基于多尺度Retinex理论的遥感图像增强算法

多尺度Retinex算法是近年来常用的图像增强方法之一,针对该方法在处理遥感图像时存在过增强、灰度化和色彩失真等不足,结合I阶巴特沃斯函数良好的滤波特性,提出了一种改进多尺度Retinex理论的遥感图像增强方法.首先,采用I阶巴特沃斯函数取代多尺度Retinex中的高斯环绕函数,对降质的遥感图像R、G、B三个分量分别进行滤波操作;然后对滤波后的各通道下不同尺度的亮度图像分别进行加权和归一化处理,得到增强后的R、G、B三个分量;最后将三通道分量进行合成显示,得到最终的增强图像.文中采用中巴资源卫星(CBER-02)多光谱图像和日本ALOS卫星多光谱图像进行实验,结果表明,与传统的多尺度Retinex理论增强方法相比,改进后的方法在抑制图像灰度化、增强图像空间细节和降低图像颜色失真等方面有更好的实验效果.     

基于暗原色先验的Retinex去雾算法

针对雾天图像去雾问题,提出了一种基于暗通道先验理论的Retinex算法。首先利用引导滤波估计图像透射率优化暗通道先验算法,获取初步去雾图像并对去雾图像进行空间转换;在转换后的HIS空间中建立高斯尺度参数与透射率的指数关系,重新构造高斯滤波核并根据MSR算法对近处景物做大尺度变换以增强颜色保真性,对远处景物做小尺度变换以增强图像细节显示,实现根据景深大小完成自适应MSR算法以优化图像亮度分量I;对饱和度分量S进行自适应线性拉伸以优化图像色彩,最后由HIS空间重新转换为RGB空间得到最终增强图像。实验表明:与几种典型的图像去雾算法相比,经基于暗通道先验理论的Retinex算法处理后的图像清晰度和对比度提升明显,同时获得很好的图像色彩层次感。     

融合多帧信息的Retinex监控视频增强算法

针对传统Retinex监控视频增强算法照度分量提取不够准确的情况,利用监控视频背景的时间相关性,融合多帧背景进行照度估计,提出了一种新型Retinex监控视频增强算法:对视频单帧图像进行大、中、小尺度的高斯低通滤波,得到3个尺度的环绕图像,并对其取极小值以提取该帧的背景照度图像,通过融合当前帧和其邻帧的多帧背景照度图像,获取当前帧上准确的背景照度图像,再应用Retinex色彩恒常性理论,去除照度干扰以获得反射光分量,实现当前帧的增强。实验结果表明:该算法可以从夜间视频阴影中恢复出景物,得到亮度、色彩、细节较平衡的视频。     

基于Retinex理论的红外图像的边缘增强算法

提出一种基于颜色恒常性与Retinex理论的红外图像边缘增强方法.首先把SC3000型红外热像仪采集到的红外图像进行R、G、B分量分解,然后对分解后的三幅图像用SSR算法进行处理,最后将处理后的三幅图像按R、G、B顺序依次写入一个24位的彩色图像中输出,得到的即是增强后的红外图像.实验结果表明,本文提出的方法在有效的增强红外图像边缘的同时,还防止局部区域出现过增强现象,保证局部细节也较为清晰.     

基于Gabor滤波和显著性检测的红外与可见光图像融合

红外和可见光图像的融合既要突出红外图像中重要的亮度特征,又要使融合图像保留清晰的视觉效果。因此,提出了基于Gabor滤波和显著性检测的融合方法。首先,采用显著性检测得到红外和可见光图像的显著层,再使用Frankle-McCann Retinex增强算法对可见光图像进行增强,之后用Gabor滤波器将红外图像和增强后的可见光图像分解为细节层和基础层。然后,采用“最大绝对”的融合策略对显著层与细节层进行融合,最后进行图像重构。实验结果表明,得到的结果与其他八种经典算法比较中表现优异,尤其是AG、EI、IE、SF等指标方面尤为突出。     

一种改进的全局Retinex监控视频图像增强方法

考虑到监控视频每相邻帧图像背景及光照近似,合理运用帧间信息,构建了一种改进的Retinex图像增强算法。对每一帧图像进行不同尺度及参数的高斯低通滤波,滤波结果取模极小提取各帧背景信息,通过融合多帧图像背景,获取该时刻上视频图像的准确背景,使用该背景进行Retinex算法增强。实验结果表明,算法增强后的图像暗处细节信息更加丰富,获得了更舒适的视觉效果。     

Retinex模型下基于融合策略的雾霾图像增强

针对现有Retinex算法处理后的图像达不到色彩与细节同时增强的效果,且细节增强的同时易产生光晕,出现噪声放大、色彩失真等情况,提出了一种Retinex模型下基于融合策略的雾霾图像增强算法。该算法首先在HSV空间实现色彩增强,根据亮度分量,获取无色彩失真的反射分量,再通过修正照度分量,得到改进的Retinex模型;然后在RGB空间,采用快速双边滤波器来保留图像细节,在获得反射分量的基础上,引入原图部分和色彩恢复因子,实现细节增强;最后,在RGB色彩空间对处理后的图像加权融合,得到增强后的去雾图像。通过本文算法和现有算法对雾天图像进行去雾处理,得到不同的去雾结果。本文算法得到的去雾图像增加了细节信息,没有出现明显的颜色失真和光晕现象,处理后图像的信息熵提高。本文算法具有更短的运算时间,具有良好的可操作性。根据实验结果以及评价标准,本文算法能够在减少色彩失真的基础上,达到细节增强的良好效果。     

基于多尺度Retinex彩色图像增强和闭合边缘提取方法的研究

提出了采用多尺度Retinex突出图像中阴暗区域的信息,采用Canny算子提取边缘,编制程序提取图像中的阴暗区域, 将原图像阴暗区域的像素替换成多尺度Retinex增强图像的像素。得到融合后的图像比原图像在阴影区域显示出更丰富的信息。 进而对遥感图像进行深入研究,以埃及Giza金字塔中最大的Khufu金字塔阴影的几何分析,确定太阳光的照射方位、仰角以 及观察点的方位与俯视角等信息。描述的半自动提取特征信息融合彩色图像的技术,在遥感图像地物信息提取中具有十分重大 的意义。     

基于多尺度Retinex彩色图像增强和闭合边缘提取方法的研究

提出了采用多尺度Retinex突出图像中阴暗区域的信息，采用Canny算子提取边缘，编制程序提取图像中的阴暗区域，将原图像阴暗区域的像素替换成多尺度Retinex增强图像的像素。得到融合后的图像比原图像在阴影区域显示出更丰富的信息。进而对遥感图像进行深入研究，以埃及Giza金字塔中最大的Khufu金字塔阴影的几何分析，确定太阳光的照射方位、仰角以及观察点的方位与俯视角等信息。描述的半自动提取特征信息融合彩色图像的技术，在遥感图像地物信息提取中具有十分重大的意义。     

基于S曲线多尺度Retinex红外图像增强算法

针对受环境影响造成红外图像热成像对比度不足的问题,应用多尺度Retinex增强算法,对低能见度的红外图像进行图像增强,并在此基础上提出了一种改进的基于S曲线多尺度Retinex红外图像增强算法,该S曲线函数具有定义域与值域区间一致、拐点非对称的特点.实验结果表明:利用改进后的算法,对红外图像进行图像增强,在目标图像增强...