基于三边滤波的HSV色彩空间Retinex图像增强算法

图像增强技术可以从对比度低、分辨率低等暗淡图中恢复原有图像信息并增强低动态范围图像的视觉效果,能从很大程度上改善图像清晰化程度.提出在HSV色彩空间下基于三边滤波的Retinex图像增强算法.该算法首先将传统的RGB空间上的处理转换到HSV空间.然后将三边滤波技术引入到亮度图像的提取阶段,可有效地降低图像高斯噪声、滤除脉冲噪声,同时又有效地保持图像边缘细节的特性.通过对三边滤波的滤波窗口进行角度倾斜,计算出像素"最佳"邻域范围且自动修改.引入了一个二值限制函数,进行"边缘限制性平滑"处理,从而进一步提高了图像边缘和特征的清晰度.将提取的亮度图像进行多尺度Retinex图像增强,使得图像信息更加准确恢复.最后将HSV空间转换到RGB空间,使得增强后的图像颜色得以保持.实验结果表明,该算法应用到图像增强处理中,处理后的图像在色彩得以保持的同时,细节信息也得到有效地突出,更有利于针对各种环境图像的更深入的理解和应用.

改进的超拉普拉斯约束的单幅图像去模糊算法

根据图像模糊产生方式的不同,研究人员将最为常见的模糊类型划分为离焦模糊和运动模糊两大类,而本文着重研究运动模糊的去除方法.在Krishnan和Fergus等人提出的基于超拉普拉斯先验的图像去模糊算法的基础上,本文给出了一种改进的基于超拉普拉斯约束的单幅图像去模糊算法.该算法主要分成三个处理步骤:在综合考虑图像边缘幅值和梯度的基础上,筛选出用于模糊核估算的图像子区域;对模糊核的稀疏性进行超拉普拉斯约束,快速且精确地估算出所需的模糊核信息;在对图像进行快速非盲反卷积复原阶段,原有的算法是用超拉普拉斯模型直接对图像梯度进行约束,而本文使用一种新的分布约束,从而生成了质量高,视觉效果好的去模糊图像.实验结果表明,本文算法可获得较好的图像去模糊效果,同时提高了去模糊算法效率.

邻域自适应暗原色先验的单幅图像快速去雾算法

经典暗原色先验去雾理论对于单幅雾天图像有较好的处理效果,但该算法处理halo效应的soft matting技术运行速度较慢.在暗原色先验算法基础之上,针对该算法的不足,提出邻域自适应的暗原色先验去雾的改进算法.算法首先利用暗原色先验原理估算出雾天图像透射率,在计算透射率的过程中引入邻域自适应的思想,在图像边缘的约束下对透射率图进行邻域自适应优化计算,得到了更合理的透射率估计值,使halo效应显著的减少,然后使用导向图滤波对优化后的透射率图再次优化,其中取更小的参数值就可以得到清晰无雾图像,速度得到了加快.实验结果表明,该算法应用到图像去雾处理中,从根本上避免"暗色扩张"现象的发生,而且在去雾效率方面有大大的提高.

一种快速的二维经验模式分解算法

作为分析非线性、非平稳信号的有效方法,经验模式分解将原始信号解析成不同时间尺度下的平稳的数据分量及趋势项集合.将其应用到图像处理领域,图像可以被分解成一系列的图像细节信息及趋势信息.这种层次式的图像表示形式,使得图像在融合、边缘检测、滤波及纹理分析等方面产生更优的结果.提出一种邻域限制顺序统计滤波器的快速自适应二维经验模式分解算法.算法在时域内对每次分解的最大邻域进行了限制,首先在最大邻域内计算出局部极大值点集和局部极小值点集,然后对局部极值点集采用基于顺序统计滤波器的包络估计算法来计算信号的上下包络.实验结果证明,本文算法具有较快的分解速度,有效的防止了灰度斑在分解结果中出现,同时具有较强的信号细节保持能力.