基于MSR和融合理论的X射线安检图像增强算法

针对X射线安检图像噪声大、对比度低和边缘不清晰等问题,提出一种结合多尺度Retinex算法(Multi-Scale Ret-inex,MSR)算法和图像灰度最大值融合的双重能量X射线图像增强算法.首先,应用MSR算法对高能和低能X射线图像进行处理得到初步增强结果,然后采用空域灰度值最大融合算法融合经过MSR算法初步增强后的高能和低能X射线图像从而得到最终增强X射线图像.实验结果表明该算法能更有效地提高双重能量X射线图像的对比度,显著改善图像质量.     

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.     

基于全变分Retinex及梯度域雾天图像增强算法

为提高雾天图像增强的对比度并保持颜色恒常性,提出了基于全变分Retinex及梯度域雾天图像增强算法。首先,采用高斯—赛德尔GS（Gauss-Seidel）迭代算法对基于Retinex的全变分能量泛函数进行求解,从而有效地保持颜色恒常性;其次,采用相对梯度与绝对梯度相结合的方式拉伸雾天图像较亮处的梯度, 在全变分Retinex理论下重建增强后的雾天图像,并将该增强算法应用到彩色图像;最后,加权融合基于全变分Retinex增强算法与梯度域增强算法的增强结果,使得增强结果既能提高对比度又能保持色彩恒常性。实验结果表明,本算法提高了雾天图像增强后的对比度和清晰度,具有颜色恒常性、颜色保真高等特性。     

基于Retinex理论的雾天图像增强算法

针对雾天图像对比度低、细节模糊和色调偏灰等问题,提出了一种基于Retinex理论的雾天图像增强算法。将雾天图像转换到HSI空间,对S分量进行线性拉伸,用改进的SSR算法对I分量进行增强处理,转换回RGB空间,用sigmoid函数进行颜色恢复得到增强图像。实验结果表明,提出的算法能有效地提高雾天图像质量,恢复雾天图像色彩,增强效果优于传统算法。     

一种新的X射线图像增强算法

基于X射线影像增强器的视觉系统所成图像的缺点是动态范围小,对比度不够高。为此,提出一种新的X射线图像增强算法。首先在高低两个不同射线管电压下分别获取两幅图像,利用离散小波变换对其进行多分辨率图像融合,以扩展X射线图像动态范围,之后再利用双平台直方图均衡算法对融合图像进行增强。实验结果显示,射线图像得到有效增强。     

基于多尺度Retinex算法的遥感图像增强

遥感图像增强是对遥感图像进行后继处理的必要步骤且在遥感图像的处理中占有独特的地位.当前,有很多图像增强方法被应用到遥感图像的增强当中,文中引入Retinex增强算法,该算法可以实现对图像进行自适应的增强处理.为了使Retinex算法更具有普遍性和自适应性,采用多尺度Retinex算法对图像进行增强.多尺度Retinex算法即结合多个尺度上的单Retinex算法,因而可以进一步提高Retinex算法的自适应能力和对图像的增强效果.应用小波变换方法和多尺度Retinex算法对遥感图像进行增强对比实验,实验结果表明多尺度Retinex算法在遥感图像的增强方面具有优越性,并且可以取得令人满意的增强效果.     

基于改进Retinex算法的低照度图像增强

通过对比不同图像增强算法,针对传统图像增强算法无法兼顾色彩、细节以及纹理的同步处理等问题,文章提出一种MSRCR-HIS图像增强算法,融合直方图转换法与MSRCR算法的优势,并将处理后的图像与原始图像进行融合以保留原图细节信息,通过验证,文章提出的算法与经典算法相比,能够有效地改善图像的呈现效果,有利于后续各项实验操作。     

改进Retinex的夜间图像增强算法

针对夜间拍摄的图像容易受到光线不足的影响而出现动态范围窄、噪声明显和细节信息丢失的缺陷,提出了一种改进Retinex的图像增强算法.首先分析Retinex算法的理论模型,利用双边滤波器估计模型中的照度部分,获得准确可靠的反射部分,从而恢复图像的真实色彩和细节.仿真实验表明,改进算法可行有效,能使图像的视觉效果得到进一步...     

基于小波变换与Retinex的电路板红外图像增强技术

电路板红外图像发热芯片区域的增强是红外图像故障检测系统中一项重要研究内容。针对电路板某些芯片的发热量小,芯片区域红外图像与背景差异弱的特点,为提高故障检测效率,设计了一种融合小波变换与改进的多尺度Retinex红外图像增强算法。首先,通过小波变换获得不同频率的子带图像;然后,利用多尺度Retinex算法对低频子带图像进行增强处理;对于高频子带图像,利用可变阈值去噪,引入图像清晰度参数,依据参数值对高频图像进行适度增强。最后,对处理后的高、低频图像进行小波逆变换与重构,实现电路板红外图像增强。对增强后的红外图像进行的定量以及定性评价表明：与单一的利用直方图均衡算法、小波变换法以及多尺度Retinex增强算法相比,本文算法改善了某些发热芯片区域红外图像对比度低且细节模糊问题,抑制了噪声,提升了电路板红外图像整体视觉效果。     

一种基于Retinex理论的彩色图像增强算法

在分析Retinex理论及其经典算法的基础上,提出一种新的彩色图像增强算法。该方法在保持增强图像高频成分的同时,很好地保留了图像的部分低频成分,并根据Gray World理论,引入动态参数,提高了图像的动态范围。实验结果表明,用所提算法能有效增强彩色图像。     

基于拉格朗日插值的射线图像增强技术

研究了基于拉格朗日插值的射线图像增强算法,根据射线图像有偏暗、偏亮和灰度集中在某一范围内三种情况,研究了三阶拉格朗日插值算法;根据输入、输出灰度的变换关系,生成图像灰度变换的查找表.该算法简单易行,便于硬件实现,对处于不同灰度范围内的射线图像均达到了较好的增强效果.目前,该算法已在VC++6.0编程环境中编程实现.并在x射线实时成像系统中得到应用.实验证明这种方法是可行的.     

一种自适应尺度的MSR图像增强方法

针对传统多尺度Retinex增强算法不能有效增强图像不同尺度的细节特征问题,提出了一种自适应尺度的MSR增强算法,利用HSI空间中的亮度分量方差值自适应确定滤波器尺寸,在增大图像对比度、突出图像细节特征的同时保持了图像色彩的稳定性,对光照不均匀图像取得了较好的增强效果。     

基于多尺度Retinex的图像增强算法

针对单景深低对比度图像中有用信息量少,可辨别性低的特点,提出运用多尺度Ret-inex理论对该类图像进行增强.根据单景深图像特点,在多尺度Retinex处理过程中采用平均标准偏差作为尺度参数的基础,设计多尺度参数高斯滤波器与原始图像在空域中进行滤波,最后运用灰度级均匀化对处理后图像进一步增强,结果显示处理效果良好.     

多尺度Retinex图像增强应用中的彩色空间选择

研究了基于Retinex理论的图像增强算法,介绍了图像和视频处理中常用的RGB、HSV、YIQ、YCbCr和 Lab 5种颜色空间,给出了均方误差(MSE)、峰值信噪比(PSNR)、信息熵、彩色增强因子(CEF)和结构相似度(SSIM)5个图像质量评价指标的计算公式,并用这5个指标评价了CLAHE算法在5种颜色空间上的增强效果.实验结果表明,相比于其它4种颜色空间,多尺度Retinex算法在HSV颜色空间上取得了最好的增强效果.     

非均匀光照图像双分量增强Retinex算法

图像增强是“数字图像处理”课程的一项重要教学内容。针对图像增强方法的实践训练,给出一个综合实验-非均匀光照图像双分量增强Retinex算法。该实验整合了灰度变换、直方图均衡、图像平滑、去锐化掩模、高频增强等图像增强方法,并引入用于图像质量评价的量化指标等内容,图像增强效果好,对于图像增强的实践教学具有较好的参考价值。     

基于路径的Retinex算法在红外图像增强中的应用

为了方便红外目标的检测、识别等后续处理,针对传统红外图像增强算法存在的图像细节增强能力差,视觉效果模糊的问题,提出一种基于Retinex理论的红外图像增强算法.该算法利用固定路径获取反射分量的方法,对整体偏暗的红外图像目标进行增强处理.仿真结果表明,该方法比单尺度Retinex和多尺度Retinex算法更能增强红外图像的细节信息,有效改善虹外图像的视觉效果.     

基于Contourlet变换和多尺度Rentinex的水下图像增强算法

针对水下图像对比度低、边缘模糊、噪声大等特点,提出一种基于非下采样Contourlet变换和多尺度Retinex的水下图像增强算法。将水下图像进行多尺度多方向的非下采样Contourlet变换;利用多尺度Retinex算法调整低频系数,提高图像整体对比度;在各带通方向子带上估计噪声,抑制模值小于阈值的系数,改进神经网络中的Sigmoid函数用于调节模值大于阈值的系数;经非下采样Contourlet逆变换得到增强图像。与几种传统增强算法相比,本算法处理的图像达到了抑制噪声、改善图像对比度、突出目标轮廓的目的,具有较高的对比度评估值。     

基于自适应引导滤波的子带分解多尺度Retinex红外图像增强

利用引导滤波的边缘保持特性及梯度保持特性,提出一种基于自适应引导滤波的子带分解多尺度Retinex红外图像增强算法.首先利用自适应引导滤波对光照分量进行精确估计,生成光谱不重叠的Retinex子带,然后对各个子带进行自适应增强,最后将各个增强后的子带加权融合.实验证明,该算法可有效消除光晕现象及凸显红外图像细节.