Novel Retinex algorithm by interpolation and adaptive noise suppression

In order to improve image quality, a novel Retinex algorithm for image enhancement was presented. Different from conventional algorithms, it was based on certain defined points containing the illumination information in the intensity image to estimate the illumination. After locating the points, the whole illumination image was computed by an interpolation technique. When attempting to recover the reflectance image, an adaptive method which can be considered as an optimization problem was employed to suppress noise in dark environments and keep details in other areas. For color images, it was taken in the band of each channel separately. Experimental results demonstrate that the proposed algorithm is superior to the traditional Retinex algorithms in image entropy.

融合眼视觉和改进多尺度Retinex的矿岩裂隙图像增强

准确有效地检测出矿岩裂隙对于实现矿岩体稳定性分析具有重要作用。针对深度网络对低光照条件下采集的低分辨率图像存在特征提取不充分的问题,提出了一种融合人眼视觉和改进多尺度Retinex的矿岩裂隙图像增强算法。首先,结合人眼视觉特征和小波变换算法对采集的矿岩裂隙低分辨图像进行预处理;然后,采用改进的多尺度Retinex算法从光照分量和反射分量方面估计噪声,并排除其对图像的干扰;最后,利用CBAM (Convolutional block attention module)注意力机制强化去噪后的图像在通道和空间维度的表达能力,实现矿岩裂隙图像低分辨图像增强。试验结果表明:与传统的Retinex算法相比,改进的多尺度Retinex模型能够更好地提取图像细节信息,并且在保持自然观感的同时,增强了图像对比度,使得裂隙更加清晰可见。

结合灰度世界和Retinex的低照度图像增强算法

针对图像增强处理中亮度偏低、细节模糊、色彩失真等问题,提出了一种基于Gabor滤波的多尺度Retinex与自适应补偿的灰度世界理论结合的图像增强算法.通过双伽马函数预处理图像暗区对比度并抑制亮区过增强;考虑Gabor滤波良好的方向选择性和纹理细节敏感度,将其作为多尺度Retinex算法的中心环绕函数在双曲正切域上进行卷积来突出细节,并添加增益偏移算子动态地调整反射分量的亮度;最后使用自适应补偿的灰度世界算法进行色彩保持和校正,得到最终的输出图像.实验结果表明该算法在结构相似性、标准差和平均梯度上比对比算法的平均值分别高出47%、38%和50.3%,处理后的图像在提高亮度、突出细节的同时保持了较高的色彩度.

基于改进多尺度Retinex理论的海上图像去雾算法

针对传统去雾算法在海雾环境下处理得到的图像细节丢失、亮度偏暗及色彩失真等问题,提出了一种基于Retinex理论的海上图像去雾算法。首先,将图像转换到HSV空间,通过改进的多尺度Retinex增强算法对V通道单独处理获得照射分量。其次,将照射分量经过对数运算获得反射分量,与归一化处理后的H和S通道合并获得图像基础层。最后,通过引导滤波获得图像细节层,并与基础层合并进行自动白平衡处理,得到最终结果图像。试验证明,与暗通道先验算法及传统多尺度视网膜增强算法相比,提出的算法在标准差、平均梯度、峰值信噪比及结构相似性等评价指标方面均有所提升,海雾图像去雾质量得到有效增强,对提高海雾环境下船舶通航效率具有重要意义。

基于Retinex和Gamma变换的低照度图像增强方法

为均衡增强低照度图像的同时,保留其更多的细节信息,提出一种改进Retinex低照度图像增强算法.该算法基于HSV(Hue,Saturation,Value)颜色空间,对分离出的明度分量和饱和度分量进行增强.首先,使用限制对比度自适应直方图均衡化(Contrast Limited Adap-tive Histogram Equalization,CLAHE)优化明度分量,使图像更接近均匀光照场景,并使用自适应Gamma对饱和度分量进行校正.然后,采用三维块匹配滤波(Block-matching and 3D Filter-ing,BM3D)算法对光照分量进行估计,并求得相应的反射分量,提出一种改进Gamma变换函数,依据光照分量信息对明度分量进行增强,同时,采用Gabor滤波器和Canny算法对原图进行细节提取,提出一种细节增强策略,对反射分量及其纹理细节进行增强.最后,将各分量进行加权融合,再将增强图像变换回RGB空间.实验结果表明,所提算法相较于自动色彩均衡、自适应局部色调映射、低光照图像增强、带色彩恢复多尺度视网膜增强算法有更好的增强效果和普适性,且原图经过增强后,信息熵、峰值信噪比、结构相似性指数、图像质量指数、平均梯度有显著提升,均方根误差显著下降.

基于Retinex增强的多尺度分解的红外与可见光图像融合算法

针对传统红外与可见光图像融合算法在低照度条件下融合结果对比度差、目标边际模糊、背景细节信息丢失等问题,提出一种基于Retinex增强的多尺度分解的红外与可见光图像融合算法。首先,利用Retinex对弱可见光图像进行单尺度Retinex(SSR)算法信息增强处理;其次,利用交叉双边滤波对源图像进行多尺度分解,先后得到图像的基层图像信息和细节层图像信息,对基础层图像采用绝对值取大策略和引导滤波相结合的融合方法,对细节层图像采用构建权重图和显著图的融合方法;最后,将处理后的基础层图像和细节层图像加权得到融合图像。从主观分析来看,本文方法可以有效提取和融合源图像中的重要信息,得到融合质量高、视觉效果自然清晰的图像。从客观评价来看,多组图像融合结果表明,本文所提方法的AG、SF、CE和FMI指标均较好。

基于多尺度Retinex算法的电力巡检可见光遥感图像去雾自动化增强

电力巡检可见光遥感图像往往受到大气层粒子的影响,而大气环境的不稳定性对于图像的去雾过程有着较大的影响,导致处理后图像的峰值信噪比水平不高。为了缓解这一问题,提出了基于多尺度Retinex算法的电力巡检可见光遥感图像去雾自动化增强方法。根据可见光遥感图像的成像原理建立大气散射模型。滤波处理后,采用二维傅里叶变换的方法分离雾区像素点,并通过非线性映射处理实现去雾过程。在此基础上,引入多尺度Retinex算法实现图像的自动化增强处理。经过测试可知,该方法在实践应用中表现出了较高的峰值信噪比水平,图像处理质量较高,满足了电力巡检可见光遥感图像的应用分析需求。

基于改进Retinex算法的海底地貌图像增强方法

为获取更清晰的海底地貌图像,研究基于改进Retinex算法的海底地貌图像增强方法。使用高斯低通滤波器进行低频入射分量的卷积操作,计算图像带色彩恢复输出值;构造一般表现形式,得到像素区域内对数修正的输出值;基于多尺度Retinex算法对色彩对比度进行增强处理;计算亮度值以及图像的入射分量,对海底地貌图像进行光照补偿;改进Retinex算法,实现海底地貌图像增强。由对比处理图像结果可知,所提算法的增强图像亮度更均匀、色彩更饱满且细节纹理更清晰。在客观参数对比中,所提算法对比度、清晰度以及信息熵也高于其他图像,有效提高了图像清晰度。

基于改进Retinex算法的无人机影像去雾方法

针对传统的Retinex去雾算法处理有雾影像后存在色彩失真、去雾效果差等问题,对传统的算法进行了优化,提出一种改进Retinex算法的无人机影像去雾方法。首先,统计经过Retinex对数运算后的灰度分布情况,其次,使用改进白平衡算法对灰度值重新运算,最后,结合灰度世界和完美反射算法校正了无人机影像的色差。实验结果表明,该算法降低了色彩失真,使影像的细节更丰富,与其他算法相比,该算法评价指标整体提高,是一种有效的无人机影像去雾算法。

基于暗原色先验模型的Retinex算法

现有雾天图像增强的Retinex算法采用固定滤波器,无法适应多种景深和雾化程度的情况.对此,本文提出一种基于暗原色先验模型的Retinex算法.暗原色先验模型反映了雾天图像中雾的分布与景深信息.受此启发,根据局部区域暗原色值设计一种尺度可变滤波器,针对不同景深和雾化区域采用不同尺度的滤波器估算雾天图像的照度分量,实现对雾天图像的增强.分别使用主观观察和客观数据分析方法,将本文算法与HE算法、固定尺度MSR算法进行对比,本文算法在细节增强以及图像整体效果上均优于HE算法和固定尺度MSR算法.

滤波器可变的Retinex雾天图像增强算法

针对现有中心环绕Retinex图像增强算法滤波器固定,不能对雾天图像有效地同时增强细节与色彩保真的问题,提出一种滤波器可变的Retinex图像增强算法.首先根据雾天图像雾化程度的分布特征得到滤波参数的阈值;然后将原图中每一子块的局部信息与阈值信息作差运算得到相应的滤波器,由此计算出该子块的入射分量,并通过部分重叠策略平移子块完成对整幅图像的入射分量估计;最后将原图减去整幅图像的入射分量得到反射分量,实现对图像的增强.通过主观观测和客观评价的结果表明:该算法比现有的中心环绕Retinex算法在细节增强和颜色保真方面具有更好的效果.

改进直方图均衡和Retinex算法在灰度图像增强中的应用

为了提高光照条件变化下的图像增强效果,提出一种改进直方图均衡和Retinex算法的图像增强方法。对于待增强灰度图像,通过理想低通滤波获得图像低频分量,采用改进直方图均衡进行动态范围优化,利用引导图像滤波代替Retinex算法的高斯滤波对图像的高频分量进行估计,并对估计的结果进行线性放大处理。实验结果表明,相对单尺度和多尺度Retinex算法以及改进的直方图均衡化算法,提出的方法从主观和客观评价方面都获得了更好的图像增强效果,有效提高了图像的视觉效果和可懂度,并具有较强的鲁棒性。

基于单尺度Retinex算法的非线性图像增强算法

提出一种改进的Retinex算法——基于单尺度Retinex的非线性图像增强算法.不同于经典的Retinex算法用复杂的运算估计亮度图像,该算法首先对亮度图像进行粗估计,然后通过非线性运算在反射图像中对粗估计的亮度图像进行补偿.实验结果表明,所提出的算法同经典的Retinex算法相比,无论在增强效果还是在处理时间上都具有更大的优越性.

改进单尺度Retinex的光照人脸识别

经典Retinex算法假设场景中光照是平缓变化的,当光照变化比较强烈时,易产生"光晕"现象,为了提高光照条件变化下的人脸识别率,提出一种改进单尺度Retinex的光照人脸识别方法。采用双曲正切函数代替Retinex的对数函数对人脸图像进行亮度和对比度非线性增强;利用双边滤波代替Retinex的高斯滤波消除"光晕",采用Retinex消除光照不利影响,采用K近邻算法建立人脸分类器。结果表明,改进Retinex降低了时间复杂度,图像增强效果优于同类算法,提高了人脸识别率,很好地解决了"光晕"问题,具有光照鲁棒性,可适用于光照变化较强条件下的人脸识别。

基于小波分析和Retinex算法的图像增强算法

为了改善图像增强效果,提高图像质量,提出一种基于小波分析和Retinex算法的图像增强算法(WA-Retinex).先采用小波分析对图像进行多尺度分解,去除图像中的噪声;再采用Retinex算法对图像细节信息进行增强,并引入更符合人眼视觉特性的拟合函数拓宽图像灰度范围;最后通过仿真实验对其有效性和优越性进行分析.实验结果表明,该算法明显改善了图像的整体视觉效果,能更好地刻画图像细节信息,性能优于现有的一些经典Retinex算法.

基于人眼视觉特性的Retinex算法研究

根据感受野机制,人眼对场景中各点的感知程度是呈同心圆拮抗式的高斯分布。受此启发,本文提出一种基于人眼视觉特性的Retinex算法,即同心圆拮抗式Retinex算法。该算法在以待处理点为中心的同心圆区域使用高斯分布对像素点进行采样,计算样本中的最亮点,并将该点与处理点进行亮度比较,计算出物体的反射分量。该算法有效解决了基于路径Retinex算法中,对路径强烈依赖和无法获取尽可能多邻域信息等问题,避免了中心环绕Retinex算法中存在的全局性较差的问题。实验结果表明,本文算法在全局和局部上,都有很好的增强效果和色彩保真性,同时也避免了"光晕伪影"。

焦点引导的带颜色恢复的多尺度Retinex算法

针对低照度下高动态范围图像在应用多尺度Retinex算法进行图像增强时,易出现光晕现象和颜色失真等问题,提出了一种可以由焦点引导的带颜色恢复的多尺度Retinex(FgMSRCR)算法。通过自底向上视觉注意模型对低照度下高动态范围图像进行焦点提取,保留于相异焦点集中,对整幅图像应用带色彩恢复的多尺度Retinex算法(MSRCR)进行图像增强,再对焦点区域进行保持亮度和颜色比例的增强,利用高斯平滑滤波器完成图像增强任务。实验结果表明,与常见的图像增强算法和其他Retinex算法相比,该算法能够在保持颜色恒常的前提下有效地克服光晕现象。

基于自适应特性二维经验模式分解的Retinex彩色图像增强

提出一种彩色图像自适应增强方法:将图像从RGB色彩空间转化到HSV色彩空间并保持H分量不变,对亮度分量V通过自适应特性二维经验模式分解(ABEMD)估算其照度分量,再根据中心/环绕Retinex算法计算出反射分量,对照度和反射分量分别应用Gamma校正和Weber定律,并进行加权运算,基于全局特性自适应地调整S分量,并将图像从HSV色彩空间转化回RGB色彩空间。最后利用主观和客观的方法对实验结果进行了评价,实验表明了该算法在均值、方差、信息熵和清晰度方面均优于MSR算法和Meylan的算法。

一种改进的Retinex彩色图像增强方法

传统Retinex算法在对彩色图像进行增强时,容易产生光晕以及处理后图像整体对比度较低等问题.为此提出了一种改进Retinex的图像增强方法,该方法采用三高斯模型和高斯滤波相结合的双边滤波对照度分量进行估计;然后在提取反射分量时,引入原始图像亮度影响因子实现区域自适应增强;最后进行归一化调整和彩色图像恢复,实现图像增强.实验结果表明,该方法能够在增强图像的同时,有效抑制光晕,提高图像的整体对比度.

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。