基于亮度通道细节增强的低照度图像处理

为了解决在低照度条件下,可见光成像设备采集的图像亮度低、细节不清晰等问题,提出一种基于亮度通道细节增强的低照度图像处理算法。首先,将图像从RGB转换到Lab颜色模型,将Lab模型中的亮度通道通过指数派生函数校正构造为光照分量,再经过Retinex增强得到初步增强图像。然后,采用结构张量和多尺度引导滤波分别对初步增强图像进行细节提取,并将两种方法提取的细节信息进行了融合。最后,将细节图像和初步增强图像融合得到了目标图像。实验结果主观上得到了亮度合适、细节清晰的增强图像,客观上在亮度失真、信息熵和能量梯度上均有良好且稳定的表现,表明该算法能够有效提高图像的亮度和细节信息,并保持自然的色彩和光照效果。     

消除光晕和细节增强的多尺度Retinex红外图像增强

针对传统Retinex算法处理红外图像存在光晕伪影和细节增强不足的缺点,本文提出一种消除光晕和细节增强的Multi-scale Retinex(MSR)红外图像增强算法。首先,以局部方差和局部复杂度构造引导滤波的自适应平滑增益,然后,采用改进的引导滤波核函数估计照度分量,在对数域对多尺度Retinex数学模型求解,获取消除光晕和细节保持的多尺度反射分量。最后,为进一步增强细节和提升亮度,对反射分量依灰度等级进行自适应增强,并通过偏移调整和Gamma校正改善图像亮度,得到最终增强图像。实验结果表明,本文算法相对其它的Retinex增强算法,可有效地消除光晕现象,突出细节,可获得视觉效果良好的增强结果。     

多尺度Retinex和双边滤波相融合的图像增强算法

为了获得更加理想的图像增强效果,针对Retinex算法存在的“光晕伪影”现象,提出了一种多尺度Retinex和双边滤波相融合的图像增强算法.首先对多尺度Retinex算法的对数函数进行改进,拓宽图像的灰度范围,然后采用双边滤波算法对图像反射分量进行处理,消除光照变化不利影响,提高图像的对比度和清晰程度,最后采用伽玛函数对图像亮度进行校正,保持图像细节信息.实验结果表明,无论是主观视觉效果和客观质量,本文算法的性能均要优于多尺度Retinex算法,可以有效消除“光晕伪影”现象.     

梯度稀疏和最小平方约束下的低照度图像分解及细节增强

低照度图像存在细节模糊、对比度低等问题.针对这些问题,本文提出一种低照度彩色图像增强算法.首先建立梯度稀疏和最小平方约束模型,将图像分解为结构层和细节层;然后采用提出的多尺度边缘保护细节增强算法强化图像的细节信息并滤波;最后把细节增强的图像经改进的Retinex算法映射,最终得到细节增强、亮度适宜、对比度较强的修复图像.实验结果表明,主观上：图像细节增强,亮度适宜;客观上：结构层图像的一维像素线性图显示其平滑特性效果较好,细节增强图的NIQE（5.5202）、BRISQE（31.1893）和PSNR（25.3625）特征较好,修复图像的熵值（7.4421）、边缘强度（128.3231）和平均亮度（121.1827）较好.本文算法实现了对低照度图像的有效分解及细节增强,并提高了图像综合质量.     

改进Retinex与多图像融合算法用于低照度图像增强

为了解决低照度图像在图像增强过程中图像质量不佳、对比度不高等问题,本文提出改进Retinex与多图像融合算法用于低照度图像增强。首先将待处理图像转换到HSV色彩空间,并设定阈值对其V通道分量进行亮度调节,然后转换到RGB色彩空间,将其拷贝3份,对第一份进行直方图均衡化,中值滤波处理;对第2份进行自动亮度调节,双边滤波处理;对第3份进行改进的Retinex算法处理,采用高斯滤波、双边滤波作为其环绕函数,估计图像照明分量,最后输出反射图。将处理后的3份图像转到HSV色彩空间,对其V分量进行多图像融合,H、S分量沿用第2份图像分量值,最后将融合后的图像由HSV转为RGB色彩空间,输出处理后的图像。实验结果表明,本文提出的算法在增强低照度图像的同时,还可抑制图像噪声,同时具有良好的保边性,且细节明显。     

基于多尺度Retinex和暗通道的自适应图像去雾算法

针对暗通道先验算法处理大片天空区域存在复原图像的可视化效果较差和图像细节信息不丰富等问题,提出一种基于多尺度Retinex和暗通道的自适应图像去雾算法。采用Canny算子对亮度分量进行边缘检测并利用多尺度Retinex算法消除亮度分量,采用交叉双边滤波优化暗通道的先验理论获得粗略估计的透射率,采用四叉树子空间搜索法选取全局大气光值。为了消除图像中复原图像整体较暗以及无法显示细节信息的现象,使用二维伽马函数校正亮度值,最终得到复原后的去雾图像。实验结果表明,所提算法可以有效恢复有雾图像的细节信息,去雾较为彻底,整体平滑,色彩明亮度较好,图像清晰自然。     

引导滤波与像素重分布的低照图像增强

针对现有的图像增强方法存在欠增强、过增强以及对比度低等缺陷,提出了一种引导滤波与像素重分布的低照图像增强算法。方法充分利用引导滤波的边缘保持特性,用引导滤波对光照图像进行估计,然后对光照图像的像素进行相对均匀重分布,全面提升光照图像的亮度与对比度。最后将像素重分布增强处理后的光照图像和反射图像作反Retinex变换,得到最后的增强图像。实验结果证明,相对现有的图像增强方法,本文方法具有更优的图像增强效果,图像对比度与纹理结构更清晰。     

基于双域分解的夜间车辆红外图像研究

夜间车辆交通红外图像光照不均,导致车辆图像细节纹理较弱,识别难度较大。为此,提出基于双域分解的夜间车辆交通红外偏振图像增强方法。采用改进Retinex低照度图像光照补偿算法,分解图像为低频图像与高频图像,对低频图像去雾、优化其对比度,对高频图像去噪与增强,合成低频、高频图像实现夜间车辆交通红外偏振图像增强。实验测试结果证明,对比传统方法,所提方法增强后图像亮度与对比度得以优化,且细节信息更丰富,具有理想的视觉效果。     

基于同态滤波和Retinex的图像去雾算法

传统的Retinex算法在图像去雾时均假设光照是平缓变化的,在处理光照不均的图像时,易出现光晕现象。针对这一问题,本文提出一种改进的同态滤波算法用于校正图像的光照,可对图像中亮度差异较大的区域进行不同程度的滤波;经光照校正的图像再采用Retinex算法进行图像去雾,可避免光晕现象。实验结果表明,本文方法可有效消除光照不均的雾霾图像所出现的光晕现象,且去雾效果优于传统的Retinex算法,时间复杂度低于Meylan算法。     

结合人眼视觉特性的红外图像增强新技术

红外图像具有边缘模糊和对比度较低的缺点,不适合人眼观察,所以要对其进行增强.但是现有的增强方法没有考虑人眼的视觉特性,视觉效果不好.提出基于小波的多分辨分析方法和Retinex图像增强算法相结合的红外图像增强方法,对红外图像不同的高频细节进行有针对性增强,同时用Retinex算法把人眼的视觉特性融入其中,能够使得增强的红外图像光照均匀,亮度适中,更适合人眼观察.算法既增强了图像的细节,又增强了图像的对比度,实验证明:该方法解决了红外图像低对比度和细节模糊的问题.     

基于NSST域混合滤波与改进边缘检测PCNN的医学图像融合

针对传统医学图像融合中存在细节模糊、能量保存不完整、运行时间长等问题,提出一种基于非下采样剪切波(non-subsampled shearlet transform, NSST)域混合滤波与改进边缘检测脉冲耦合神经网络(pulse coupled neural network, PCNN)的医学图像融合方法。首先,利用YUV模型进行颜色空间转换分离出亮度通道Y,接着利用混合滤波分别对源核磁共振(magnetic resonance imaging, MRI)图像和亮度通道的灰度图像进行不同程度的增强。其次,采用NSST对增强后的MRI和亮度通道的灰度图像进行分解,得到高低频子带。低频子带使用修正的拉普拉斯能量和(weighted sum of eight-neighborhood-based modified Laplacian,WSEML)与局部区域能量加权和(weight local energy,WLE)的融合策略,高频子带采用改进边缘检测PCNN的融合策略。最后,经NSST逆变换得到融合图像。通过与其他6种融合方法对比,本文方法可以有效提高图像融合过程中的细节提取和能量保存,且...     

基于自适应指数加权移动平均滤波的快速去雾算法

经典的暗原色先验去雾算法易丢失图像细节信息,基于保边滤波的去雾算法虽可以有效保护图像细节,却耗时较长。针对以上问题,提出一种能够很好地保护图像边缘细节且耗时较短的自适应指数加权移动平均滤波算法,并与改进的暗通道结合,实现快速去雾。首先,对暗通道加以改进并求得透射率粗分布;再利用自适应指数加权移动平均滤波算法对透射率进行优化;之后修复明亮区域透射率,避免颜色失真;最后通过变换大气散射模型求解得到去雾图像。实验结果表明:本文算法具有很快的执行速度,且经本文算法处理后的去雾图像质量较高,在有效边缘强度、色彩还原能力、结构信息这三个无参考客观评价指标下均表现不错。     

基于超像素暗通道和自动色阶优化的图像去雾算法

针对暗通道先验(dark channel prior, DCP)复原图像中的光晕现象、明亮区域色彩失真、环境光估计不准确等问题,提出了基于超像素暗通道和自动色阶优化的单幅图像去雾算法。首先,由改进的White Patch Retinex算法增强图像并计算精确环境光。接着,在传统暗通道去雾算法中引入超像素图像分割和引导滤波算法,使透射率估计的稳健性与精确性得以提升。然后,采用自适应容差对明亮区域的透射率进行补偿,有效抑制明亮区域色彩失真问题。最后,以自动色阶优化算法提高图像对比度。将本文去雾算法与其他算法从主观和客观两个维度进行比较,实验结果表明：采用不同算法对不同浓度的自然雾图进行对比实验,信息熵提高0.2 bit,峰值信噪比(peak signal-to-noise ratio,PSNR)提高0.8 dB,运行效率提高。该算法对不同浓度含雾图像具有良好的适应性,复原图像色彩真实、纹理清晰、细节丰富,去雾效果良好。     

结合区域生长与容差机制的暗通道去雾算法

针对传统的暗通道先验算法在处理带有大面积天空区域的有雾图像时出现明显的块效应、色彩失真和亮度偏低等问题,提出了一种结合区域生长与容差机制的去雾算法。首先通过灰度图腐蚀求出暗通道;接着利用种子区域生长法分割出天空区域,并把天空区域的平均灰度值作为大气光值估计;然后结合大气散射模型得到粗略的透视率,并采用改良的容差机制和引导滤波对透视率进行修正和细化;最后,引入Retinex法对图像进行后处理,进一步调整色彩和亮度。实验结果表明,本文提出的去雾算法对带有天空区域的图像去雾效果明显,天空区域的色彩有了显著改善,图像整体清晰明亮。     

基于照度分割的局部多尺度Retinex算法

针对现有多尺度Retinex图像增强算法采用线性加权的方法来综合各个单尺度Retinex增强效果,不能很好地体现出各个尺度在色彩保真和细节增强上的特点与优势,本文提出一种新的基于照度分割的局部多尺度Retinex图像增强算法.该算法首先通过引入带参数的LIP模型将图像分解成四个照度区域,然后对各区域根据照度的差异采用相应尺度的Retinex算法进行增强,最后通过基于面积的比例因子对各增强后子图进行照度融合,实现图像增强.实验结果表明,与现有多尺度Retinex算法相比,本文算法在图像亮度保持和细节增强上,处理效果较好,在色彩方面也有较好的效果.     

基于Retinex的低照度图像增强

Retinex理论是颜色恒常知觉的计算理论,可以用于图像清晰度严重失真状况下的图像增强.在研究Retinex算法的基础上,对低照度彩色图像失真中色彩恢复存在的问题进行研究,构建了一个恢复效果较好的色彩恢复函数——余弦色彩恢复函数.给出了处理后图像的自动补偿/增益方法以及补偿/增益中参数实际选取的经验值.对处理后的图像进行了质量评价分析,表明该恢复函数在处理低照度图像时具有较明显的改善效果.     

Low-light image enhancement based on Retinex theory and dual-tree complex wavelet transform

In order to enhance the contrast of low-light images and reduce noise in them, we propose an image enhancement method based on Retinex theory and dual-tree complex wavelet transform (DT-CWT). The method first converts an image from the RGB color space to the HSV color space and decomposes the V-channel by dual-tree complex wavelet transform. Next, an improved local adaptive tone mapping method is applied to process the low frequency components of the image, and a soft threshold denoising algorithm is used to denoise the high frequency components of the image. Then, the V-channel is rebuilt and the contrast is adjusted using white balance method. Finally, the processed image is converted back into the RGB color space as the enhanced result. Experimental results show that the proposed method can effectively improve the performance in terms of contrast enhancement, noise reduction and color reproduction.