水下彩色图像的亮度通道多尺度Retinex增强算法

水体散射使得水下光电成像所获得的图像存在较为均匀的散射光分布,降低了水下图像的清晰度和可观察景深,减小水体散射光的影响是提高水下光电成像质量的重要途径。论文基于Retinex理论,将水体散射效应等效为环境光照的变化,通过水下彩色图像亮度通道下的多尺度Retinex(MSR)算法处理,有效地减小水体散射效应,提高所获图像中水下目标的真实性。实验表明,MSR算法能对含有不同程度水体散射效应的水下彩色图像进行全局视觉效果提升,更清晰地突出物体的细节并获得较鲜艳的色彩表现。

基于改进小波阈值函数和全尺度Retinex的红外图像融合增强算法

针对现有红外图像增强算法存在信噪比低、细节模糊、清晰度差等问题,本文提出基于改进小波阈值函数和全尺度Retinex的红外图像融合增强算法。首先,为克服尺度参数固定和光线散射导致红外图像退化的问题,利用大气透射率得到Retinex尺度参数的全尺度映射图,从而有效提高图像的清晰度,并将输入图像和使用全尺度Retinex处理后的输入图像作为算法的第一个输入和第二个输入。其次,为解决传统小波阈值函数在图像降噪过程中存在伪影、细节丢失等问题,设计改进小波阈值函数,通过引入尺度因子,在计算每层高频子图小波系数后,能根据该层数自适应调整尺度因子,并引入调节因子,结合指数函数,使该函数不仅能抑制高频子图噪声,还能极大程度保留细节信息。然后,使用小波图像融合的方式融合输入的高频子图和低频子图,进一步提高输出图像的纹理细节。主客观仿真结果表明,所提算法比其它对比算法具有更好的降噪和细节突出能力,并能提高红外图像的人眼视觉效果。最后,本文算法应用于红外成像模块采集的红外图像增强,效果良好,表明本文方法具有实用性。

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的低照度公路交通图像增强算法

针对公路场景下的视频监控系统与其他图像采集设备常常受到环境因素的影响,使得采集到的图像呈现出低照度、低对比度、不清晰等缺点,不利于后期对交通运行状态的识别等。因此,本文提出一种基于二维gamma函数改进的多尺度Retinex的低照度公路交通图像增强算法。首先,采用引导滤波将原始低照度公路交通图像分为基础图像与细节图像后加权融合,获得对比度增强图像;然后在HSV颜色空间下,采用本文改进的算法校正亮度分量,获得亮度增强图像;最后多尺度融合对比度增强图像与亮度增强图像,得到最终增强图像。实验结果表明,本文算法能够有效提升公路交通图像的亮度、对比度与清晰度,适用于公路场景的视频监控系统与图像采集设备。

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。

基于多尺度梯度域引导滤波的煤矿井下图像增强方法

煤矿井下图像存在较严重的光照不均匀和噪声干扰,现有基于Retinex的方法直接应用于煤矿井下图像增强易出现光晕伪影、边缘模糊、过增强和噪声放大等问题。针对上述问题,提出了一种基于多尺度梯度域引导滤波的煤矿井下图像增强方法。首先,将多尺度思想引入梯度域引导滤波中,实现对非均匀光照的准确估计,有效解决了增强图像时光晕伪影及边缘模糊的问题。然后,利用Retinex模型分离出光照分量和反射分量:对于光照分量,通过自适应伽马校正函数逐像素地修正光照信息,实现对图像暗区域增强的同时,抑制亮区域过增强,并使用限制对比度自适应直方图均衡化方法调整图像对比度;对于反射分量,将梯度域引导滤波与多尺度细节提升相结合,在准确去除噪声后提升纹理细节,避免了增强图像时噪声放大的问题。最后,将处理后的光照分量及反射分量融合,计算图像增益系数,并使用线性色彩恢复方法实现对原始RGB图像的逐像素增强,提升方法处理效率。实验结果表明,从主客观角度与现有方法相比,经所提方法处理后的图像在色彩保持、对比度、噪声抑制、细节保留等方面均取得了较好的增强效果,同时处理效率较高。

考虑多尺度纹理特征的红外传感图像频域增强

红外传感图像质量容易受探测器和传输距离影响,导致图像亮度和对比度较低、轮廓细节模糊等问题。为此,提出了考虑多尺度纹理特征的红外传感图像频域增强方法。引入残差学习策略,基于多尺度纹理特征搭建多尺度卷积神经网络模型,进行图像去噪。对去噪后图像进行傅里叶变换,获取红外传感图像的低频图像和高频图像。针对低频图像部分,调节图像灰度和对比度以增强低频分量。针对高频图像部分,利用Log算子和Laplace算子增强图像细节及边缘。加权融合两者处理结果,选取Gamma校正调节对比度,增强高频分量。融合两种增强后图像,实现红外传感图像频域增强。实验结果表明,该方法峰值信噪比高于43,信息熵大于8,边缘强度超过82,对比度熵大于8.1,平均梯度大于8。

基于多尺度对比度增强和跨维度交互注意力机制的红外与可见光图像融合

针对目前红外与可见光图像融合存在特征提取不足、融合图像目标区域不显著、细节信息缺失等问题,提出了一种多尺度对比度增强和跨维度交互注意力机制的红外与可见光图像融合方法。首先,设计了多尺度对比度增强模块,以增强目标区域强度信息利于互补信息的融合;其次,采用密集连接块进行特征提取,减少信息损失最大限度利用信息;接着,设计了一种跨维度交互注意力机制,有助于捕捉关键信息,从而提升网络性能;最后,设计了从融合图像到源图像的分解网络使融合图像包含更多的场景细节和更丰富的纹理细节。在TNO数据集上对提出的融合框架进行了评估实验,实验结果表明本文方法所得融合图像目标区域显著,细节纹理丰富,具有更优的融合性能和更强的泛化能力,主观性能和客观评价优于其他对比方法。

基于Retinex和HSV颜色空间的低照度图像增强算法

针对低照度图像存在的对比度低、颜色失真、细节信息损失、噪声干扰等问题,提出一种基于Retinex的改进算法。首先,将原始图像转换到HSV颜色空间,采用改进算法和Gamma校正对V分量进行亮度调节;其次,基于对比度拉伸算法调整S分量,增强图像饱和度和对比度;最后,将融合后的图像转换回RGB颜色空间,输出图像。在MATLAB平台上选取不同场景低照度图像进行增强处理,采用图像信息熵(IE)、峰值信噪比(PSNR)和结构相似性指数(SSIM)三个客观指标进行均值对比,实验结果表明,新算法计算结果均优于传统的直方图均衡化算法(HE)和多尺度Retinex算法(MSR),有效保持图像边缘信息,提升图像质量。

基于多尺度残差注意力网络的水下图像增强

针对水下图像由水的散射、吸收引起的色偏、色弱、信息丢失问题,提出了一种基于多尺度残差注意力网络的水下图像增强算法。该网络引入了改进的UNet3+-Avg结构与注意力机制,设计出多尺度密集特征提取模块与残差注意力恢复模块,以及由Charbonnier损失和边缘损失相结合的联合损失函数,使该网络得以学习到多个尺度的丰富特征,在改善图像色彩的同时又可保留大量的物体边缘信息。增强后图像的平均峰值信噪比(PSNR)达到23.63 dB、结构相似度(SSIM)达到0.93。与其他水下图像增强网络的对比实验结果表明,由该网络所增强的图像在主观感受与客观评价上都取得了显著的效果。

多尺度Retinex的光学相干层析图像增强研究

针对光衰减导致光学相干层析图像局部图像对比度下降的问题,提出了基于多尺度Retinex的光学相干层析图像增强方法。采用图像光照补偿的方法完成光学相干层析图像增强,选取多尺度Retinex算法在三个尺度条件下确定高斯滤波系数;利用高斯滤波系数对光学相干层析图像实施卷积处理,对灰度值结果实施加权平均处理,并采用分段线性平移与压缩方法对加权后灰度值实施映射,实验结果显示该方法可显著提升图像的颜色与对比度质量,有效解决了后向散射的问题,获取较好的光学相干层析增强效果。

基于Retinex先验引导的低光照图像快速增强方法

低光照图像增强旨在提高在低光照环境下所采集图像的视觉质量.然而,现有的低光照图像增强方法难以在计算效率与增强性能之间达到很好的平衡,为此,提出一种基于Retinex先验引导的低光照图像快速增强方法,将Retinex模型与Gamma校正相结合,快速输出具有对比度高、视觉效果好和低噪声的图像.为获取具有良好光照的图像以引导确定与输入图像尺寸大小一致的Gamma校正图,提出基于Retinex模型的先验图像生成方法.针对所提先验图像生成方法在极低光照区域中存在颜色失真的问题,提出一种基于融合的Gamma校正图估计方法,采用反正切变换恢复极低光照区域的颜色和对比度,以提升Gamma校正图在极低光照区域的增强性能.为抑制输出图像的噪声,考虑到完全平滑的Gamma校正图不会平滑细节纹理的特点,提出基于域变换递归滤波的Gamma校正图优化方法,降低输出图像噪声的同时保持颜色和对比度.实验结果表明,所提方法不仅在主客观图像质量评价上优于现有大多数主流算法,而且在计算效率上具有十分显著的优势.

基于多尺度多直方图融合的红外图像增强映射方法

如何在尽可能地保留原始图像信息的同时,将红外探测器采集到的高动态范围(HDR)数据压缩成细节突出、对比度高、背景噪声小的可观测低动态范围图像,一直是红外技术研究的一个难点。针对此问题,提出了基于多尺度多直方图映射融合的红外图像增强映射方法,该方法首先采用全局线性变换和多尺度窗口的CLAHE对HDR红外图像进行分别映射,再基于局部显著度和动态范围特征自适应计算权重,完成多直方图映射结果融合以解决场景适应性问题,同时在权值计算中利用引导滤波优化融合权重,最后通过灰度域的高斯核函数实现自适应细节增强。实验结果表明,与其他方法相比,所提方法能有效增强图像对比度、丰富图像细节、降低背景噪声,且具有较强的场景适应能力。

跨尺度蒸馏特征感知的轻量化水下图像增强

水下图像增强技术能够提升水下图像的质量和可视性,在丰富数字媒体资源、水下探测、水下通信等领域具有重要应用价值。近年来,深度学习方法在水下图像增强方面取得了显著的效果。然而,现有的方法计算复杂度高,限制了它们在计算资源有限的场景中的使用。针对这一问题,提出了一种轻量化的水下图像增强方法,该方法基于跨尺度深度蒸馏特征感知,采用U型网络结构,在保证非线性抽象层级抽取的同时,大幅减少了模型参数量。实验结果表明,所提出方法在视觉效果和客观评价指标上均取得了具有竞争力的结果。

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.

结合坡度增强与多尺度注意力的滑坡检测算法

遥感影像滑坡区域快速精确识别在灾害应急响应、防灾减灾等方面发挥重要作用。传统滑坡区域遥感影像目视解译高度依赖人力、经验等,导致处理效率较低,难以满足快速响应需求。为此,文中提出一种结合坡度增强机制与多尺度注意力机制(SMARDN)的多源遥感影像滑坡自动检测算法,对多源数据进行特征提取与分割,高效生成滑坡检测二值图。在该模型框架下,提出多尺度注意力模块进行地物目标的尺度差异化特征提取与特征映射权重校准;充分考虑坡度影像与滑坡图的强相关性,提出坡度增强机制,强化坡度信息挖掘与特征重用;采用交叉熵与Dice联合损失函数对网络模型训练进行约束,提升模型分割精度。文中采用LandSlide4Sense多源数据集对提出的滑坡检测模型进行验证。定性实验表明,SMARDN网络在中分辨率多源数据上的滑坡检测能力优于主流滑坡检测方法,表明文中方法能更精准地刻画滑坡区域。定量实验表明,相较于经典Unet网络,文中方法在IoU和F 1分数两项定量指标上分别提升4.31%和3.33%,具有更高的滑坡检测精度。

基于多尺度融合与USM的蒙古族家具纹样增强研究

为提高蒙古族家具纹样图像的全局对比度、颜色和精细细节,提出了一种基于改进的多尺度融合和USM的图像增强算法。首先对图像采用非锐化掩模技术增强纹样的细节区域,在此基础上进行白平衡处理,然后根据对比度的需求定义权重,最后进行多尺度融合能更好地体现出图像中有价值的信息和样式。结果表明:该算法能突出纹样的细节部位,图像颜色更加自然直观,有效地增强了蒙古族家具纹样的图片;该方法可为缺失纹路的蒙古族家具纹样复原提供技术支撑,同时对蒙古族家具纹样的保护具有重要意义。

基于锚框自适应和多尺度增强的SAR舰船检测

针对目前基于深度学习的合成孔径雷达(synthetic aperture radar, SAR)舰船检测锚框尺度固定、多尺度检测性能较差的问题,提出了一种基于锚框自适应和多尺度增强网络(adaptive anchor multi-scale enhancement network, AA-MSE-Net)的SAR舰船检测方法。首先,AA-MSE-Net引入了锚框自适应机制,来生成适应目标形态的高质量锚框,增强了舰船形态描述能力。其次,AA-MSE-Net提出了多尺度增强金字塔网络,来融合增强多尺度特征,增强了多尺度描述能力。最后,AA-MSE-Net在骨干网络中引入了可变形卷积,来提取舰船形变特征,进一步提高检测精度。实验证明,AA-MSE-Net在公开SAR舰船检测数据集上的平均精度高于8种对比方法。

基于多尺度纹理特征的海底底质样本增强方法

针对多波束海底底质分类模型构建受限于样本和特征对海底底质类型表征不足、模型稳定性差等问题,利用多尺度滑动窗口法提取声学纹理特征,结合K-均值聚类分析其精度,实现了多尺度纹理特征的优选,并利用多尺度纹理特征并辅以地形特征结合SLIC样本增强方法,实现了底质样本的有效扩充。同时,利用随机森林、BP神经网络、K最邻近、支持向量机等4种经典监督分类模型训练预测和评估所扩充的样本数据,最终总体分类精度均达到90%以上,kappa系数达到0.85以上。

基于多尺度卷积MSRCR的蒙古族家具纹样增强研究

针对蒙古族家具纹样采集过程中,受到环境、设备、人为干扰以及纹样自身风化等因素影响,产生对比度低、亮度异常、纹样模糊、色彩失真退化等情况,本文提出一种基于多尺度卷积MSRCR增强的算法。通过二次导向滤波、多通道多尺度卷积、线性加权融合、白平衡等步骤,对MSRCR算法进行改进。结果表明:该方法能有效提升纹样图像质量,改善纹样图像的对比度、亮度,在相关评价指标中也更优。