亮度保持的夜景图像增强算法

针对夜景图像对比度增强的特点,提出一种亮度保持的夜景图像增强算法。根据平均亮度将夜景图像递归分解为一系列不同灰度级范围的子图像,然后对每个子图像在其灰度级范围内进行均衡。实验结果表明,该算法在充分扩展图像灰度级动态范围的同时,可以通过递归深度的选择控制图像亮度的变化,使增强后的夜景图像显得自然与真实。

一种基于加权均值检测的夜景图像增强算法

夜景图像由于照度较低且长时间曝光往往混有噪声。针对传统增强算法对其进行处理时无法避开噪声点而导致视觉效果不佳的问题,本文提出了一种基于改进的加权均值检测夜景图像增强算法。算法通过加权均值检测标记出图像中的噪声点,然后使用基于RGB灰度值变换的增强算法对所有非噪声的像素点进行处理,最后用近邻插值法来替换原图像噪声点所在位置的灰度值。大量实验结果表明,本文算法可以在去除噪声的同时较好地保持原始图像的细节边缘特征,总体性能优于现有的算法。

计算机图形图像技术在美术领域中的应用

研究夜景图像的美化问题,分析计算机图形图像处理技术在美术中的应用,提出一种基于光照多重色差补偿的夜景图像美化处理技术。首先对采集的夜景图像进行小波降噪处理,然后采用光照自适应均衡技术进行夜景图像的白平衡优化,对夜景的光照色差采用阴影区域和亮度区域分割的方法进行轮廓阴影偏差补偿,提高夜景图像的美化效果。最后进行实验测试,结果表明,采用该技术进行夜景图像的美化处理具有较好的美术展现能力,提高了图像的美观性和视觉感官表达性能,具有较好的美术应用价值。

基于图割的闪光夜景人像自动分割方法

图像前景分割作为目标检测、图像融合的关键步骤,是当前图像处理与计算机视觉领域的研究热点。特别是在普通相机拍摄的夜景人像中,由于闪光的原因导致人像与背景的可视效果欠佳,分割算法存在极大挑战。为此,该文面向同步获取的闪光与非闪光图像,提出了一种基于人像检测和多源信息融合的人像分割方法。该算法首先采用梯度直方图特征(Histogram of Gradient,HOG)作为表观描述,通过支撑向量机(Support Vector Machine,SVM)实现夜景行人检测。在此基础上,根据两类图像的变化统计特征设计了代价函数,具体包括闪光图像变化分布、颜色信息,以及匹配变换估计信息等。最后利用图割方法(Graph Cut,GC)实现代价函数最优求解,并以此为依据提取夜景人像。针对多组夜景人像的分割实验结果表明,该文方法减少了传统人像分割算法的交互过程,可以实现对夜景人像区域的自动提取。