改进单尺度Retinex的彩色图像增强算法

为了解决传统单尺度Retinex算法全部像素都采用同一空间滤波模块实施操作,容易产生彩色图像光晕以及色彩流失,彩色图像增强效果差的问题,提出改进单尺度Retinex的彩色图像增强算法。改进算法融合粒子群优化算法以及Retinex算法,基于熵值大小以及变换成HIS图像的H值大小实施匹配,采用合理的滤波模板实施运算,完成彩色图像的增强处理。通过改进SSR算法解决图像边缘亮度波动时,图像出现的光晕以及光阴影问题,提升彩色图像增强效果。实验结果表明,所提算法对室内室外图像的亮度、对比度、饱和度等内容具有较高的增强效果,能提升总体图像的质量。

一种局部多尺度retinex算法在雾天图像中的应用

由于大气粒子的散射作用,雾天条件下拍摄的图片质量下降,给户外视觉系统造成严重影响,尤其在宽动态范围场景中的图片存在过度曝光的区域和曝光不足的区域。传统的图像增强方法不能产生令人满意的复原图像,也不能提高图像中每个区域的对比度。单尺度retinex算法和由若干个单尺度retinex算法线性加权而成的多尺度retinex算法都具有局部图像增强和动态范围压缩的特点。文章提出了一种局部多尺度的retinex彩色图像复原(local multi-scale-retinex with color restoration,LMSRCR)算法,该算法根据雾浓度将图像分割成不同的局部区域,再对每个局部区域运行多尺度retinex算法。实验表明,该方法能有效去除图像中的雾,实现彩色退化图像的复原。

模糊多尺度Retinex彩色图像增强

由于中心环绕Retinex算法中假设场景中光照是平缓变化的,所以在图像明暗对比强烈处易出现光晕现象。针对Retinex传统算法的固有缺陷,结合MSRCR算法在色彩恢复上的优势,提出了一种模糊多尺度Retinex彩色图像增强方法(FMSRCR)。FMSRCR使中心环绕空间对比运算仅在光照强度相近的区域中进行,克服了光照不均的影响。同时采用自适应高斯模,减少了卷积运算量。通过实验证明该方法是有效的。

采用局部差分模型描述的彩色图像配准技术

针对光照方向、强度、色彩或摄像头参数等因素的变化导致待配准彩色图像对间存在复杂的色彩变化,从而严重影响彩色图像配准效果的问题,提出了一种对彩色变化不敏感的彩色图像配准方法.该方法首先根据彩色图像间的von Kries彩色变换模型,建立图像的彩色不变量空间,在此空间利用尺度不变量特征转换(SIFT)算法完成特征点的检测;为加快运算速度,采用2阶局部差分模型(LDP)方法对特征点进行描述,并完成彩色图像特征间的初匹配;再进一步利用RANSAC算法消除误匹配特征点对,得到最终的匹配特征点对.实验结果表明,该彩色图像配准方法与其他算法相比,可以快速、准确地获得彩色图像间的映射关系,因此更加适合存在色彩变化的彩色图像的配准.

色彩恒常性在彩色图像增强中的应用

将Retinex算法应用于彩色图像增强中,在分析MSRCR算法构成的基础上,针对灰度假设(GW)带来的问题作出了改进.改进的算法基于图像自身的直方图,对参数进行自适应的选取.实验结果表明,改进后的算法使彩色图像在演色性(Rendering)方面有了较大的提高,更符合人眼视觉系统的感知特性.

双选像素点的局部自适应ACE算法

针对自动色彩均衡(ACE)算法不能很好地保持图像原始色彩信息,并且算法复杂度高较难满足实时性应用的缺点,提出双选像素点的局部自适应ACE算法。将获得的图像变换到YCbCr色彩空间中,有利于保持图像的原始色彩信息,利用亮度图像的梯度信息与图像局部的均值方差信息进行双层像素点选择,降低算法的运算复杂度,采用局部自适应滤波调整ACE算法中的亮度控制函数,增强图像的局部对比度。实验结果表明,与传统的ACE算法相比,色彩恢复多尺度Retinex算法MSRCR的视觉效果更好,运行速度提高约150倍,计算复杂度得到了明显改进。

改进的广义高斯分布与非局部均值图像去模糊

为了改善常规算法不能保留图像边缘细节信息的缺陷,获得更好的图像去模糊效果,在非局部均值图像复原算法的基础上提出一种新的基于广义高斯分布与非局部均值的去模糊算法。先对模糊图像进行小波变换,然后应用极大似然估计的方法以及经典的Newton-Raphson算法来估计出广义高斯分布模型的尺度参数和形状参数,利用这两个参数改进原始的单一根据指数函数的衰减速度和局限于一个参数来求图像权值的方法。在多个典型图像上的测试结果表明,改进算法后的图像去模糊化效果比原始的NL-means方法更优越,具有很好的应用前景。

HSI色彩空间下的低照度遥感图像增强

为了提高低照度遥感图像的可视性,提出了利用改进的多尺度Retinex算法与局部对比度自适应调整相结合的方法来改善图像质量。首先,把原始图像变换到HSI色彩空间,有效分离H、S、I分量;然后,然后在保持色调分量H不变的前提下,对亮度分量I利用改进的多尺度Retinex算法进行处理,对整幅图像进行亮度和对比度的初步调整,通过使用Sigmoid函数替换多尺度Retinex算法中的对数函数来减少数据丢失;为了使局部细节信息得到更好的改善,在利用改进的多尺度Retinex算法处理后进行自适应局部对比度增强,提高图像局部对比度;对饱和度分量S采用分段线性增强的方法进行处理;最后,将处理后的图像变换回到RGB空间。实验结果表明:图像信息熵由5.79提高至6.65;图像感兴趣区域的局部对比度由0.695提高至0.701,图像质量以及利用价值得到了提升。

基于DSP和FPGA的嵌入式实时图像增强系统

为了获得更加清晰、更高质量的图像,设计了以高性能DSP芯片TMS320VC6455作为中央处理器,结合现场可编程门阵列FPGA构成外围电路逻辑控制的嵌入式高速图像增强处理平台,并提出了一种新的快速自适应图像增强算法。首先将彩色图像从RGB空间转化为HIS空间,然后对亮度空间进行多尺度Retinex增强处理,最后进行对比度调节处理并转化到RGB空间进行输出。利用真实图像验证了本文提出的方法,实验结果表明,该系统可以有效地提高对比度,获得了较好的增强效果,同时计算时间少,能够满足工程中的需要。

矿区复杂道路边缘检测

针对在露天矿区无人驾驶卡车道路识别中,受矿区道路边缘模糊、阴影与车辙印干扰等因素的影响,往往无法准确检测到实际道路的问题,提出一种基于HSV空间图像处理的矿区道路边缘检测方法。在HSV颜色空间内,利用半阈值小波对图像进行初步去噪,针对矿区道路边界模糊、边缘退化等问题,提出一种基于融合策略的道路图像增强分割处理算法,可以有效地突出道路边缘,最后利用Canny算子实现对矿区非结构化道路边缘检测。实验结果表明,该方法的检测准确率可达到90.0%以上,能有效识别复杂背景下矿区非结构化道路边缘。