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.

暗背景下低灰度图像的实时增强

灰度图像由于光照等原因往往存在着较暗区域,并且这些区域的图像细节无法直接识别。针对这种现象,提出了一种基于局部统计增强的改进算法,并有效结合子块部分重叠的思想,实现了暗背景下低灰度图像的实时增强。与传统直方图均衡化增强方法相比,该方法保留了较亮区域的视觉特性,且对噪声的增强相对较弱。在TMS320DM642实时图像处理系统上的验证结果表明,该方法能取得非常好的显示效果,并且处理时间为每帧8ms左右,完全满足实时性要求。

基于自适应融合的手掌静脉增强方法

针对掌脉轮廓不清晰,图像对比度低、亮度低,进而导致识别性能降低的现象,提出一种自适应融合的手掌静脉增强方法。首先,基于暗原色先验(DCP)去雾算法,根据掌脉图像变异系数自适应选择去雾系数,得到DCP增强图像,并且基于部分子块重叠直方图均衡(POSHE)算法得到POSHE增强图像;然后,将图像分为16个子块,依据图像灰度均值与标准差确定各子块权重;最后,根据各子块权重对DCP和POSHE增强图像进行自适应融合,得到最终增强图像。该方法既保留了DCP算法在增强图像对比度和亮度的同时不引入明显噪声的优点,又保留了POSHE算法在增强图像对比度和亮度的同时不损失局部细节的特点;同时,两者的自适应融合既解决了DCP图像阴影部分掌脉缺失现象,又削弱了POSHE产生的块效应。在对两个公开库和自建库分别进行的实验中,三个数据库的等错误率分别为0.000 4、0.047 2、0.057 9,识别率分别为99.98%、94.27%、92.05%。实验结果表明,与现有的图像增强方法相比,该方法降低了等错误率,提高了识别精度。

恶劣天气环境下退化图像的清晰化算法

针对恶劣天气环境下的户外检测系统,提出一种退化图像清晰化算法。将近似点扩散函数估计算法与改进的部分重叠子块直方图均衡化去雾算法相结合,以去除影响图像质量的气象因素,根据图像大小选择子块的尺寸和步长,使用固定参数经验值进行图像处理,实现降质图像的复原。实验结果表明,该算法具有较强的自适应性和实时性。