融合彩色模型空间的非线性低照度图像增强

低照度图像存在图像整体亮度偏低、亮度不均匀、色彩饱和度过高、图像模糊等问题,针对此类问题,提出了一种融合彩色模型空间的低照度图像增强算法。在该算法中,将图像的亮度增强与图像色彩恢复转换至不同的彩色模型空间分别进行处理:在RGB彩色模型空间中,首先对图像的高灰度级进行预处理,随后进行滤波处理,最后再用三分量增强函数对图像进行亮度恢复;在HSV彩色模型空间中,利用非线性色彩饱和度校正函数与亮度增强函数进行图像的色彩恢复,最后将两个空间中的处理结果进行加权融合。最终的对比实验结果表明,该方法在避免图像出现过度增强、色彩恢复与图像照度增强方面有着良好的效果,所处理的图像符合人眼视觉特性。     

基于双伽马函数的煤矿井下低亮度图像增强算法

针对井下视频图像存在整体偏暗,照度不均匀,对比度低等问题,提出一种基于双伽马函数的煤矿井下低亮度图像增强算法.该算法利用具有边缘保持特性的引导滤波获取低亮度图像的照度图,然后在伽马函数的基础上构造双伽马函数,针对照度图的分布特性对其进行调整,从而提升低亮度区域的照度值并抑制局部高亮度区域的照度值.相比于HE算法、MSR算法、NPEA算法以及CLAHE算法,本文算法处理效果在信息熵、对比度、清晰度等方面都优于上述算法.本文提出的算法能够有效提升图像的亮度,同时避免局部亮区域的过度增强现象的产生,提高了井下图像整体的视觉效果,显示了本文算法的优越性.     

基于人眼视觉特性的Curvelet域低照度图像增强

针对低照度下图像降质严重的问题,提出了一种基于人眼视觉特性和Curvelet变换的低照度图像增强算法。首先将低照度图像转换至"色调-饱和度-亮度"(HSI)颜色空间,在Curvelet域中分解亮度参量得到不同尺度、不同方向的子带分量,以此构建人眼视觉模型;然后利用模型的亮度遮蔽特性和亮度-对比度遮蔽特性对高频分量进行非线性增强,同时对低频分量进行非线性拉伸;最后通过Curvelet逆变换重构亮度参量,结合原始图像的色度和饱和度分量将图像转换至原色彩空间,得到增强后的低照度图像。实验结果表明,该算法可以有效提升低照度图像的对比度和亮度,保持图像的细节信息,抑制图像噪声。     

采用亮通道先验的低照度图像增强算法

针对低照度彩色图像亮度偏低、对比度差等问题,提出基于亮通道先验的低照度图像增强算法.首先,分析Retinex算法所存在的缺陷,提出了亮通道先验.然后,将原RGB彩色图像转换到HSV彩色空间,对亮度分量V使用亮通道先验和引导滤波估计光照分量和反射分量,并且采用自适应对数校正对光照分量进行提升.最后,将增强后的图像转换到RGB彩色空间.实验结果表明:该算法快速有效,能够很好地提升图像整体亮度和对比度,图像细节得到增强,克服了颜色失真和光晕等问题,增强后的彩色图像更为明亮、自然.     

基于WT和Retinex理论的低照度灰度图像增强算法

针对低照度图像噪声大、亮度对比度低、局部细节信息欠清晰等问题,为降低低照度灰度图像噪声,并提高其亮度和对比度,提出了一种改进型小波阈值去噪和Retinex理论的低照度图像增强算法。先采用改进型小波阈值变换对低照度灰度图像进行去噪,降低灰度图像高斯白噪声,再运用Retinex理论对去噪后的图像局部细节进行增强。Matlab仿真结果表明,本文算法在处理低照度灰度图像的高斯白噪声时峰值信噪比原图提高了7.76,标准误差下降了5.86,且低照度灰度图像的亮度和对比度都较大幅度提高。     

一种改进的低照度视频增强方法

针对低照度视频噪声大、灰度值偏低的问题,提出了一种改进的自适应时空域累积滤波方法.对滤波后的视频,采用一种改进的分段色调映射函数进行亮度调整.与Eric P.Bennett提出的自适应时空域累积滤波去噪和色调映射函数相比,改进后的方法对低照度视频增强效果比较明显.     

基于直方图均衡与小波变换的超声图像增强

针对超声图像对比度低、成像质量差的问题,提出了一种基于小波变换的直方图均衡算法,用于超声图像对比度增强,并使信息熵有很大提高。直方图均衡可以使图像灰度分布接近均匀,提高图像对比度,但图像的信息量会有一定程度的损失。本算法首先对图像作直方图均衡,然后通过对小波变换的一级或二级近似系数的非线性增强处理,使图像灰度分布更加均匀,损失的信息熵也得到很大提高。通过多幅的超声图像的实验结果证明,该算法效果明显,处理后的图像细节清晰可辨,边界信息也得到了保留。该算法对于超声图像临床视觉检查,以及图像目标识别、组织分割等都有很大好处。     

基于结构信息相似度的线性投影灰度化算法

针对彩色图像灰度化过程中易丢失结构信息的问题, 提出一种基于结构信息相似度的灰度化算法. 首先在RGB色彩空间利用像素平均值和标准偏差值构造一幅对比图, 以保持彩色图像的对比度和亮度信息； 然后利用结构信息相似度评价指标衡量RGB通道图像与对比图间的相似程度； 最后将通道结构信息相似度值作为全局加权映射函数中的权重值, 获得最终的灰度图像. 该算法有效解决了其他典型灰度化算法中需求解目标函数, 导致算法复杂度高、 图像结构信息不自然的缺陷. 对Cadik和CSDD图像集的实验结果表明, 该算法优于一些已有典型灰度化算法, 能有效保留原始图像的对比度和结构信息, 可提高计算效率, 且输出的灰度化图像视觉感知自然, 主客观评价结果均较优.     

结合人眼视觉综合感知差与r-g色域峰值偏差的彩色图像客观评价方法

针对图像色彩复原应用中对彩色图像质量评价的需求,在图像灰度直方图累计分布差的基础上,通过引入人眼视觉敏感度等修正因子,得到了直方图感知差的评价方法,并与图像的信息熵和平均梯度指标相结合,提出了基于综合感知差的评价方法以及将综合感知差与色域峰值偏差结合的无参考型彩色图像评价新方法.构建了不同光照条件下的标准彩色图像测试数据库,通过与传统的客观评价标准相比,新方法在图像亮度感知、色调信息和图像综合质量等方面均表现出与主观评价更高的一致性.     

基于5G通信和图像增强算法的交通监控系统设计

目前我国交通监控系统存在着传输速率低、低稳定性差,丢包率高,并且系统成像易受雾霾和低照度的外部因素影响使监控视频关键信息丢失,导致识别算法准确率下降的问题。针对上述的问题,设计一种结合5G无线通信技术和图像增强算法的交通监控系统。该系统在硬件方面利用5G通信设备传输视频数据,并在服务器端采用改进的单尺度Retinex算法对交通监控图像进行去雾。引入反转图像通过大气散射模型对图像亮度进行增强解决低照度对系统成像的影响。通过理论分析与实验仿真,该监控系统能够保证监控视频传输的稳定性,并且对受雾霾和低照度影响的交通监控图像具有一定的增强效果,有效的提高了识别算法的准确性。     

基于同态滤波及多尺度Retinex的低照度图像增强算法

针对在彩色图像采集过程中,光源偏暗或曝光不足等因素,常导致图像亮度和对比度偏低问题,提出了一种改进的低照度图像增强算法。首先用改进的同态滤波增强低照度图像的RGB各分量;然后将RGB图像转换到HSV彩色空间,对饱和度分量进行自适应非线性拉伸;同时用改进的多尺度Retinex算法对亮度进行增强处理,对照射分量用伽马变换进行校正,对反射分量用Sigmoid函数进行处理,最后将图像再转换至RGB空间。用MATLAB对图像进行仿真处理。实验表明该算法提高了低照度图像的信息熵、峰值信噪比和对比度,提升了低照度图像的视觉效果。     

基于多通道均衡化的水下彩色图像增强算法

针对水下环境存在的颜色衰减和散射效应导致水下图像颜色严重失真的问题,提出一种多通道均衡化的水下图像增强算法.首先,对原始图像在对数域上进行归一化处理后转换到HSI(色调-饱和度-亮度)颜色空间;然后,对亮度分量利用McCann Retinex算法在四个方向(纵横)进行比较、实现增强,并根据图像全局亮度信息进行照度增强;最后,将图像重新转换到RGB(红-绿-蓝)空间,计算各通道的累积分布函数,对密集部分进行拉伸处理,达到颜色均衡的效果.针对多幅水下彩色图像进行增强对比实验,结果表明:通过该方法得到的增强图像颜色失真程度减弱,图像对比度和清晰度显著提高,色彩更加鲜艳;该算法在改善水下图像照度信息的同时,保留了饱和度和色度信息,解决了水下图像增强的颜色失真问题,使水下图像具有较高的对比度和清晰度.     

基于暗通道的沙尘图像增强算法

针对沙尘图像存在色差以及图像增强后沙尘图像在明亮区域易出现光晕等问题, 提出一种新的基于暗通道的沙尘图像增强算法. 首先通过在Lab色彩空间用灰度世界算法调整色差, 有效避免图像出现色彩失真现象; 然后利用伽马校正函数和暗通道去雾算法, 避免图像出现噪声、 色彩过度增强和光晕等现象; 最后将亮度补偿后的图像与对比度增强后的图像进行加权融合, 进一步提高图像的可见度, 使图像细节更清晰可见. 实验结果表明, 该方法提高了沙尘图像的清晰度和亮度, 可得到质量更高的沙尘图像.     

水下距离选通降质图像的增强

针对水下距离选通成像所得图像的噪声大、照度不均匀、对比度差的问题,提出一种二次图像增强方法.首先,对图像采用全局二维双平台直方图均衡化,实现目标、背景、边界信息分别增强的目标,解决直方图均衡化带来的背景噪声提升、灰度简并的孤立性问题;然后,在非迭代引导滤波的框架下用带有估计误差抑制的Retinex算法二次增强图像,实现抑制背景噪声,平衡图像亮度的功能.以图像信息熵、统计评价指标进行对比实验,实验结果表明,该方法信息熵评价指标提升15%,统计评价指标提升28%,噪声抑制指标提升12%,增强效果明显,满足应用要求.      

一种基于Retinex的矿井非均匀照度图像增强算法

煤矿井下的安全高效生产离不开清晰流畅的监控图像,由于矿井下粉尘多、照度低或点光源照射而形成特殊的非均匀照度环境,使得矿井监控图像整体偏暗,对比度低,带有很强的背景噪声,视觉效果差。针对这一问题,基于Retinex算法,提出了一种在高斯滤波后用迭代矢量法继续分离亮度图像的方法。实验结果表明该方法能有效的增加图像对比度,降低背景噪声,改善图像的整体视觉效果。     

一种改进的Retinex矿井图像增强算法

为了改善矿井图像的成像质量,提升观测效果,针对传统Retinex算法处理矿井图像时存在的色彩失真、光晕模糊和过增强等问题,提出了一种改进的Retinex矿井图像增强算法：首先将待处理图像从RGB空间转为HSV空间;基于Retinex理论,对V分量采用改进的自适应快速引导滤波进行照度估计,进而获得反射分量;提出了一种“S型”函数对照度分量进行照度均衡;对反射分量进行非线性拉伸,实现细节增强;最后将处理后的照度分量和反射分量融合,并转回RGB空间得到最终的增强图像。将本文算法应用于矿井下非均匀照度环境,并选择具有代表性的三个算法进行对比,实验结果表明本文算法增强结果在主观和客观评价方面优于其他算法。可见该算法在色彩、细节和边缘保持方面均较优,且能够避免过增强现象,实现矿井图像的有效增强。     

从局部到全局的零参考低照度图像增强方法

为解决现有的低照度图像增强方法存在的色彩失真、细节损失以及暗区增强不足和亮区增强过度导致低照度图像增强效果不理想的问题,提出了一种从局部到全局的零参考低照度图像增强方法。采用局部照度增强对低照度图像进行像素级增强,改进了自适应光照映射估计函数,提升了照度调整能力,避免了生成大量的迭代参数,提高了模型的推理速度;采用基于Transformer结构的全局图像调整对局部增强后的图像进行全局调整,解决了亮区照度增强过度的曝光问题和暗区照度增强不足的问题,提升了图像的整体对比度;优化损失函数,对低照度图像特征和增强图像特征进行相似性约束,提升了目标检测精度。实验结果表明,LOL数据集上的客观指标峰值信噪比和结构相似性达到了20.18 dB和0.80,MIT-Adobe FiveK数据集上达到了23.31 dB和0.87,ExDark数据集上增强后图像的目标检测精度提高了7.6%,有效提升了低照度图像可视化质量和目标检测效果。     

基于奇异值分解和引导滤波的低照度图像增强算法

针对现有低照度图像增强算法在处理图像后容易出现色彩失真、细节丢失、过度增强等问题,提出一种基于奇异值分解和引导滤波的低照度图像增强算法.首先通过Max-RGB模型获得初始光照分量,使用奇异值分解和引导滤波对初始光照分量进行优化,得到最终光照分量.利用Retinex模型,将原低照度图与光照分量图逐点相除,得到增强图像,并使用原始图像的绿色分量图作为引导图像,使用引导滤波对增强图像进行去噪处理.实验结果表明,提出的算法能够得到色彩更加真实、视觉效果更好的图像,同时能够避免过度增强、出现光晕等问题.     

人眼视觉特性与粗糙集结合的X射线图像增强算法

针对X射线图像的低亮度及噪声造成的图像对比度差和图像模糊的问题,提出了一种采用粗糙集理论和人眼视觉系统特性的图像增强算法(HREM).先将原始图像进行灰度拉伸,再结合人眼视觉系统特性,利用粗糙集理论将图像分成边缘细节图像和平滑图像,然后对边缘细节图像做指数变换增强,对平滑图像做直方图均衡化,最后将处理好的两子图进行重叠,同时消除重叠后图像的随机脉冲噪声.实验结果表明,HREM方法不仅能较好地保持图像的边缘细节信息,有效地增强原图像的对比度,而且消噪能力强,整体视觉效果好.     

亮度保持和细节增强的红外图像增强方法

针对红外图像对比度低和细节信息少的特性,提出一种能保持亮度和增强细节的方法。改进的自适应双边滤波将图像分成基本层和细节层,在基本层利用基于高斯混合模型的直方图规定化实现亮度保持,在细节层利用人眼视觉特性自适应选取增强函数来增强较弱细节并保护原图像中的清晰边缘不失真,再恢复到原来灰度空间。研究结果表明:该算法可保持整体明暗视觉效果,同时,原图像中较暗和较亮处的细节都可得到有效增强。