基于自适应Retinex算法的煤矿低光照图像增强研究

针对煤矿井下图像由于光照不均以及粉尘等因素影响,造成采集图像亮度、对比度不足等问题,提出了一种基于自适应Retinex算法的煤矿低光照图像增强算法。首先将图像分解为光照图和反射图,并采用Unet网络提取多尺度图像特征,引入控制因子抵消多尺度带来的影响,有效提高了图像质量。然后将图像梯度作为调节因子,自适应调整多尺度算子,并引入重构损失和去噪模块抑制图像增强过程中产生的噪声。试验结果表明:所提算法在峰值信噪比和结构相似性方面优于部分现有算法,充分证明了该方法的有效性。

基于色彩衰减补偿和改进的Retinex水下图像增强

针对水下图像通常受到色偏、噪声和细节模糊的影响,且难以适应于各类视觉任务的问题,本文提出一种基于色彩衰减补偿和改进的多尺度Retinex的水下图像增强方法。首先针对水下图像出现色偏的问题,将水下图像分离为强、中、弱3个通道,且分别对3个通道进行不同尺度的颜色补偿,其次通过改进的多尺度Retinex算法增加边缘细节和对比度,在估计图像的光照分量时,用引导滤波替换高斯滤波,最后结合自适应伽马函数对光照分量进行校正。实验结果表明,本文方法能够有效改善不同场景下水下图像出现的色偏问题,能够提高对比度的同时增加图像细节,让水下图像的质量得到明显提升。

改进的单尺度Retinex雾天图像增强算法

在恶劣天气(如雾、霾)条件下,室外计算机视觉系统会采集到严重降质的图像,为生产、生活带来了严重的影响。本文基于色彩恒常理论提出了一种快速有效的雾天图像增强新算法,首先利用拉普拉斯梯度算子增强了雾天降质图像的各个颜色分量的边缘信息,然后在单尺度Retinex算法的基础上创新性提出了一种符合人眼视觉特性的中心自适应调节的拟合函数增强图像各个颜色分量,提高对比度,保持色彩信息。同时结合对比度、信息熵和运算时间等客观评价标准,与直方图均衡化和多尺度Retinex算法进行对比,验证了本算法优越性,并能满足实时处理的需求。实验仿真结果表明,该算法去雾效果显著,具有良好的视觉欣赏效果。

基于多尺度Retinex的自适应图像增强方法

介绍了一种基于MSR的自适应图像增强的方法,能够较好地自动处理由于云雾、雨天等天气原因和光照不足导致的景物不清、视觉质量差和对比度低的图像,提升多种类型的图像视觉质量。通过对实验的结果以及算法的普适性进行比较和分析,证明了该方法是有效的。

改进的多尺度Retinex图像增强算法

针对多尺度Retinex算法在图像增强的过程中,存在着算法运算量大的问题,提出了一种基于快速二维卷积和多尺度连续估计的算法。该算法充分利用二维图像高斯卷积的可分离性和多尺度照射光连续估计的可行性,降低了Retinex算法的复杂度。同时对于增强后图像色彩容易失真的现象,提出了一种去极值的直方图裁剪法,用于保持图像色彩信息和提高对比度。实验结果表明,这些改进可以有效提高算法运行速度和改善图像增强效果。

消除光晕和细节增强的多尺度Retinex红外图像增强

针对传统Retinex算法处理红外图像存在光晕伪影和细节增强不足的缺点,本文提出一种消除光晕和细节增强的Multi-scale Retinex(MSR)红外图像增强算法。首先,以局部方差和局部复杂度构造引导滤波的自适应平滑增益,然后,采用改进的引导滤波核函数估计照度分量,在对数域对多尺度Retinex数学模型求解,获取消除光晕和细节保持的多尺度反射分量。最后,为进一步增强细节和提升亮度,对反射分量依灰度等级进行自适应增强,并通过偏移调整和Gamma校正改善图像亮度,得到最终增强图像。实验结果表明,本文算法相对其它的Retinex增强算法,可有效地消除光晕现象,突出细节,可获得视觉效果良好的增强结果。

基于Shearlet变换和多尺度Retinex的遥感图像增强算法

传统的小波变换、曲波变换和轮廓波变换无法对图像提供最优的稀疏表示,不能取得好的增强效果,为此,提出了一种基于剪切波(Shearlet)变换的图像增强算法。经Shearlet变换,图像被分解成低频分量和高频分量。首先,对Shearlet变换分解后的低频分量进行多尺度Retinex(MSR)调整,以减轻光照条件对图像的影响;其次,对各尺度、各方向上的高频系数采用阈值抑噪来消除噪声;最后,对重构图像进行模糊对比度增强,提高图像的整体对比度。实验结果表明该算法能够明显改善图像的视觉效果,突出图像的纹理细节且具有良好的抗噪性能。与直方图均衡(HE)、MSR、基于非下采样轮廓波变换(NSCT)的图像模糊增强(NSCT_fuzzy)算法相比,图像清晰度、信息熵、峰值信噪比(PSNR)均有一定的提高,且运行时间缩短为MSR的1/2和NSCT_fuzzy的1/10左右。

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。

基于CUDA的多尺度Retinex图像增强算法实现

多尺度Retinex图像增强是一种基于色彩恒定理论的图像增强算法,算法增强效果好,但随着图像分辨率的提高计算时间显著增加。分析并利用计算统一设备架构(CUDA)图形处理器(GPU)的并行处理特性,提出了一种基于CUDA的多尺度Retinex图像增强并行算法,将多尺度高斯滤波、对数空间差分和动态范围压缩等计算非常耗时的模块采用并行方式放在GPU中进行计算。实验结果表明所提算法能显著提高计算速度,随着图像分辨率的增加,最大加速比超过100倍。

多尺度Retinex算法在红外图像增强中的应用

应用改进的多尺度Retinex增强算法,对低能见度的红外图像进行图像增强,提高了原图像的对比度和像质,得到了目标区域的最佳视觉效果。理论分析和实验结果表明,该算法与维纳滤波、同态滤波等算法相比,有效地抑制了背景和噪声。该算法对红外图像增强后,图像对比度比前两种算法的对比度强。

改进的多尺度Retinex算法及其应用

在经典的多尺度Retinex算法中对Retinex输出采用一个常数增益,使图像在平滑区域和高对比度边缘出现过增强,导致噪声放大和边缘晕环。针对该问题,提出改进MSR算法,对Retinex输出采用自适应空间变化增益,平滑区域和高对比度边缘增益小,细节区域增益大,并且小尺度Retinex输出不同区域增益差大,而大尺度Retinex输出不同区域增益差小,从而使图像细节更清晰,同时场景轮廓和颜色呈现更自然。将该算法用于受到严重退化的雾天图像,能取得较好的图像去雾效果。

多尺度Retinex方法在车辆胎痕图像增强方面的应用

轮胎印痕图像增强是进行车辆胎痕图像特征点提取及匹配最为关键的预处理阶段。以一次事故中现场拍摄衣物上的轮胎痕迹为研究对象,针对一些传统的图像增强方法的不足,提出了基于多尺度Retinex轮胎痕迹增强方法。为了进行对比,实验中还引入单尺度Retinex算法。实验结果表明:算法能提高胎痕图像对比度且能显著增强图像细节,且较单尺度的Retinex算法,在实现压缩动态范围的同时具有较高的色彩保真度,得到了期望的图像效果。

Retinex彩色图像增强理论的物理思考及其截断区间对图像质量的影响

指出了Retinex彩色图像增强理论的物理意义,在对数空间中,将原图像减去高斯函数与原图像的卷积,其物理本质是除去了原图像中的平滑的部分,突出了原图像中的快速变化的部分,而且高斯函数越尖锐,越是突出图像中的细节,高斯函数越平坦,图像色调保持得越好,多尺度Retinex综合了不同高斯函数与原图像进行卷积的优点。研究了多尺度Retinex标准差截断法,结果是,以多尺度Retinex处理后的图像强度在其平均值附近1倍标准差截断后再拉伸得到的图像,普遍好于以2倍、3倍标准差截断后再拉伸得到的图像。

多尺度Retinex模型的肝脏超声图像增强算法

基于多尺度Retinex(Multi-scale Retinex,MSR)模型的图像增强方法是一种基于人眼视觉原理的图像增强方法,能同时有效实现图像的动态范围压缩和颜色保真。本文融合Retinex理论,采用3个尺度的Retinex算法对肝脏超声图像进行增强处理,提取经MSR算法增强处理后的正常肝脏和脂肪肝图像的灰度均值、对比度和信息熵参数,并与直方图均衡化算法、同态滤波算法进行对比。实验结果表明:肝脏超声图像经MSR算法增强处理后,提高了图像特征参数(对比度、信息熵)的区分度,增强了图像暗区的对比度和清晰度,改善了图像视觉质量,能有效辅助临床诊断。

基于Retinex和SURF的医学图像配准与拼接

针对医疗成像设备拍摄范围受限,以及医学图片受电子噪声和射线本身易散射、照度不均等复杂因素影响干扰医生诊断病情的问题,提出了基于Retinex和SURF的医学图像配准与拼接算法。算法首先通过三边滤波器改进多尺度Retinex方法增强图像,利用相位相关互功率谱快速估计重叠区域,减少配准范围;接着通过SURF局部特征提取算法提取特征点并精确提纯,建立图像变换矩阵实现拼接;最后针对接缝明显的现象,利用提升小波变换多分辨率融合算法进一步对图像进行融合处理,使得图像接缝过渡平滑自然。实验及质量评价标准的结果证实,新方法处理的医学图像配准与拼接对复杂环境有较高的鲁棒性。

基于照度分割的局部多尺度Retinex算法

针对现有多尺度Retinex图像增强算法采用线性加权的方法来综合各个单尺度Retinex增强效果,不能很好地体现出各个尺度在色彩保真和细节增强上的特点与优势,本文提出一种新的基于照度分割的局部多尺度Retinex图像增强算法.该算法首先通过引入带参数的LIP模型将图像分解成四个照度区域,然后对各区域根据照度的差异采用相应尺度的Retinex算法进行增强,最后通过基于面积的比例因子对各增强后子图进行照度融合,实现图像增强.实验结果表明,与现有多尺度Retinex算法相比,本文算法在图像亮度保持和细节增强上,处理效果较好,在色彩方面也有较好的效果.

一种基于多尺度Retinex算法的图像去雾方法

在有雾天气条件下拍摄的图像,由于大气的散射作用,导致图像的内容模糊不清,对比度下降,给交通系统及户外视觉系统的应用带来严重的影响。通过改进大气物理退化模型,在多尺度Retinex算法MSR(Multi-Scale Retinex)的基础上,提出一种新的去雾方法。该方法根据雾天成像机理对图像建立模型,再根据MSR算法对建模后的图像进行处理。实验表明,该方法能有效去除雾化效果,实现彩色退化图像的复原。

使用类似Retinex方法增强数字医学图像

数字医学图像有其特殊性,为便于医生的正确诊断,需要对图像进行增强处理。根据数字医学图像的特点,提出了类似Retinex方法。该方法采用梯度和context构成的平滑函数平滑图像,利用类似Retinex原理增强图像,并对增强后的图像施行二次变空间拉伸。实验及主客观分析表明:该方法对数字医学图像增强的综合效果明显优于直方图均衡、同态滤波和多尺度Retinex方法。

一种多分辨多尺度的Retinex彩色图像增强算法

针对Retinex算法的缺点与不足,提出了一种改进的中心/环绕函数,以及图像增强分辨度概念。利用Retinex算法中图像增强分辨度与尺度之间对图像增强效果的互补特性,提出了多分辨多尺度的Retinex(Multi-Resolution and Multi-Scale Retinex,MRMSR)彩色图像增强算法。实验过程中,采用图像质量主观评价法和图像质量客观评价法相结合的方式,对多幅彩色图像进行了算法验证,并与MSR、MSRCR等算法进行比较。实验表明,MRMSR算法具有较好的图像增强效果,其图像增强效果明显优于其他算法,并能够有效地降低尺度对图像增强的影响。

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。