基于幂律变换的MSRCR矿井图像增强算法

针对复杂矿井图像亮度不均的问题,提出基于幂律变换的MSRCR图像增强方法(Plt-MSRCR)。首先,对图像进行自适应直方图均衡化处理,将RGB空间转换为HSV空间,利用自适应最大类间方差(OTSU)将V分量分割为高低灰度等级分量V_H和V_L;其次,对V_L进行自适应CLAHE处理来拉伸灰度等级,对V_H进行阈值分割,得到高低亮度分量V_HH和V_HL;再次利用Plt-MSRCR算法完成V_HL分量的灰度拉伸和亮度抑制,得到调整后的V_HLnew;最后,将所有V分量进行融合,对S分量进行伽马校正,融合重组成RGB图像。实验结果表明,该算法能够有效解决矿井下光照过低、光照较低和光照不均对图像的影响,对暗区域亮度增强的同时保证了增强亮度的均匀性和图像的清晰度。相较于其他同类算法,该算法在信息熵、平均梯度和标准差方面效果和性能更好。     

基于图像分割和融合的图像去雾算法研究

为了解决传统的暗通道先验去雾方法产生的细节丢失和亮度偏低等问题,本研究提出了一种基于图像分割和融合的去雾算法。首先对输入图像使用亮度反转的MSRCR预处理来进行色彩保真;其次用阈值分割法提取图像的特征信息并获得掩膜,根据特征信息设计自适应的Gamma校正方法,提升对比度和亮度,并使用暗通道先验方法保持去雾后的细节;最后将处理后的图像进行掩膜融合。在真实世界的数据集上仿真结果表明,本研究所提算法在去雾后能保留更多的细节且提高亮度。与几种经典的算法相比,本研究所提算法在去雾后的图像有较好的色彩保真度,保留了更多的细节,去雾效果好且亮度更自然。     

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.     

多尺度Retinex算法与其它图像增强方法比较

图像获取过程中往往由于光照不足导致图像出现暗影和低对比度,这严重影响了后期图像各种形式的处理,如人脸检测、边缘提取、图像融合等。文章提出利用MSRCR算法与其它常用动态范围调整的图像增强算法相比,如SSR,MSR,MSRCR和直方图均衡化增强;进一步利用MSRCR增益/偏移校正、基于双边滤波器的单尺度Retinex图像增强和同态滤波器对两组图像对比实验,结果显示这些方法在图像增强中都表现出良好的性能,且MSRCR算法可以弥补传统小波变换在图像增强中的对比度不高和丢失部分信息的不足,提高了图像的亮度,对比度和清晰度;且其峰值信噪比和信息熵普遍高于其它增强方法,并对其运行的时效性进行对比。     

基于CLAHE和图像分解的去雾方法

针对雾天条件下拍摄到的图像对比度低、细节模糊以及颜色暗淡的现象,提出一种基于CLAHE和图像分解的去雾方法。首先,采用限制对比度直方图均衡化(limited contrast histogram equalization,CLAHE)对有雾图像进行增强,有效地提升图像的对比度;然后,在照明—反射模型的基础上,根据照射分量与反射分量的不同特征对增强后的图像进行梯度滤波,将图像进行分解,获得最终包含图像所有细节的反射图像;最后,对反射图像进行Gamma变换,提升图像的亮度,获得最终的去雾图像。利用信息熵、空间频率、平均梯度和运算时间等客观评价标准,与带色彩恢复多尺度Retinex算法(MSRCR算法)和基于暗通道先验去雾算法(He算法)进行对比。实验结果的主观评价和客观评价表明,在雾天图像细节增强和色彩保持方面,本文方法比MSRCR算法和He算法具有更好的效果。     

结合HE和改进MSRCR的交通雾霾图像增强

【目的】受大气粒子散射的影响, 雾霾天气下的交通监控图像严重降质, 影响交通安全。【方法】针对雾霾图像存在对比度低、灰度分布狭窄和细节损失严重的问题,提 出一种结合直方图均衡化(HE)和改进色彩恢复多尺度Retinex(MSRCR)的单幅交通图像去雾霾算法。该算法首先将图像分别进行HE和MSRCR增强, 其中MSRCR 增强时, 使用具有平滑保边缘功能的引导滤波替换高斯函数来估计光照分量, 然后对增强后的两幅图像进行加权融合。【结果】通过定性分析发现, 该算法有效改善了图像的主观视觉效果; 通过定量分析发现, 该算法相对于HE、MSRCR、B-SSR和G-SSR算法, 显著提高了图像的平均梯度和对比度, 且灰度熵和彩色熵也有一定程度提高。【结论】实验结果表明, 该算法能有效增强交通雾霾图像。
     

红外视频监控图像增强算法的比较研究

提出基于Retinex理论的McCann99结合自适应直方图均衡化的算法,并与同态滤波、MSR及McCann99的算法进行了比较．红外视频监控图像的计算机处理实验结果显示该算法可以增强图像的亮度和对比度,有效改善图像质量．     

结合HE和改进MSRCR的交通雾霾图像增强

【目的】受大气粒子散射的影响,雾霾天气下的交通监控图像严重降质,影响交通安全。【方法】针对雾霾图像存在对比度低、灰度分布狭窄和细节损失严重的问题,提出一种结合直方图均衡化(HE)和改进色彩恢复多尺度Retinex(MSRCR)的单幅交通图像去雾霾算法。该算法首先将图像分别进行HE和MSRCR增强,其中MSRCR增强时,使用具有平滑保边缘功能的引导滤波替换高斯函数来估计光照分量,然后对增强后的两幅图像进行加权融合。【结果】通过定性分析发现,该算法有效改善了图像的主观视觉效果;通过定量分析发现,该算法相对于HE、MSRCR、B-SSR和G-SSR算法,显著提高了图像的平均梯度和对比度,且灰度熵和彩色熵也有一定程度提高。【结论】实验结果表明,该算法能有效增强交通雾霾图像。     

具有细节补偿和色彩恢复的多尺度Retinex色调映射算法

针对带色彩恢复的多尺度Retinex色调映射算法(MSRCR)在分离图像光照信息时未保留部分细节信息,导致结果图像出现细节模糊和颜色失真的问题,提出了一种具有细节补偿和色彩恢复的多尺度Retinex色调映射算法(MSRCD).该算法利用Retinex理论的基本原理将高动态范围图像分为反射层和光照层,先使用双边滤波从图像光照层中提取出细节信息进行补偿,然后从图像的反射层中分离出基本层信息并进行自适应调整,压缩其动态范围,最后通过色彩校正还原图像颜色.实验结果表明,与MSRCR算法及基于双边滤波的算法相比,MSRCD算法的处理结果保留了更丰富的细节信息,色彩逼近于真实场景且避免了光晕的产生.     

一种基于全局和局部光照估计的Retinex图像增强算法

具有色彩还原特性的Retinex算法,可以实现图像对比度、亮度提高及色彩还原;但是增强后的图像色彩饱和度下降严重,色彩失真,其关键在于光照分量的估计失真。针对上述问题,提出了基于全局光照和局部光照细分的Retinex增强算法,实现了图像光照分量的精确计算;并通过实验证明增强后的图像在提高亮度突出细节的同时,最大程度保持了原来的真实色彩。     

Retinex理论下基于融合思想的低照度彩色图像增强算法

针对Retinex算法处理后的图像边缘保持性差,易产生光晕和过增强的缺点,以及双边滤波易造成图像细节丢失的现象,提出了一种Retinex理论下基于融合思想的图像增强算法。该算法首先在YCb Cr颜色空间提取亮度Y分量,对亮度分量进行大、中、小不同尺度的MSR增强,获得细节信息保留较好的亮度图像,同时在RGB颜色空间对图像进行基于双边滤波的单尺度Retinex增强,获得边缘信息较好的增强图像;然后对增强后的两幅图像加权融合;最后对融合的图像进行颜色恢复处理得到最终的增强图像。通过本文算法与经典SSR、MSR和MSRCR算法处理后的图像进行比较,实验结果表明,本文算法处理后的图像在细节、颜色和边缘保持方面都优于其他算法,并且避免了光晕和过增强现象的发生。     

一种非均匀照明彩色图像自适应校正方法

为解决非均匀照明条件下彩色图像亮度不均、细节丢失、对比度低等问题,提出一种非均匀照明彩色图像自适应校正方法研究非均匀照明图像的自适应增强.首先,提出一种双伽马校正直方图均衡(bilateral Gamma adjustment histogram equalization,BIGAHE)算法处理HSV颜色空间的V通道,来调整图像全局对比度和亮度,同时使用构建的自适应拉伸函数对S通道进行非线性拉伸以提高图像整体饱和度,然后利用对比度受限的自适应直方图均衡算法(contrast limited adaptive histo-gram equalization,CLAHE)对L?a?b?颜色空间中L?通道进行局部对比度增强,得到最终增强图像.实验结果表明,与现有流行的图像增强方法相比,该算法的平均梯度(mean gradient,MG)、熵(entropy)指标为所有对比算法中最优,对比度改善指数(contrast improvement index,CII)在所有方法中排名第二.可见该算法能够有效提高非均匀照明图像亮度和对比度,提供更多的细节增强,同时避免过度增强,保持图像的自然性,获得更好的增强效果.     

基于暗通道先验改进的自动色彩均衡算法

针对自动色彩均衡算法在处理色彩丰富度低的低色温图像造成的色温偏高问题,提出了一种基于暗通道先验改进的自动色彩均衡算法。该算法首先对原始图像利用暗通道先验算法及导向滤波进行预处理得到精细透射率图像,然后按照阈值范围提取有效范围点区域得到二值图像,进而求得色温增益因子,最后对自动色彩均衡算法中的色彩域/空域步骤进行优化,完成图像的色温校正。实验结果表明,该算法有效解决了自动色彩均衡算法产生的图像偏色问题,具有良好的色温校正效果。     

基于 UCM 算法中直方图拉伸的水下图像增强研究

针对水下图像色彩失真,对比度低以及图像模糊不清等一系列问题,提出了一种基于色彩模型的水下图像增强算法,改进了现有的 UCM 算法的直方图线性拉伸,使用限制对比度自适应的方法对直方图进行非线性均衡化,使处理后的图片对比度增强效果更好,图像质量更高,更符合人类的视觉感知。 通过搭建的水下海参场景和模拟海底图像偏蓝绿色的实验环境,拍摄了 4 组海参在不同姿态、工况下的水下图片并对其进行定性、定量分析,得出改进后的 UCM 算法在 UIConM、UIQM、NIQE 指标下的数值分别平均为 0. 63、4. 30、3. 30,相比较其他 3 种算法,该算法处理后的图像质量评估指标均为最优,由此证明了研究的算法相对于其他的传统算法显示出更好的可行性和优越性,并且能够适应不同的水下工况,拥有良好的鲁棒性。     

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。     

基于人眼视觉特性的高动态范围彩色图像自适应增强方法

提出了一种基于视网膜高动态范围亮度适应和视觉通路侧抑制竞争机制的图像增强算法.该算法首先对降质图像采用修正的TAN函数实现全局亮度的自适应映射,再采用通过向非循环侧抑制方程引入中心兴奋/抑制因子而改进视网膜ON/OFF双拮抗响应模型增强图像的局部细节.实验结果表明,该算法能有效地自适应调整过亮和过暗区域的亮度,突出其细节信息,保持其原始色彩表现,明显改善了彩色图像的整体视觉效果.     

彩色图像盲数字水印新算法的研究

提出了一种基于彩色图像亮度分量的DCT域下的数亨水印算法．该算法利用丁密钥和水印之问的对应关系，将二值图像作为水印嵌入到彩色图像亮度分量的DCT域系数中，提取过程无需使用原始图像，实现了隐藏信息的肓检测．实验结果表明：该算法不仅具有较好的透明性，而且对于如JPEG压缩、几何剪切、高通滤波等攻击均具有较好的鲁棒性．