基于分割融合算法的WCE过曝光图像修正研究

当无线胶囊内镜(Wireless Capsule Endoscopy,WCE)工作时,进入摄像头的光源超过图像传感器能接收的范围,会导致拍摄图像产生过曝光现象,导致图像中存在颜色、细节信息缺失,从而影响医生或机器的诊断。因此,提出了一种基于分割融合算法的WCE图像过曝光区域修正方法。首先,对肠部息肉和溃疡局部曝光进行图像增强,降低普通区对过曝光区域的颜色影响;其次,提取图像的亮度和饱和度分量,分别采用模型1和模型2分割得到强、弱爆光区域分量,并在弱爆光区经拉普拉斯锐化处理后突出边缘信息;最后,将两分量融合得到过曝光区域掩膜,采用邻域镜像替换法填充修复得到修正后的图像。通过软件Matlab 2016进行仿真实验,结果表明,图像过曝光区域修正前后对比,像素点个数平均下降了97.8%,修正后得到了更加符合人眼所感知的图像,明显改善了图像纹理、颜色等,验证了所提算法对过曝光区域纹理和颜色增强的有效性。

采用深度学习与图像融合混合实现策略的低照度图像增强算法

提出了一种采用深度学习与图像融合混合实现策略的低照度图像增强算法.首先,利用照射分量预测模型直接基于输入的低照度图像快速地估计出其最佳照射分量并在Retinex模型框架下获得一张整体上适度曝光图像;其次,将低照度图像本身及它的过曝光图像作为适度曝光图像的修正补充图像参与融合;最后,采用局部结构化融合和色度加权融合机制技术将制备好的3张待融合图像进行融合以获得最终的增强图像.实验数据表明:本文算法相较于各种主流对比算法在主客观图像质量评价指标上均有显著优势,在局部图像结构细节上具有更好的边缘保持和颜色保真效果.