基于自适应分割和多尺度Retinex的图像增强算法

智能行车预警是智慧交通系统(ITS)的主要组成之一,因车载设备采集图像受环境影响,会出现强光影过渡和局部高亮的现象。针对Retinex算法在该场景下存在光晕伪影与纹理弱化的问题,提出了一种基于自适应分割和多尺度Retinex(MSR)的图像增强算法。首先,使用中值滤波器滤除基本噪声,同时保留边缘信息,再通过以景深为主导的改进分水岭分割将图像分割为亮、暗2个独立区域;其次,对亮、暗区分别进行不同尺度的Retinex增强,根据亮、暗区域的边缘特性,计算融合权重并进行亮、暗区的融合重构,得到最终的增强图像。实验结果表明:所提方法在强光影过渡和低照度逆光图像的增强实验中具有良好的增强效果,抑制过渡区光晕的同时增强了高亮区的细节。

基于亮度模型融合的改进暗通道先验图像去雾算法

针对暗通道先验在天空区域的失效问题,提出了一种基于亮度模型融合的改进暗通道先验图像去雾算法。首先通过Canny算子分割得到天空区域与非天空区域;其次,利用亮度模拟景深,重构亮度透射率,并通过与暗通道透射率的融合构成天空区域透射率,最后的透射率图经由快速引导滤波进行精细化处理;大气光值选择抗干扰能力更强的天空区域中像素强度值前0.1%的像素中值;最后,经由大气散射模型恢复出无雾图像。实验结果表明,该算法针对含雾图像能够有效地恢复出图像的细节并抑制光晕现象,明亮度适宜,颜色自然。