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。     

基于Retinex的自适应非均匀低照度图像增强算法

非均匀低照度图像会影响目标识别跟踪的效果,为了增强非均匀低照度图像,提出一种基于Retinex理论的自适应亮度层图像增强算法。首先将图像HSI模型中I层图像分离出来;然后通过Retinex理论和多尺度引导滤波器获得I层的入射分量,根据输入图像的均值自动获取调整参数k,对入射分量的亮度进行自适应调整;最后通过主成分分析法(PCA)提取两个图像中的细节特征并进行融合。对比实验表明,该算法能有效提升非均匀低照度图像的整体亮度和细节信息,同时减少非均匀照度的影响。     

基于多层融合和细节恢复的图像增强方法

针对部分图像在光照不均匀、过亮或过暗下出现的对比度低、细节不可见等问题,提出了一种基于多层融合和细节恢复的图像增强方法。首先在HSV图像空间中将V通道等价复制为Retinex增强层、亮度增强层、细节突出层三层。在Retinex增强层中,利用加权引导滤波和形态学结合来消除光晕现象,并通过改进Retinex增强图像亮度和细节;在亮度增强层中,通过自适应归一化进一步增强亮度;在细节突出层中,人工蜂群算法优化改进局部线性增强模型来突出图像细节。最后根据Gamma校正特性和邻域像素关系,提出细节恢复方案避免融合后造成的部分细节模糊。实验数据表明,该算法能更有效地突出图像细节和提高对比度,并与现有算法在客观量化方面进行对比,综合性能更为优越,尤其在清晰度指标上远高于其他算法。     

基于小波变换的低对比度图像增强方法

传统的图像增强方法对于光照不足或不均匀的图像处理效果不佳.而且还存在噪声增强的问题.文章提出了一种基于小波变换的低对比度图像增强算法,对小波变换后的高频系数进行去噪、增强,对低频系数进行多尺度Retinex增强,既作了图像动态范围压缩,又较好地保证了图像的色感一致性.实验结果表明,该算法效果较好,可以有效增强图像的细节...     

基于光照图估计的Retinex低照度图像增强算法

针对低照度环境下采集的图像存在对比度较低、细节丢失、噪声干扰等问题,提出一种基于Retinex的光照图估计改进算法,以实现低照度图像增强.计算R、G、B 3个颜色通道中的最大值,并用L2范数对光照进行近似,运用基于相对总变差形式的改进模型对亮通道进行平滑细化及自适应Gamma校正,并利用Retinex模型进行图像增强.在MATLAB仿真平台上对不同的低照度图像进行增强处理,实验结果表明,与Retinex-Net、SRIE等典型算法相比,该算法能有效提高图像对比度与清晰度,增强图像细节信息,使图像颜色更加鲜艳自然,视觉质量更好.     

基于光照图估计的Retinex低照度图像增强算法

针对低照度环境下采集的图像存在对比度较低、细节丢失、噪声干扰等问题,提出一种基于Retinex的光照图估计改进算法,以实现低照度图像增强.计算R、G、B 3个颜色通道中的最大值,并用L2范数对光照进行近似,运用基于相对总变差形式的改进模型对亮通道进行平滑细化及自适应Gamma校正,并利用Retinex模型进行图像增强.在MATLAB仿真平台上对不同的低照度图像进行增强处理,实验结果表明,与Retinex-Net、SRIE等典型算法相比,该算法能有效提高图像对比度与清晰度,增强图像细节信息,使图像颜色更加鲜艳自然,视觉质量更好.     

基于物联网技术的小波域分块压缩感知算法的图像重构系统设计

针对低照明度重构图像分辨率不高、重构时间长的问题,提出了基于小波域分块压缩感知算法的图像重构系统。建立低照明度图像采样模型,采用图像的景深自适应调节方法进行小波域分块压缩感知和信息融合处理。利用多尺度的Retinex算法进行小波域分块压缩感知和信息提取,提取图像的信息熵特征量。采取图像自适应增强方法进行低照度图像增强处理,使用物联网技术进行低照明度图像的三维信息重构,结合细节增强方法进行低照度图像增强处理,完成重构系统设计,实现透射率图的轮廓检测和特征重构。仿真结果表明,采用该方法进行低照明度图像重构的分辨率较高,边缘感知能力较好,且重构耗时较短,实际应用效率较高。     

光照不均匀图像的自适应增强算法

针对光照不均匀场景,提出了一种自适应图像增强算法。根据Retinex理论,采取中心环绕法,利用高斯连续卷积来提取场景的光照分布情况。同时,统计输入图像低亮度区域的大小。构造了一种自适应伽马矫正函数,取光照分布情况与低亮度区域内亮度值中位数的比值作为参数,对图像进行伽马校正。高光照区域参数大于1,对亮度起抑制作用,低光照区域参数小于1,对亮度起增强作用。将顶帽变换后图像和伽马矫正后的图像叠加。顶帽变换可以提升图像的全局对比度,伽马函数可以保留细节信息。两者结合后,可以兼顾图像的全局特性和局部细节信息。视觉感受和客观实验指标表明,与参照算法相比,该算法针对不均匀光照图像增强效果显著。     

复杂光照下的自适应人脸图像增强

提出了一种自适应的快速图像增强算法用于改善复杂光照下的人脸检测。算法对人脸图像的增强分为两步:动态范围压缩和细节增强。算法首先利用对数变换和非线性变换,增强图像阴暗区域的信息,同时对高光区域进行有效地抑制,然后利用反锐化掩模滤波对图像的细节进行增强。将各种增强算法应用于图像的预处理,结合Adaboost人脸检测算法,在Yale B人脸数据库上进行对比实验。实验结果表明,自适应快速图像增强算法能有效提高人脸检测率和降低误检率,具有比直方图均衡算法、单尺度Retinex算法和多尺度Retinex算法更好的性能。     

基于Retinex和视觉适应性的图像增强

根据人眼视网膜上的锥细胞和柱细胞的视觉特性,提出了用于彩色图像增强的视觉适应性模型。基于Retinex和视觉适应性模型提出了一种新的图像增强算法,先将图像进行简单去光照分量处理,得到反射分量的近似解,再根据视觉适应性模型对反射图像的近似解进行全局对比度和亮度的调整,使之适应于人的视觉。实验中使用的算法和经典Retinex算法处理相同的RGB退化图像,对处理结果进行了定性和定量比较,结果表明提出的算法在增强图像细节,提高全局对比度方面优于已有的Retinex算法。     

视频图像增强关键技术研究

随着社会的飞速发展,采集保存视频/图像已经成为人类日常生活的一部分。视频图像的质量高低,对人类识别图像对象起着非常重要的作用。为了改善图像的视觉效果,有目的地强调图像的某些特征,增加图像的可读性与可识别性,提出采取融合增强术来提高视频图像的对比度与清晰度,提高图像增强质量。     

模糊集与非线性增益相结合的自适应图像增强算法*

提出了一种模糊集增强与非线性增益相结合的自适应图像增强算法,使用双正交小波变换对原始图像进行分解,低频子带系数采用改进的模糊集增强算法,以提升图像的整体对比度;对高频子带,先采用贝叶斯萎缩法估计噪声与信号的阈值,再使用一种非线性增益函数增强图像细节并抑制噪声。对算法中影响增强效果的关键参数进行了研究,并提出了一种模糊集增强算子的阈值选取算法,能够实现不同图像自适应参数选择;将信息熵作为非线性增益函数的参数选取准则,并针对算法中排序算法运算量过多导致算法时间过长的情况,提出了一种替代求解方法,极大地提高了算法效率。对算法进行仿真,结果表明：算法能够有效提升对比度、增强图像细节并抑制噪声,可以明显改善图像的视觉效果,具有参数自适应、算法效率高等优点。     

一种基于粗糙集分类的图像增强方法

该文利用两个特征值属性,图像块的低高频能量和图像块的频域熵对图像进行粗糙集分类,得到边缘区域集合和平滑区域集合。然后分别对边缘区域和平滑区域做模糊增强和邻域平均法平滑,最后将图像重构得到边缘增强的图像,从而使图像的边缘变得更加清晰。     

基于Contourlet变换的指纹图像增强

提出通过变换域进行指纹图像增强,对指纹图像进行多尺度多方向的Contourlet变换,通过估计噪声方差水平,对Contourlet变换域系数进行处理,保护边缘特征系数,抑制噪声系数,反变换重建达到去除噪声、增强图像的目的。实验结果表明算法效果良好。     

基于小波多分辨率分析的图像模糊增强算法的研究与实现

图像在采集的过程中,会受到各种噪声的干扰和污染.基于小波变换的多分辨率分析能够有效抑制噪声的特性,提出利用小波多分辨率分析对图像进行平滑滤波实现图像的去噪,并定义新的模糊隶属度函数对图像进行增强,在保证模糊增强效果的同时减少噪声的影响.经试验证实,该方法能够有效地实现图像的增强.     

一种改进的模糊增强算法

针对传统的模糊增强算法的一些不足,提出一个改进的算法,它主要是对隶属度函数的修改,使之取值范围更普遍,适应性更强。改进以后的算法能使图象保留更多的细节,使图象变得更加清晰,所有的算法都是用Madab编程完成。实验表明,本算法是可行的,有效的。     

一种新的红外图像复合增强算法

通过对现有图像增强算法的分析,提出了一种新的红外图像复合增强算法。该算法将同态增晰和直接对比度增强算法结合,使得图像中的局部信息与全局信息在增强时都能被利用。外场实验表明,处理后的图像具有明显的局部对比度增强效果,同时较好地保持了图像的原始面貌。     

基于小波变换的图像增强算法研究

针对图像对比度低、成像质量差的问题,提出一种基于小波变换的直方图均衡算法,用于图像对比度增强.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.实验结果证明,处理后的图像细节清晰可辨,边界信息也得到了保留,由此认为小波变换对改善图像的质量是有效的.     

面向彩色增强图像的客观质量评价算法

目的 现有的全参考图像质量评价方法使用“完美”的源信号作为参考,但是增强图像的参考图像通常不是“完美”的.因此,现有的全参考质量评价方法不能用于增强图像的评价,提出了一种新的面向彩色增强图像的质量评价算法.方法 利用图像的梯度、颜色和亮度特征,提出了增强图像的梯度增强图、颜色增强图和亮度增强因子的计算方法,计算增强图像相对于参考图像在梯度、颜色和亮度方面的增强程度;并建立了亮度增强因子和梯度增强图、颜色增强图之间的关系模型;另外,原图像的梯度和颜色特征也被提取用于增强图像的质量评价.结果 使用公开数据库进行的实验结果表明,该算法和现有最优算法相比,皮尔逊线性相关系数(PLCC)和斯皮尔曼相关系数(SROCC)分别提高了2.9%和2.5%,而均方根误差(RMSE)则降低了12.3%,获得了比现有算法更优越的性能.结论 本文算法解决了目前已有的评价算法需要参考图像为“完美”图像,而且增强图像质量无法采用相似性程度进行计算的问题,适用于为了获得更好视觉质量的不含噪增强图像的质量评价.     

一种自适应多阈值直方图均衡方法

传统的直方图均衡方法不能很好地增强图像的局部细节。针对该问题,在多通道分块直方图均衡方法的基础上,提出一种自适应多阈值直方图均衡方法,根据图像的具体内容自适应地确定通道的数目及分割阈值。实验结果证明,该方法能增强图像的整体和局部细节,有效降噪,耗时较少。