基于自适应伽玛校正的去雾算法

考虑到目前去雾算法复杂度高、效果不稳定和处理结果模糊等问题,为了更好地提高雾霾环境的图像能见度,提出基于自适应伽马校正的去雾算法。首先利用暗原色优先模型构造透射率图,然后通过对比度评估算法来计算环境光系数,以获取初始去雾图像,再利用自适应伽玛校正算法增强初始去雾图像的亮度和对比度,从而最大限度地提高事物的能见度。结合实例,对算法进行了详细的阐述,实验结果表明,该算法切实可行。

低照度自适应图像增强方法研究

在夜间低照度情况下,应用于智能交通的目标检测与跟踪算法性能急剧下降,不能满足实际需求。为此提出一种夜间低照度彩色图像增强方法,提高图像的视觉效果,使智能交通系统全时工作成为可能。采用RGB三通道联合增强的方式,从亮度和对比度两方面协同改善图像质量;打破伽玛校正用于对比度增强的惯例,利用伽玛校正进行亮度调节并联合对比度增强函数来实现图像增强;通过对图像质量整体评价自适应计算变换参数。实验结果表明:算法简洁、效果良好,具有一定的使用价值。

亮度和对比度调整的内窥镜图像增强技术

为了提高医用内窥镜图像的血管和组织对比度,本文提出一种融合技术.该方法分为两部分,第1部分基于剪裁直方图的加权分布伽玛校正(AGCWHD),利用负像策略实现亮图像增强,采用截断伽玛值的方法增强暗图像,基于对比度强弱增强中等亮度图像.之后采用改进的离散小波变换的奇异值分解(DWT-SVD)技术实现亮度增强.第2部分基于Lab颜色空间对奇异值均衡图像的L分量执行对比度受限的自适应直方图均衡(CLAHE)增强局部对比度.在实验室自建的LEI_D数据集上基于暗、中等和亮图像3类,将该方法与其他6种现有方法进行主观和客观分析,结果表明提议方法表现出良好的亮度调节和对比度增强效果,同时能够很好地保持色彩和血管及组织的边缘细节.