基于多尺度梯度域引导滤波的弱光照图像增强技术

光照较弱会导致图像出现颜色失真以及部分图像细节消失等问题,提出了基于多尺度梯度域引导滤波的弱光照图像增强方法。对弱光照图像进行多尺度梯度域引导滤波图像增强和Gamma校正,将BIQME作为目标函数,将主观图像增强问题转换为最优解问题,采用改进鸡群算法对目标函数优化求解,获取图像增强所需要的最优多尺度梯度域引导滤波参数和色调平衡参数,最终达到弱光照图像增强的目的。实验测试结果表明,所提方法可以增强弱光照图像的同时,改善弱光照图像质量和提升图像处理速度,图像处理速度控制在0.85 s以内。

基于视觉传达技术的弱光照图像增强方法

由于利用激光技术在弱光照条件下采集的图片容易出现图像细节丢失、分辨率下降等现象。为此针对该类图像,提出基于视觉传达技术的弱光照图像增强方法。先分析弱光照图像的退化情况,生成弱光照图像的退化模型,分割提取出原始图像中的模糊区域,有针对性地对其进行增强处理。添加视觉传达技术,利用最大后验概率以及最大似然函数预测实现弱光照激光图像的增强。实验结果表明,应用所提方法对图像进行增强处理后,其偏色情况小,最高仅为0.211,在不同信噪比下图像的增强效果均较好,且增强后的信息熵、峰值信噪比、平均梯度分别为12.684、33.546和11.987,均超过原图像的2倍,具有一定应用价值。

基于小波的弱光照图像增强算法仿真

针对通过人工参数调整图像,容易出现细节纹理缺失或失真等问题,提出一种基于双尺度图像分解的弱光照图像增强算法。将小波变换函数与软阈值结合,通过小波包频带变换明确图像频带值,分解复数小波包,提取去噪处理后原始弱光照图像中的像素点,计算目标点邻域范围,并实施双尺度矩阵分割。利用同态滤波算法分析图像中像素点对弱光照的透射特性,在待处理图像上覆盖“雾”形成伪雾,分析去雾后图像透射点的分布情况,自动调整对应增强阈值。分析透射率与亮度分量之间的正向关联,得出图像透射率与亮度分量的变化规律,完成图像增强分析。仿真结果证明,所提算法鲁棒性强,在满足弱光照增强效果的同时还能保证图像的细节,增强后的图像细节更丰富,视觉观感更好。

基于熵驱动域适应学习的弱光照图像阴影去除

针对日常图像获取与处理过程中由于拍摄光线较差等问题,导致图像出现部分阴影,影响图像处理效果等问题,提出基于熵驱动域适应学习的弱光照图像阴影去除方法。通过熵驱动域适应学习技术构建多核分类器,获取弱光照图像的最大平均差异值,完成弱光照图像的预处理。将图像光照分解设定为图像分解与重光照,获取图像最小像素值,根据图像亮度以及RGB方向相似度建立局部像素的约束,完成弱光照图像的分解;采用区域生长法,以检测到的弱光照图像阴影边缘作为基准点,选择灰度值较重部分作为阴影生长起始点,确定弱光照图像的纹理特征值,利用光照补偿方法恢复图像光照,完成弱光照图像阴影去除。仿真结果表明,采用所提方法对弱光照图像阴影去除的效果较好,改善了弱光照图像的质量。