一种改进CycleGAN的水下彩色图像增强方法

针对基于深度学习方法的水下图像增强只考虑水下图像的RGB颜色特征空间造成的增强效果不理想现象,本文在循环生成对抗网络的基础上改进了一种水下彩色图像增强算法。首先运用循环生成对抗网络在图像的RGB和HSV颜色特征空间进行训练,将图像经过卷积网络下采样提取到的特征送入残差网络和扩展压缩模块,其中扩展压缩模块可以调整图像RGB和HSV通道的权重。预训练好的生成对抗网络作用在成对的水下降质图像与增强后的图像进行监督训练,采用特征融合网络将对抗生成网络输出的RGB和HSV六通道图像融合成RGB三通道图像。实验结果表明,该方法能够有效结合图像的RGB和HSV空间的特征信息,提升水下图像的对比度和亮度,校正水下图像的颜色偏差。

一种新的仿生彩色图像增强方法

基于人类视觉系统的全局和局部自适应特性,本文提出一种仿生彩色图像增强方法,用于增强不均匀光照或低照度情况下的图像.该方法主要包括全局自适应亮度调节、局部对比度增强和颜色恢复三个部分.即全局亮度调节主要用来增强暗区域的亮度和压缩图像的动态范围;局部对比度增强利用当前点与其邻域象素的双边滤波输出之间的关系,调节当前点的亮度,以增强图像局部对比度;再通过一种简单的线性颜色恢复算法恢复图像色彩.与文献[7,8]所提彩色图像增强算法相比,实验结果表明本文所提方法的效果更好.

一种新的低照度彩色图像增强算法

为了增强彩色图像而不引起色彩失真,在HSV颜色空间中保持色相不变,提出了采用分段对数变换增强饱和度结合在多尺度Retinex算法的基础上,采用边缘保持增强色调的低照度彩色图像增强算法。实验结果表明,该方法在保持图像色相和图像边缘的情况下,显著改善了图像的视觉效果,提高了图像的亮度和对比度。25幅低照度图像的平均亮度、标准偏差和对比度分别提高了94.95%、20.93%和29.88%,相对于带色彩恢复的多尺度Retinex算法的熵和对比度增量分别提高了7.34%和151.51%,效果优于Retinex算法。

一种颜色保持的彩色图像增强新算法

分析了Retinex理论及其典型彩色图像增强算法,在此基础上提出一种颜色保持的彩色图像增强新算法。利用非线性sigmoid传输函数多尺度增强亮度分量,并进行局部对比度增强后获得亮度增益曲面,最后利用亮度增益曲面对原彩色图像RGB三颜色分量同比增强,保证了色调恒定不失真。几种算法实验结果的比较和分析。表明,这种算法是有效的。

基于RGB灰度值缩放的彩色图像增强

为保持彩色图像增强时色调不变,提出一种基于RGB灰度值缩放的彩色图像增强算法。采用二次函数增强像素RGB三基色的最大值,获得缩放因子k,利用k值增强相应像素的RGB灰度值。实验结果表明,该算法能增强不同压缩比的彩色图像,综合性能优于现有算法。

一种改进的色调不变的彩色图像增强算法

色调是色彩的重要属性,反应了色彩的的基本颜色。在彩色图像的增强中,保持图像的色调不变显得尤为重要。为此提出了一种保持色调不变的彩色图像增强方法。HSV色彩空间中,通过同比例缩放每个像素的三个色彩分量和处理gamut(色域)问题,可以保证色彩的色调不变。其中缩放因子可以通过灰度增强算法计算所得。通过与其它色调不变的彩色图像增强算法比较,针对质量不同的彩色图像,上述算法都能取得比较满意的效果,表明本算法具有一定的适应性。

基于人眼视觉特性的彩色图像增强算法

针对多尺度Retinex算法(MSR)计算复杂度过高的缺陷,本文提出了模拟人眼视觉特性的Retinex图像对比度增强方法。该方法根据Retinex计算模型分离彩色图像的照射分量和反射分量,并引入非线性变换函数对其进行修正。基于对数变换的非线性函数拉伸图像照射分量,改善了全局视觉效果,再利用考虑人眼灰度分辨能力的变换函数对反射分量值进行调整,从而改善了图像局部对比度。实验结果表明,算法直接在RGB彩色空间和其它分离色度亮度的彩色空间的处理效果都很好,没有出现明显的彩色失真现象,处理速度也快于MSR算法。

模糊多尺度Retinex彩色图像增强

由于中心环绕Retinex算法中假设场景中光照是平缓变化的,所以在图像明暗对比强烈处易出现光晕现象。针对Retinex传统算法的固有缺陷,结合MSRCR算法在色彩恢复上的优势,提出了一种模糊多尺度Retinex彩色图像增强方法(FMSRCR)。FMSRCR使中心环绕空间对比运算仅在光照强度相近的区域中进行,克服了光照不均的影响。同时采用自适应高斯模,减少了卷积运算量。通过实验证明该方法是有效的。

基于HSI和局部同态滤波的彩色图像增强算法

为了消除光照不均对彩色图像的影响,提出基于HSI和局部同态滤波的彩色图像增强算法。首先,将图像从RGB颜色空间转换到HSI颜色空间。然后,对亮度分量进行局部同态滤波,并对局部同态滤波过程中产生的块效应采用相邻子图像边界平均的方法去除。色调和饱和度分量保持不变。最后再将图像从HSI颜色空间转换到RGB颜色空间,得到增强后的图像。实验结果表明,采用所提的方法增强后的图像光照均匀,明暗适中,细节清晰,优于全局同态滤波的结果。

双通道分块同态滤波彩色图像增强算法

为了有效增强由于光照不均的彩色图像,文中在应用HSV彩色模型空间的基础上,提出了一种基于双通道的分块同态滤波彩色图像增强算法。首先将光照不均源彩色图像从RGB色彩空间模型转换到HSV色彩空间模型。然后为了弥补光照不足引起的图像亮度不均,对变换后的亮度分量做分块巴特沃斯高通同态滤波,之后会出现轻微块效应,为了去除块效应,对相邻子图像边界处亮度值采用3×3邻域均值的亮度值代替;接着为了提高图像的整体对比度,对变换后的饱和度分量做全局巴特沃斯高通同态滤波以便微调增强效果。最后,再将图像从HSV色彩空间模型还原到RGB色彩空间模型。实验结果表明,该算法不仅增加了图像暗区域明亮度,而且颜色保持较好,纹理更清晰。

基于分块DCT同态滤波的彩色图像增强算法

对于光照不均的彩色图像,由于传统的同态滤波器没有充分考虑图像的空间局部特性,同态滤波后的图像在局部对比度增强效果上,不能令人满意。为此,结合DCT变换的优点,提出了基于分块DCT变换的同态滤波算法,可以获得很好的局部对比度增强效果。为了消除分块滤波引起的块效应,提出了基于重叠块的块效应消除方法。同时,为了保留原始图像的色彩信息,提出将图像从RGB颜色空间转换到HSV颜色空间,仅对亮度分量进行基于DCT变换的同态滤波及块效应的去除,色调和饱和度分量保持不变。实验结果表明,该方法不但有效改善了光照不均对图像的影响,而且使图像色彩保持良好,图像中的细节更为清晰,性能上优于传统的同态滤波。

基于神经网络的低照度真彩色图像增强

针对人类在低照度环境下的视觉难以分辨目标形态及其颜色的缺陷,提出了一种真彩色图像增强方法。通过普通摄像机分别采集理想光照环境下和低照度环境下的图像,送入神经网络进行误差反传,修改权值并完成非线性映射,测试过程采用主观和客观的评价方法。与直方图均衡化方法相比,基于神经网络的低照度真彩色图像增强方法有效且能得到了较好的增强效果。

基于BIRCH聚类加速的彩色图像增强算法

针对现存的大多图像增强算法增强的图像可见性丢失问题,提出了一种基于BIRCH聚类加速的彩色图像增强算法;首先,通过BIRCH聚类加速确定数据库中与输入图像直方图相似度最高的图像来提取图像特征;然后,选择最小欧氏距离的特征值进行图像融合以获取目标图像;最后,增强图像通过目标图像直方图规范化和后期处理获得;大量图像融合实验结果验证了算法的有效性,该算法扩展了图像增强的类别,解决了增强过程中可能出现的可见性丢失问题,使图像增强的适应性更强;另外,EM、CII和SSIM评估指标的结果表明该算法明显改善了增强效果。

修正Retinex照射反射模型的彩色图像增强

介绍了修正Retinex照射反射模型的彩色图像增强方法,引入了非线性变换函数修正彩色图像的照射分量和反射分量。由于全局对比度增强函数能够拉伸图像的照射分量,所以改善了全局视觉效果。非线性S型函数对较大和较小的反射分量值改变较小,对中间值改变较大,从而改善了图像的局部对比度。在RGB彩色空间和其他色度亮度彩色空间中的处理结果都没有出现彩色失真的现象。

改进单尺度Retinex的彩色图像增强算法

为了解决传统单尺度Retinex算法全部像素都采用同一空间滤波模块实施操作,容易产生彩色图像光晕以及色彩流失,彩色图像增强效果差的问题,提出改进单尺度Retinex的彩色图像增强算法。改进算法融合粒子群优化算法以及Retinex算法,基于熵值大小以及变换成HIS图像的H值大小实施匹配,采用合理的滤波模板实施运算,完成彩色图像的增强处理。通过改进SSR算法解决图像边缘亮度波动时,图像出现的光晕以及光阴影问题,提升彩色图像增强效果。实验结果表明,所提算法对室内室外图像的亮度、对比度、饱和度等内容具有较高的增强效果,能提升总体图像的质量。

基于多尺度top-hat变换的自适应彩色图像增强

针对传统彩色图像增强过程中的过度增强及空间变化所引起的信息丢失现象,在RGB空间提出一种基于数学形态学top-hat算法,以各分量标准差权重比例为调控因子的彩色图像增强方法。首先,提取R、G、B通道多尺度下的亮、暗细节特征,然后利用控制因子对有应用价值的细节特征进行增强,最后组合三个分量,得到增强的目标图像。实验结果表明,该方法能有效增强图像对比度,避免过度增强,且能很好地保持亮度,视觉效果良好。

一种新的基于彩色双边滤波的彩色图像增强方法

本文提出一种新的基于彩色双边滤波的彩色图像增强方法。该方法将彩色图像增强分为三部分:全局亮度调节、对比度增强和颜色恢复。全局亮度调节主要是对图像的整体亮度信息进行非线性调整,压缩图像的亮度动态范围;局部对比度增强主要是利用彩色双边滤波获得像素点所在邻域的背景亮度,由当前像素点的亮度与背景亮度之间的关系,通过非线性的方法增强图像局部对比度;最后通过颜色恢复算法恢复图像色彩。相关实验表明,本文所提方法可以获得很好的彩色图像增强效果。

基于暗原色先验模型的水下彩色图像增强算法

针对在水下环境中,光的散射和衰减导致水下光学成像质量严重下降,图像对比度低、颜色失真的问题,提出了一种暗原色先验和基于通道直方图量化的颜色校正算法相结合的图像增强新方法。对于待增强的水下彩色图像,建立水下光学图像成像模型,并利用优化与改进的暗原色先验算法对图像进行去模糊,通过分析R、G、B三通道的累积直方图,对去模糊后的彩色图像各通道灰度值进行量化,实现图像的颜色校正。实验结果表明,提出的方法可以有效地消除由于光的散射造成的图像模糊,有效提高了水下图像的视觉效果,恢复水下图像的颜色平衡。

一种基于高维形象几何理论的彩色图像增强算法

基于近年来发展起来的全新理论——高维形象几何与仿生信息学,提出一种彩色图像增强算法。本算法将彩色图像看作是高维空间的点,通过对多幅图片的分析,推导出点与点之间的内在联系,提出"模糊-再模糊-清晰"的增强算法,并由实验证明该算法对模糊图像的清晰化有很好的效果。

基于稳态遗传算法和Retinex理论的彩色图像增强算法

针对现有彩色图像增强算法的问题,提出了一种基于稳态遗传算法和Retinex理论的彩色图像增强算法.该算法首先把彩色图像从RGB颜色空间转换到HSI颜色空间,然后利用双线性差值和高斯函数滤波来分离光照分量,采用Beta函数实现亮度增强,最后通过稳态遗传算法来估算Beta函数的最优参数以实现彩色图像增强.仿真结果表明,该算法的图像增强效果明显优于CIEH算法和CIEGA算法.