基于Retinex的树叶图像镜面反射区定位方法

图像中的镜面反射区会造成分割和识别工作的错误。树叶图像的背景中常包含自然纹理信息,干扰镜面反射区的定位。为此,提出一种利用Retinex算法和颜色匹配来定位树叶图像镜面反射区的方法。该方法利用图像的反射分量图以及色调、饱和度等信息得到初始的镜面反射区和漫反射区,利用颜色匹配得到准确的镜面反射区。实验结果表明该方法是有效的。     

基于L0范数的Retinex图像增强算法

图像在采集过程中会因为机械设备、天气状况等原因产生曝光不均等问题,使得图像的拍摄效果不佳,无法满足实际应用的需求。而传统的Retinex算法应用于图像增强时会导致图像边缘模糊与泛灰等问题。因此,针对传统的Retinex算法现存的问题,提出一种新颖的图像增强算法——基于L0范数的Retinex算法RIEALN。首先通过全局L0梯度最小化方法提取图像的轮廓成分,然后进行Retinex算法处理,再将提取的轮廓成分融合到原始图像,实现原始图像的增强。实现过程中还通过增加不同的L0梯度最小化因子确保不同尺度轮廓成分的均匀增强。实验结果表明,该算法不仅可以增强图像的对比度,而且还能够较好地保留边缘信息。     

改进的多尺度Retinex算法及其应用

在经典的多尺度Retinex算法中对Retinex输出采用一个常数增益,使图像在平滑区域和高对比度边缘出现过增强,导致噪声放大和边缘晕环。针对该问题,提出改进MSR算法,对Retinex输出采用自适应空间变化增益,平滑区域和高对比度边缘增益小,细节区域增益大,并且小尺度Retinex输出不同区域增益差大,而大尺度Retinex输出不同区域增益差小,从而使图像细节更清晰,同时场景轮廓和颜色呈现更自然。将该算法用于受到严重退化的雾天图像,能取得较好的图像去雾效果。     

基于暗通道先验和Retinex理论的快速单幅图像去雾方法

针对雾霾天气下捕获的图像存在低对比度、低饱和度和色调偏移等现象, 提出了一种基于暗通道先验和Retinex理论的快速单幅图像去雾方法.该方法从大气散射模型出发, 利用暗通道先验法则,通过灰度开运算对大气光值进行区间估计,同时获得介质传输率的初始估计, 并通过白平衡简化大气散射模型; 其次,基于Retinex理论,利用高斯滤波获得介质传输率的粗略估计, 并通过线性映射实现灰度值搬移; 然后,将介质传输率的初始估计和粗略估计进行像素级融合, 利用快速联合双边滤波进行边缘优化,同时通过参数自适应调整的方法对雾图中大片天空区域的介质传输 率进行修正; 最后,通过简化大气散射模型和色调调整得到复原图像.与几种典型的图像去雾算法相比, 本文算法具有很快的运算速度,能有效提高复原图像的清晰度和对比度,同时获得较好的图像颜色.     

融合暗通道与Retinex算法的水下图像复原研究

针对水下图像存在细节模糊和色彩失真等问题,基于水下光学成像模型,提出了一种融合暗通道先验和Retinex的方法。首先为避免场景中亮白区域影响,提出一种基于四叉树分解方法改进对背景光的估计,进一步分通道对透射率进行估计,引入自适应容差补偿机制,根据图像区域的明亮程度自适应修正透射率,并利用改进的导向滤波细化透射率,消除了图像块效应,利用优化的暗通道先验算法对图像进行清晰化处理得到复原图像;其次用Retinex算法提高水下图像对比度以及校正颜色畸变;然后依据复原图像与Retinex算法增强图像的特点进行像素级融合,最终得到复原后的水下图像。为定量评价复原算法,选取了信息熵、平均梯度和UIQM定量化评价因子。实验结果表明,所提算法在主观及客观评价方面均优于对比算法,为后续水下目标探测提供了研究基础。     

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。     

低对比度火焰图像增强和分割算法研究

针对火焰与背景对比度不明显情况下的低对比度火焰目标提取问题,提出了一种Retinex和CV(Chan-Vese)模型相结合的火焰图像增强和分割算法。首先在YCb Cr颜色空间利用Retinex算法构造彩色双边滤波器,根据分量Cr和Cb的关系设计对比度调节函数调节像素点亮度,以凸显原图像中火焰明亮、鲜艳的颜色特征,细节信息也更清晰;再通过帧间差分法和建立的火焰颜色模型获取疑似火焰区域,根据该区域所得中心坐标点设置CV模型的初始轮廓曲线,进一步分割得到火焰目标。仿真实验表明:所提算法不但能够提取出简单和复杂背景环境下低对比度火焰图像,而且目标边缘不规则信息保留完整,误分率比已有算法有明显降低,表明了算法的先进性和有效性。     

一种新颖的多视点图像规正算法

在多视点图像系统中,由于场景光照或相机标定的原因,通常会导致同一对象在不同视点位置颜色外表的不一致。传统的亮度补偿算法难以有效地解决这个问题。基于Retinex颜色恒常性理论,提出了一种新颖的多视点图像规正算法,通过直方图均衡化、Retinex处理和颜色恢复手段,提取出反映物体本质特征的反射光系数来消除不一致光照的影响,在增强单视点图像对比度的同时,将视点间图像的颜色规正到一致的水平。     

基于语义的手机图像颜色提取方法

为了能够准确提取彩色图像中的颜色区域,提出基于语义的手机图像颜色提取方法。该方法通过语义描述划分颜色区域,采用模糊聚类算法将图像中的像素聚类到各个颜色区域。实验结果证明,该方法在手机中实现了根据语义需求提取某一颜色区域,在对图像的边缘检测和模式识别中具有很高的应用价值。     

一种改进的基于暗通道先验的图像去雾算法

针对暗通道先验去雾算法在图像灰白色或天空区域会产生颜色畸变及图像比较暗淡的问题,提出一种基于暗通道先验改进的算法。该算法通过修正导致颜色畸变的透射率计算问题,从而提高图像的视觉效果。同时,通过降低3个颜色通道的高亮度值,并采用均值方法来得到增强的无雾图像。实验结果表明,本文方法在很大程度上消除了去雾图像明亮区域的颜色畸变现象且有更好的颜色恢复度。