基于MSR理论的交通图像去雾霾方法

为解决因雾霾天气导致的图像质量退化问题,减轻交通部门对交通视频图像的监测难度,提出了一种基于多尺度Retinex(MSR)的图像去雾霾算法。基于MSR理论,通过将原雾霾图像及其反转图像分别进行MSR变换,然后进行线性拉伸和幂次变换,最后将两幅图像处理结果加权线性相加,达到图像去雾的目的。通过对大量雾霾交通图像进行实验,实验结果表明此算法对雾霾图像的处理效果要好于幂次变换、直方图均衡化、MSR等图像去雾霾算法。提出图像去雾霾算法,在MSR算法的基础上进行了改进,实验结果表明该方法不仅有效地增强了图像的对比度和保真度,而且还使图像远景与近景得到一定的平衡。

基于多尺度Retinex和NSCT的泡沫图像增强方法

针对矿物浮选过程中获取的泡沫图像易受环境光照影响、噪声干扰和存在灰度对比度低等问题,提出一种结合多尺度Retinex(MSR)算法和非下采样Contoudet变换(NSCT)的泡沫图像增强方法。该方法首先针对光照使得浮选泡沫图像存在亮度不均,用一种区域自适应分割的MSR算法,通过调整权值改善图像的整体亮度均匀性;然后采用NSCT,通过构造分类函数完成对包含细节和噪声的高频系数处理,有效地弥补了Retinex算法在细节增强效果和噪声消除方面的不足。实验仿真结果表明,该方法能有效增强泡沫图像的轮廓、边缘和细节,抑制噪声,明显改善泡沫图像的视觉效果,为浮选泡沫图像的特征提取和品位分析奠定基础。