基于色彩衰减补偿和改进的Retinex水下图像增强

针对水下图像通常受到色偏、噪声和细节模糊的影响,且难以适应于各类视觉任务的问题,本文提出一种基于色彩衰减补偿和改进的多尺度Retinex的水下图像增强方法。首先针对水下图像出现色偏的问题,将水下图像分离为强、中、弱3个通道,且分别对3个通道进行不同尺度的颜色补偿,其次通过改进的多尺度Retinex算法增加边缘细节和对比度,在估计图像的光照分量时,用引导滤波替换高斯滤波,最后结合自适应伽马函数对光照分量进行校正。实验结果表明,本文方法能够有效改善不同场景下水下图像出现的色偏问题,能够提高对比度的同时增加图像细节,让水下图像的质量得到明显提升。

基于HSV改进的Retinex算法的图像去雾研究

针对传统Retinex算法在处理雾化图像时面临的计算量大和耗时长等问题,文章提出了一种改进的Retinex算法。首先,将传统的颜色空间模型转换为HSV颜色空间模型进行计算。然后,在处理过程中保持色调H不变,最后,对亮度分量V进行Retinex去雾处理,从而显著降低图像去雾算法的数学计算量。通过与多尺度(MSR)的Retinex算法对比,测试基于HSV改进的算法在示例雾化图像上的去雾性能。实验结果表明,相较于MSR算法,基于HSV算法在去雾效果和处理时间上均有所提升,其中局部雾化样本与整体雾化样本的去雾效率分别提高了158%和162%,且亮度分布较为均匀。

利用改进的Retinex进行人脸图像光照处理

为了提高光照变化条件下的人脸识别率,针对Retinex算法处理人脸侧光照图像时会误增强阴影的边缘提出了一种基于新的传导函数的自适应平滑Retinex算法。该传导函数用空间梯度和像素的局部不一致性两种方式共同测量灰度的剧烈变化,在平滑图像的同时没有边缘增强效应,且不会损失人脸特征边缘。在平滑估计的迭代过程中,选取上一次与此次迭代结果中的较大值作为约束条件来保证估计出的亮度图像能满足Retinex理论的约束条件。在YaleB人脸库上的实验结果表明,本文算法能有效克服强侧光照时的阴影现象且没有损失人脸特征边缘;与较经典Retinex算法相比,侧光照时的识别率在最好情况时提高了24.2%,无强侧光照时也可提高4%左右,具有光照鲁棒性,可适用于任何光照条件下的人脸识别。

改进的Retinex低照度图像增强算法研究

针对Retinex算法处理低照度图像时会出现细节丢失、边缘模糊等现象,本文采用引导滤波和低秩分解对Retinex算法进行了改进。该算法在采用多尺度Retinex提升图像亮度、得到反射分量后,采用引导滤波和高频提升对图像的反射分量进行细节增强;然后,运用全局低秩分解算法去除稀疏噪声,有效地消除了低照度图像中的噪声,以及高频提升过程中产生的噪声。实验表明:该算法不仅能够有效的提高图像的亮度和对比度,同时也保留了原始图像中丰富的边缘和细节信息,并有效去除了图像噪声,图像的视觉效果与客观评价结果也都取得了较大提升。将该算法应用于低照度环境下的人脸检测,检测率也得到了提高。

一种改进的Retinex彩色图像增强方法

传统Retinex算法在对彩色图像进行增强时,容易产生光晕以及处理后图像整体对比度较低等问题.为此提出了一种改进Retinex的图像增强方法,该方法采用三高斯模型和高斯滤波相结合的双边滤波对照度分量进行估计;然后在提取反射分量时,引入原始图像亮度影响因子实现区域自适应增强;最后进行归一化调整和彩色图像恢复,实现图像增强.实验结果表明,该方法能够在增强图像的同时,有效抑制光晕,提高图像的整体对比度.

改进的Retinex低照度图像清晰化处理

为了减小低照度图像在图像预处理过程中所造成的影响,提出一种HSV空间的基于巴特沃斯低通滤波(BLPF)的改进Retinex算法。把低照度图像从RGB各通道转换到HSV各通道,对饱和度分量进行自适应线性拉伸,对亮度分量进行基于BLPF的改进Retinex增强,不仅有效地降低噪声的干扰,在增强图像暗区亮度的同时抑制局部高亮区的"光晕",而且凸显图像细节,还原图像原有的色彩。通过大量测试,验证了该方法的有效性。

改进的Retinex低照度图像光照补偿算法

针对Retinex算法在处理低照度图像时难以保证颜色恒常性以及边缘易出现光晕现象问题,提出了一种变换空间和引导滤波相结合的光照补偿算法。该算法将图像从RGB颜色空间转换到Lab颜色空间,用Retinex对L分量即亮度通道单独进行光照补偿处理,保持另外两个色彩通道a和b不变,将处理后的L通道和ab通道结合形成新的Lab'图像,然后将Lab'反转换到RGB空间得到最终补偿结果;在处理过程中,用引导滤波代替Retinex算法中的高斯滤波用于保持边缘特性和提高计算速率。最后通过直观结果、定量分析和处理时间三方面进行实验,实验结果表明,该光照补偿算法取得了较好的结果,能够保持较好的颜色恒常性、改善光晕现象以及减小时间复杂度。

一种改进的Retinex算法在图像去雾中的研究与应用

在雾霾环境下获取的图像往往不清晰,整体图片亮度较高。Retinex算法是一种新型的图像增强方法,与传统的图像特征增强方法相比,有很多优点,如色彩恒定不变、处理速度快、颜色具有很好的视觉特征等,但是其也有对亮度较大的位置处理效果不佳和光照变化较大会出现光晕的缺点。对Retinex算法进行了研究和改进,使其克服了出现光晕和对较亮图像处理效果不佳的缺点。实验结果表明,改进算法克服了上述缺点,获得了更好的图像增强的效果,是一种适应性强、鲁棒性高的图像增强算法。

小波变换模极大值与改进的Retinex在阴影检测与去除中的应用

阴影是由于目标阻塞了光源的直接照射而在场景上形成的暗区域。图像中阴影的存在直接影响了图片的质量,影响目标的提取和跟踪。因此如何消除阴影成为图像处理的关键。文中提出了基于Retinex算法的阴影去除方法。文中首先利用小波变换模极大值检测阴影区域,然后用Retinex算法去除阴影。阴影去除后对画面进行调整,将RGB空间转换到HSV空间,增强V分量的同时,利用S分量随着V分量的增强进行自适应调整,最后将HSV转换到RGB。实验结果表明,该算法在去除阴影的同时细节信息也得到了增强,取得了很好的效果。

一种改进的Retinex矿井图像增强算法

为了改善矿井图像的成像质量,提升观测效果,针对传统Retinex算法处理矿井图像时存在的色彩失真、光晕模糊和过增强等问题,提出一种改进的Retinex矿井图像增强算法。首先将待处理图像从RGB空间转为HSV空间;基于Retinex理论,对V分量采用改进的自适应快速引导滤波进行照度估计,进而获得反射分量;提出一种“S”形函数对照度分量进行照度均衡;对反射分量进行非线性拉伸,实现细节增强;最后将处理后的照度分量和反射分量融合,并转回RGB空间得到最终的增强图像。将本文算法应用于矿井下非均匀照度环境,并与3个具有代表性的算法进行对比。实验结果表明,本文算法增强结果在主观和客观评价方面优于其他算法,在色彩、细节和边缘保持方面均较优,且能够避免过增强现象,实现矿井图像的有效增强。

基于改进的Retinex低照度图像自适应增强技术研究

为了提高井下低照度下视频监控质量,提出一种Retinex改进算法,首先将图像由RGB空间转换为HSI空间;然后对空间转换后的图像进行分解,并对分解后图像的亮度分量进行处理,降低图像处理工作量,对分解后图像进行低秩分解及算法优化,降低噪声和伪影对图像质量的影响,对图像细节进行局部对比度优化;最后将图像进行合成,重新转换为RGB图像。实验结果表明:Retinex改进算法对低照度图像有良好的优化提高能力,针对煤矿井下照度不足情况能够有效增强图像质量,且增强后图像细节和色彩失真情况得到了改善,处理后的图像视觉效果良好,便于视频监控人员对视频中人物及物体进行识别确认,提高了井下视频监控质量。

基于改进的Retinex算法的草坪杂草识别

针对草坪杂草图像前景与背景灰度相近导致图像前景难以识别的问题,本研究提出一种基于局部密度的Retinex增强算法。首先,为了突出图像前景,平滑杂乱背景,利用局部方差对图像进行预处理。其次,为了更准确地得到所需部分像素的空间信息,利用多阈值分割和开运算差分将像素分为前景、背景和待细分像素3类,利用局部密度提取待细分像素的空间信息。最后,为了融合局部密度信息,采用Sigmoid函数优化反射分量灰度变换系数,得到增强图像。结果表明,本研究算法增强效果良好,能有效扩大杂草与草坪草的灰度差,抑制背景噪声,峰值信噪比相对传统Retinex算法提高24.23%。

基于改进的Retinex算法对路面裂缝的图像增强处理研究

为了解决传统的图像增强算法中道路路面破损裂缝之间的显示度不高,致使道路裂缝自动检测处理装置不能有效地自动提取裂缝的问题,基于图像增强处理的特点,分析了Retinex算法不足之处,提出了一种改进的Retinex算法和模糊算法相结合图像增强算法。在Matlab上进行仿真,结果表明可以达到很好的增强处理效果。

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里双分量改进的微光图像增强方法

近年来,微光图像增强技术备受关注,但仍存在一些问题。例如,有时暗区域没有完全改善,有时光源或光源附近的明亮区域曝光过度。针对以上问题,提出了一种基于Retinex模型里照度分量和反射分量双增强的图像增强方法。该方法首先将原始图像由RGB空间转换到HSV空间,并提取其中的V分量进行后续处理;然后对V分量进行引导滤波获得图像照度分量,根据Retinex理论通过分解得到图像的反射分量;接着对照度分量进行全局自适应亮度增强,对反射分量进行多尺度细节加强;再将增强后的照度分量和反射分量按照Retinex模型重构得到V分量重构图,并经过非线性变换处理和局部对比度增强处理;最终转换回RGB空间获得最终增强图。实验结果表明,该方法的峰值信噪比(peak signal-to-noise ratio,PSNR)和结构相似指数(structural similarity index measure,SSIM)评价值分别为17.741和0.765,具有更好的图像质量,较其他方法表现出更好的增强效果。

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。

基于残差融合的改进Retinex图像增强算法

针对低照度图像边缘纹理模糊、亮度和对比度偏低等问题,提出一种基于残差融合的改进Retinex图像增强算法。该算法采用自适应多尺度引导滤波AMGF(Adaptive Multi-scale Guided Filtering,AMGF)替代高斯核函数,根据Retinex理论获取反射图像;使用CLAHE拉伸反射图像的对比度;通过L 0范数提取输入图像残差进行融合;进行颜色恢复处理。实验结果表明,所提算法有效地提升了低照度图像的边缘细节表达能力,提高了图像质量和视觉效果。

改进Retinex-Net的露天矿低质图像增强算法

露天矿低质图像增强是无人驾驶宽体车感知系统的重要环节,单目相机获取的图像易受到矿区粉尘、雨雪雾、剧烈震动等多种因素影响。针对传统图像增强算法在处理露天矿图像时存在噪声大、图像颜色失真等问题,提出了改进Retinex-Net算法对露天煤矿图像进行增强。使用循环对抗生成网络和双通道残差网络来改进增强和去噪部分。循环对抗生成网络通过学习低光照图像和正常光照图像之间的映射关系,生成更自然和真实的增强结果。双通道残差网络通过同时处理亮度和色度信息,有效去除低光照图像中的噪声和伪影。试验结果表明:该方法在客观和主观评价指标上均优于现有方法。所提改进Retinex-Net算法为解决露天矿图像质量问题提供了一种有效方案。

基于改进Retinex算法的海底地貌图像增强方法

为获取更清晰的海底地貌图像,研究基于改进Retinex算法的海底地貌图像增强方法。使用高斯低通滤波器进行低频入射分量的卷积操作,计算图像带色彩恢复输出值;构造一般表现形式,得到像素区域内对数修正的输出值;基于多尺度Retinex算法对色彩对比度进行增强处理;计算亮度值以及图像的入射分量,对海底地貌图像进行光照补偿;改进Retinex算法,实现海底地貌图像增强。由对比处理图像结果可知,所提算法的增强图像亮度更均匀、色彩更饱满且细节纹理更清晰。在客观参数对比中,所提算法对比度、清晰度以及信息熵也高于其他图像,有效提高了图像清晰度。

基于改进Retinex-Net的电力系统网络入侵检测方法研究

由分解网络、增强网络和图像重建构建而成的改进Retinex-Net神经网络模型,在电力系统网络入侵检测过程中,将图片从RGB空间域中转换至HSV空间域,利用V分量对其进行处理,之后在分解、强化、降噪的操作下,从RGB中输出增强后的图片,将其作为实现电力设备状态感知的重要条件,为后续的电力系统网络入侵检测奠定坚实的基础。以改进Retinex-Net为基础进行电力系统网络入侵检测方法研究,旨在通过利用Retinex-Net端到端的可训练低亮度图像,达到增强网络的目的,提高电力系统网络的故障检测能力,从而形成高效的电力系统网络入侵检测方法。