有效性，提出了基于图像增强的低光照图像识别算法。首先，采用直方图均衡化的图像增强算法对开源低光照图像数据集（ExDark）进行增强处理；然后，设计卷积神经网络进行图像识别训练，通过多重卷积—池化操作，实现图像特征提取；最后，将识别结果与其他增强方法结果进行对比实验。结果表明，与其他传统方法相比，在低光照图像的处理中采用直方图均衡化的图像增强法可获得更高的图像信息熵与图像对比度，图像识别准确率提升了14.4%，对低光照条件下的图像识别具有参考价值。     

基于暗通道先验的Retinex去雾算法研究

针对雾霾天气下有雾图像能见度水平低、在低光照条件下无法有效获得图像细节信息等问题,提出一种基于暗通道先验的Retinex去雾算法.首先采用改进的暗通道先验算法对有雾图像进行初步处理,得到初步复原图像;其次,在得到的去雾图像上进行Retinex图像增强,利用引导滤波对照度分量进行平滑处理,求出反射分量;之后利用S型曲线对...     

基于小波变换的低照度图像增强新算法

针对低照度图像暗、对比度低,同时存在大量黑暗连通区的特点,提出了一种基于小波系数融合的低照度图像增强算法,该算法对图像的低频和高频信息分别用空域法和频域法进行处理。实验表明,该方法在处理低照度图像的过程中,在调节图像动态范围和增强图像细节的同时,也达到了对高频信息降噪的目的。通过该算法处理,能有效减少拍摄图像所需的曝光时间。     

低对比度图像增强与边缘提取

针对低对比度图像增强和边缘检测问题，提出基于小波变换并结合中值滤波增强和Sobel算子边缘检测的变换处理方法，能获得尽可能完整的图像特征。     

基于小波变换的低对比度图像增强改进算法

提出一种基于小坡变换的图像增强算法.利用小波变换的时频局域性和方向性特点,对分解后的高频系数进行子树划分,以子树为单位实现图像的对比度增强.在VC++环境下实现了该方法,实验结果表明该算法能得到整体视觉好的图像,是一种有效的图像增强算法.     

基于IHS变换和形态小波变换的遥感图像融合

针对多光谱图像与全色图像的融合,本文提出了一种基于IHS变换和形态小波变换的遥感图像融合方法。新方法首先对多光谱图像作IHS变换,得到亮度I,色度H,饱和度S三个分量;其次,利用形态小波变换融合方法融合多光谱图像的亮度分量与全色图像,并用融合后的图像代替多光谱图像的亮度分量;最后,作IHS反变换得到新的多光谱图像。主观视觉效果分析和客观统计参数分析评价分析表明,新方法的性能优于IHS变换融合、小波变换融合方法,不仅较大地增强了融合图像的空间细节表现能力,而且很好地保留了多光谱图像的光谱信息。