多图像融合Retinex用于弱光图像增强

为解决弱光图像增强过程中对比度增强和自然度保持问题,本文提出一种基于Retinex的多图像自适应加权最小二乘滤波算法。首先,在图像的每个像素的R,G,B三通道中找到最大亮度值作为该像素的初始照明估计,根据Retinex理论生成反射图像,并通过形态学闭合方式调整反射图;接着,在初始照明图基础上,通过Gamma变换和双对数变换方法分别生成全局对比度增强图和局部自然度保持照明图;随后,设计一种自适应加权最小二乘滤波融合策略将三幅照明图融合成最终照明估计图;最后合成上述的最终照明图和调整反射图以获得弱光增强后的图像。实验结果表明,本文所提出算法的亮度顺序差(LOE)及盲图像质量评价(NIQE)值更低,可同时降低到4.12和3.25,较其他方法表现出更好的增强效果。证明了本文算法能有效地增强弱光图像对比度,同时保持图像自然度。     

基于导向滤波Retinex和自适应Canny的图像边缘检测

机器视觉识别常用金属制品边缘时,表面亮度不均易导致边缘误识别,且传统的边缘检测算法去噪的同时也抑制了大量边缘信息,降低了边缘检测质量。本文提出一种基于导向滤波Retinex和自适应Canny的图像边缘检测算法。该算法采用基于导向滤波的Retinex法得到金属制品图像的反射分量,通过加权分布的自适应伽马校正提升反射分量图像对比度;然后,采用自适应各向异性扩散滤波对增强后图像进行去噪处理,抑制增强后图像的噪声及低对比度纹理,再采用改进四方向Sobel梯度模板提取图像边缘;最后沿用传统Canny算法的非极大值抑制及双阈值分割进一步细化边缘。实验结果表明,新算法检测典型金属小零件时,图像锐度指标由原图的47.11提升至68.39,金属表面的亮度标准差从原图的44.76下降至20.16;噪声指标从原图的1.1下降到0.15左右,并且在去噪的同时较好地保留了图像边缘锐度。新方法有效改善了金属表面图像因亮度不均导致的边缘误识别问题,并且提取的边缘连接性较好。     

结合改进Retinex及自适应分数阶微分的雾霾公路交通图像增强

为了提高雾霾天气条件下交通图像的对比度,清晰度和颜色保真度,减少图像退化所带来的负面影响,提出了一种采用快速引导滤波平滑约束的Retinex及自适应分数阶微分的雾霾天气交通图像增强算法。首先,该方法将原图像从RGB转换到YCbCr颜色空间,提取亮度分量构建初始图像;其次,构建变分模型,借助快速引导滤波构造目标函数的平滑约束项来准确估计初始照射分量;然后,使用Retinex模型获得初始反射分量,再采用自适应分数阶微分掩膜对初始反射分量进行增强得到亮度分量的增强结果,该方法在图像噪声抑制和细节增强方面性能良好;最后,将处理后的反射分量结合Cb,Cr色差信息从YCbCr转换到RGB颜色空间即得到最终增强图像。本文对不同的雾霾交通图像进行了对比实验,实验结果表明,新方法的标准差(STD)和平均梯度(AG)较原图至少提高1.12倍和4倍以上,信息熵(E)至少提高4.76%以上,综合性能优于其他的对比算法。新方法在图像增强和细节保持方面得到了很好地改进,有效地提高了雾霾天气条件下公路交通图像的颜色保真度、对比度和细节清晰度等,使得增强后的图像视觉效果和可视度明显改善,更加真实自然。     

结合图像增强的含噪齿轮图像边缘检测研究

为了提高齿轮后期故障检测和缺陷检测的效果,并有效去除图像中的混合噪声,提出了一种结合图像增强的含噪齿轮图像边缘检测算法。首先,引入了信息熵改进了马氏距离公式,并将马氏距离用于改进自适应中值滤波器;然后,对幂次变换进行了改进,使其具有自适应性,并将改进的幂次变换用于改进Retinex算法,对图像整体进行了增强;最后,采用小波模极大值法对含噪齿轮图像进行了边缘检测实验。研究结果表明:在对混合噪声的客观评价上,该算法的客观评价指标PSNR、SNR和SSIM均比中值滤波和自适应中值滤波指标高,并且其去噪效果也有明显提升;同时,利用改进Retinex算法对图像进行增强后,图像整体亮度和对比度有所增加,对部分噪声有所抑制,使得含噪齿轮图像边缘检测效果更好。     

小波变换模极大值与改进的Retinex在阴影检测与去除中的应用

阴影是由于目标阻塞了光源的直接照射而在场景上形成的暗区域。图像中阴影的存在直接影响了图片的质量,影响目标的提取和跟踪。因此如何消除阴影成为图像处理的关键。文中提出了基于Retinex算法的阴影去除方法。文中首先利用小波变换模极大值检测阴影区域,然后用Retinex算法去除阴影。阴影去除后对画面进行调整,将RGB空间转换到HSV空间,增强V分量的同时,利用S分量随着V分量的增强进行自适应调整,最后将HSV转换到RGB。实验结果表明,该算法在去除阴影的同时细节信息也得到了增强,取得了很好的效果。     

升余弦变增益微视觉图像自适应增强与应用

微视觉系统中同轴光源和光学衍射的存在,使CCD相机获取的图像具有灰度值偏低、光照不均匀、动态范围大、对比度差以及微细结构丢失或无法辨识的缺陷。为改善图像质量,本文提出一种升余弦变增益子带分解微视觉图像自适应增强方法。该算法首先基于图像特性利用自适应Log增益对原图像进行增强,提高微视觉图像中亮暗区细节特征与背景的对比度;接着使用自适应升余弦卷积进行快速照度估计;然后对各通道的输出图像采用自适应变增益子带分解算法获取独立光谱子带;最后进行亮度校正、图像融合与色彩恢复。将该算法用于微位移测量系统中可使测量结果的相对误差小于20%;用于处理光照不均的图像可有效降低同轴光源靠近中心区域的亮度;此外,扩展至普通图像的处理中可提高对比度,改善细节特征。3组实验结果的平均图像质量相对提高率为81.46%,71.18%和93.75%;平均耗时为3.86s,0.24s和1.27s。     

彩色遥感图像的亮度直方图局部线性化增强

针对遥感图像能量低的实际问题,提出了一种亮度直方图局部线性化图像增强方法来提高彩色遥感图像的可视效果。首先,对RGB模型描述的彩色遥感图像进行HSI变换,以有效分离H、S和I分量;其次,对亮度I分量进行传统的直方图均衡化,得到均衡化灰度映射曲线;然后,将图像梯度作为目标函数,求出最优的线性化折点位置,对灰度低端动态范围映射曲线进行线性化处理,得到局部线性化的灰度映射曲线;最后利用新的灰度映射曲线对图像进行增强处理。Himawari-8真彩色图像增强实验结果表明,经亮度直方图局部线性化增强后,像素平均梯度由73提高到了147,较传统的RGB域直方图均衡化的123及HSI域直方图均衡化的134高;图像信息熵由5.87提高到6.63,全部优于传统的RGB域直方图均衡化和HSI域直方图均衡化。本文方法有效地改善了彩色遥感图像的可视效果,提高了图像对不同目标的辨识能力。     

低照度彩色图像的自适应亮度增强

为恢复低照度场景图像的原有色彩信息和细节信息,本研究提出自适应亮度调节的低照度彩色图像增强方法。该方法首先对低照度场景连续拍摄多帧图像,并对其进行自适应伽马亮度校正;然后将多帧亮度校正后图像转换到YUV色彩空间并行两种处理,一种是提取Y通道分量分组进行基于权值调整二阶盲辨识的盲源分离降噪,一种是进行帧平均后提取Y通道分量与多个盲源分离降噪的Y通道分量依次进行结构匹配,并选出匹配最佳Y通道分量;再将最佳Y通道分量进行基于皮尔生长曲线的亮度调整后与经帧平均处理的U、V通道分量重新组合;最后将重组图像转换回RGB空间,即可得到视觉效果显著提升的彩色图像。本文提出的图像增强方法满足实时处理要求,可将原彩色图像的极低亮度提高54.4倍、中等亮度提高3.5倍;并将图像信息熵提高1.3～2.9倍。与典型的图像增强算法相比,本文提出的方法对低照度彩色图像在降低噪声、均衡光照和恢复细节方面有较大改善。     

参数自适应的亮度稳健特征提取变换

针对目前大多数特征提取算法对图像的亮度变化敏感这一问题,提出了一种基于图像灰度直方图整体分布的参数自适应亮度稳健特征提取变换(PA-IRFET)算法.该算法首先确定灰度变换函数的形式,通过分析图像的直方图分布来计算灰度变换函数参数,然后利用不同参数值的变换函数对图像进行变换,建立图像的亮度空间;最后,以亮度空间为基础,...     

面向参数测量的改进分水岭浮选泡沫图像分割方法

矿物浮选过程中泡沫参数与工况密切相关,针对泡沫中特殊区域(透明窗、黑洞和泡沫间光亮带)的存在而导致参数难以测量的问题,提出了一种基于局部纹理特征和自适应形态学的改进分水岭分割方法.首先针对现场光照不均,采用自适应多尺度Retinex算法进行图像增强.然后使用快速自适应阈值法提取高亮区和暗区,并结合先验空间关系实现透明窗标定;基于LBPV纹理算子实现暗区的区域生长以标定黑洞和识别泡沫间光亮带,进而完成对特殊区域的处理并获得透明窗和黑洞指数.最后采用自适应形态学获得多尺度梯度图像和标记点,使用改进的分水岭算法完成泡沫图像的分割.结果表明,该方法能够更准确的处理含特殊区域的粘连不均匀泡沫图像,对不同工况下泡沫参数测量有更好的鲁棒性,浮选优良工况率提高了5％.     

马尔科夫随机场模型下的Retinex夜间彩色图像增强

由于Retinex算法在处理夜间彩色图像时容易出现光晕、颜色失真、细节丢失与噪声干扰等问题,本文基于马尔科夫随机场（MRF）提出了一种针对单幅图像的Retinex图像增强算法。该算法在HSV颜色空间下采用线性引导滤波估计图像照度分量;在MRF模型下求解仅包含物体本身特性的反射分量,并通过颜色恢复函数与增益补偿方法进行颜色恢复与校正,最终实现了夜间彩色图像的增强。实验结果表明,利用本文算法处理后图像的均值（整体亮度）可以提高2倍以上,标准差、熵、峰值信噪比（PSNR）等参数均有5%以上的提升。与其它基于Retinex原理的算法相比,本文提出的算法增强效果显著,具有消除“光晕伪影”现象、抑制噪声、颜色保真和有效地凸显边缘细节信息等能力。     

基于颜色空间转换的交通图像增强算法

针对恶劣天气场景中交通图像常见的降质严重、模糊不清和对比度低等问题,提出一种基于颜色空间转换的交通图像增强算法。该算法首先在RGB颜色空间中对R、G、B 3个颜色通道的图像进行对比度拉伸操作,然后将图像由RGB颜色空间转换到HSV颜色空间,在HSV颜色空间中对V分量进行对比度受限自适应直方图均衡化操作,最后将图像从HSV颜色空间转换回RGB颜色空间得到最终的增强图像。实验结果表明:该方法与其他几种著名的增强算法相比,能获得更为理想的增强效果。     

基于混合映射的高动态范围场景再现

高动态范围场景再现技术广泛应用于消费电子、虚拟现实、摄影以及计算机视觉等领域。针对目前大多数高动态范围场景再现方法很难有效兼顾场景的整体效果和局部细节的问题,本文提出了基于混合映射的高动态范围场景再现方法。首先将输入的高动态范围场景从RGB颜色空间转换到HSV颜色空间,得到原始图像的3个分量:色调、饱和度和亮度;然后利用对数方程将亮度分量转换到对数域,以便符合人类对场景亮度的感知机理,并利用具有sigmoidal函数特性的反正切函数自适应地压缩全局动态范围,以得到良好的整体效果;接着采用改进的SSR方法对全局压缩后的亮度图像进行局部映射,以增强图像亮区和暗区的细节信息;最后,对饱和度分量进行自适应调整,并将图像由HSV颜色空间转换到RGB颜色空间得到最终的映射图像。选取10组不同的高动态范围场景,从主观和客观两方面进行比较分析。实验结果表明:本文提出的方法既保持了良好的整体效果,又充分保留了图像的局部细节,使图像看起来更加生动自然;同时该方法计算速度快,具有很高的效率。本文算法优于其他5种典型的比较算法,在大多数高动态范围场景再现过程中取得了令人满意的效果。     

基于多尺度Retinex的数字X光图像增强方法研究

提出了基于多尺度Retinex(MSR)方法的医学数字X光图像增强处理方法,论述了该算法的原理及实现方法。在3种标准偏差下,求得高斯滤波系数;然后使用3种不同的高斯滤波系数对X光图像进行卷积操作,将3种标准偏差尺度下得到的结果进行加权平均;最后将输出灰度值进行增益映射,得到可用于显示的结果。试验结果表明:MSR算法既可实现低对比的数字X光图像增强,又能实现图像的动态范围压缩,可显著提高暗区数字X光图像的信息。将该方法与几种常用图像增强方法进行了分析比较,表明MSR算法使得X光图像具有更好的灰度分布,能够显著提高暗区图像的信息量,其增强后的信息熵是常规增强方法的2倍,表现出了优良的性能。该方法克服了目前常规的数字X光图像增强方法的不足,能够满足医生临床诊断的要求。     

基于模糊同组划分的多尺度彩色图像增强算法

现有多尺度Retinex彩色图像增强算法采用同定权值进行加权来融合各个单尺度Retinex算法的增强结果,无法充分体现各个单尺度算法在细节增强和颜色保持上的优势,且噪声信号往往随着图像的增强而放大.针对这些问题,提出一种基于模糊同组划分的多尺度Retinex彩色图像增强算法.算法首先采用模糊同组技术将像素点划分为噪声点、细节点和平滑区域点3类,并对噪声点采用矢量中值滤波进行去除.然后采用不同尺度的Retinex算法增强图像,并通过细节区域和平滑区域所占局部窗口的面积比例来融合各个单尺度增强结果.最后通过颜色恢复和动态截取拉伸操作,进一步减少图像颜色失真,扩大动态范围.实验表明,所提出的方法相比其他算法具有更好的彩色图像增强效果,具有实际应用价值.     

基于模糊形态筛和四元数的水下彩色图像增强

水下彩色图像增强是水下视觉领域的一个重要问题.其中,照明引起的非均匀亮度往往严重影响了对水下图像增强的效果.首先运用彩色模糊形态筛改善非均匀照明情况,然后通过围绕水体色彩的四元数几何旋转,将水下背景像素赋予灰度或低饱和度色彩,而目标像素色彩保持不变,从而扩大前景目标与背景的差别.实验结果对比表明,新的彩色水下图像增强算法修正了水下图像的色彩不平衡,更适于处理水下图像的亮度不均匀情况.     

改进的基于雾气理论的视频去雾

为了进一步提高有雾视频的可用性,提出了一种改进的基于雾气理论的视频去雾方法。该方法以雾气理论为基础,利用暗原色先验知识以及Retinex方法和图像融合的方式,将从视频背景图像求取的大气光值和介质传播图应用于视频的所有帧以便去除雾气。从主观定性评价、客观定量评价和运算速度3个方面对视频去雾效果进行了评价。结果表明,对分辨率为480×640的视频,本文方法的运算速度为5.45frame/s,不仅获得了较快的处理速度且能有效避免复原视频中出现颜色跳变的现象。由于本文采用区间估计的方式对大气光值进行估计,同时利用图像复原和图像增强的方法求取介质传播图,因此,复原视频的清晰度和对比度比典型的视频去雾方法有所提高,颜色效果也比较好。