基于Retinex和HSV颜色空间的低照度图像增强算法

针对低照度图像存在的对比度低、颜色失真、细节信息损失、噪声干扰等问题,提出一种基于Retinex的改进算法。首先,将原始图像转换到HSV颜色空间,采用改进算法和Gamma校正对V分量进行亮度调节;其次,基于对比度拉伸算法调整S分量,增强图像饱和度和对比度;最后,将融合后的图像转换回RGB颜色空间,输出图像。在MATLAB平台上选取不同场景低照度图像进行增强处理,采用图像信息熵(IE)、峰值信噪比(PSNR)和结构相似性指数(SSIM)三个客观指标进行均值对比,实验结果表明,新算法计算结果均优于传统的直方图均衡化算法(HE)和多尺度Retinex算法(MSR),有效保持图像边缘信息,提升图像质量。

基于Retinex先验引导的低光照图像快速增强方法

低光照图像增强旨在提高在低光照环境下所采集图像的视觉质量.然而,现有的低光照图像增强方法难以在计算效率与增强性能之间达到很好的平衡,为此,提出一种基于Retinex先验引导的低光照图像快速增强方法,将Retinex模型与Gamma校正相结合,快速输出具有对比度高、视觉效果好和低噪声的图像.为获取具有良好光照的图像以引导确定与输入图像尺寸大小一致的Gamma校正图,提出基于Retinex模型的先验图像生成方法.针对所提先验图像生成方法在极低光照区域中存在颜色失真的问题,提出一种基于融合的Gamma校正图估计方法,采用反正切变换恢复极低光照区域的颜色和对比度,以提升Gamma校正图在极低光照区域的增强性能.为抑制输出图像的噪声,考虑到完全平滑的Gamma校正图不会平滑细节纹理的特点,提出基于域变换递归滤波的Gamma校正图优化方法,降低输出图像噪声的同时保持颜色和对比度.实验结果表明,所提方法不仅在主客观图像质量评价上优于现有大多数主流算法,而且在计算效率上具有十分显著的优势.

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Retinex模型的彩色图像全局增强算法

介绍了基于颜色恒常性理论的亮度感知Retinex模型,通过对HSV空间亮度图像的快速高斯滤波和全局γ变换,估计场景的光照信息,获得仅包含物体本身特性的反射信息图像,进而实现图像增强.主观视觉观察以及客观定量计算结果均表明,对于受光照等因素影响的可视性较差的图像,基于Retinex模型的彩色图像全局增强算法效果十分显著.

基于曲波变换和Retinex人脸光照处理算法

针对光照对人脸识别影响问题,提出了一种基于曲波变换和Retinex人脸光照处理的算法。该算法对光照变化人脸对数变化后的图片进行曲波变换(Curvelet);利用Kimmel变分模型作为平滑滤波算子对低频图像进行平滑滤波,对高频系数进行阈值去噪。通过曲波逆变换得到光照亮度成分图像;利用Retinex模型提取光照不变成分。通过Yale B与CMU PIE人脸库的实验结果表明:该算法能有效地消除光照变化对人脸识别的影响并提高人脸识别率。

Retinex模型下基于融合策略的雾霾图像增强

针对现有Retinex算法处理后的图像达不到色彩与细节同时增强的效果,且细节增强的同时易产生光晕,出现噪声放大、色彩失真等情况,提出了一种Retinex模型下基于融合策略的雾霾图像增强算法。该算法首先在HSV空间实现色彩增强,根据亮度分量,获取无色彩失真的反射分量,再通过修正照度分量,得到改进的Retinex模型;然后在RGB空间,采用快速双边滤波器来保留图像细节,在获得反射分量的基础上,引入原图部分和色彩恢复因子,实现细节增强;最后,在RGB色彩空间对处理后的图像加权融合,得到增强后的去雾图像。通过本文算法和现有算法对雾天图像进行去雾处理,得到不同的去雾结果。本文算法得到的去雾图像增加了细节信息,没有出现明显的颜色失真和光晕现象,处理后图像的信息熵提高。本文算法具有更短的运算时间,具有良好的可操作性。根据实验结果以及评价标准,本文算法能够在减少色彩失真的基础上,达到细节增强的良好效果。

基于强度反转和变分Retinex模型的图像去雾方法

提出一种基于强度反转变分Retinex模型的雾天图像增强方法。首先,通过反转操作将雾天图像转化为虚拟暗图像,并基于变分Retinex模型快速估计出虚拟暗图像所对应的入射分量图。然后,对雾天图像中的天空区域进行识别,并在此基础上对入射分量图进行修正,进而获取对应的反射分量图。最后,通过对反射分量图进行反转操作来获得消除雾气后的清晰图像,并引入一种图像亮度调整算法进一步提高清晰图像的视觉效果。实验结果证实了所提方法的有效性。

多尺度Retinex模型的肝脏超声图像增强算法

基于多尺度Retinex(Multi-scale Retinex,MSR)模型的图像增强方法是一种基于人眼视觉原理的图像增强方法,能同时有效实现图像的动态范围压缩和颜色保真。本文融合Retinex理论,采用3个尺度的Retinex算法对肝脏超声图像进行增强处理,提取经MSR算法增强处理后的正常肝脏和脂肪肝图像的灰度均值、对比度和信息熵参数,并与直方图均衡化算法、同态滤波算法进行对比。实验结果表明:肝脏超声图像经MSR算法增强处理后,提高了图像特征参数(对比度、信息熵)的区分度,增强了图像暗区的对比度和清晰度,改善了图像视觉质量,能有效辅助临床诊断。

结构和纹理感知的Retinex融合红外与可见光图像

为了提高红外与可见光图像的融合质量,本文提出一种新颖的基于结构和纹理感知的Retinex模型的红外与可见光图像融合方法。该方法首先通过结构和纹理感知的Retinex模型将源图像分解为反射分量和光照分量,不但能够有效地将源图像的纹理和结构信息进行分离,而且也能很好地提取可见光图像中低亮度下的细节特征信息;然后通过构造源图像的二阶梯度为基础的权值映射和伽马函数对反射分量和光照分量进行融合;最后对融合的反射分量和光照分量进行重建得到最终融合图像。通过对38组广泛使用的TNO红外/可见光图像数据库中的图像进行测试表明,本文方法得到的融合图像不但具有较高的可视化质量,而且与近年来提出的5种高水平方法相比,本文方法在互信息、非线性相关信息熵、图像相位一致性度量上取得了更好的客观评价结果,能够较好地解决红外与可见光图像融合中出现的细节特征缺失和对比度较低的问题。

焦点引导的带颜色恢复的多尺度Retinex算法

针对低照度下高动态范围图像在应用多尺度Retinex算法进行图像增强时,易出现光晕现象和颜色失真等问题,提出了一种可以由焦点引导的带颜色恢复的多尺度Retinex(FgMSRCR)算法。通过自底向上视觉注意模型对低照度下高动态范围图像进行焦点提取,保留于相异焦点集中,对整幅图像应用带色彩恢复的多尺度Retinex算法(MSRCR)进行图像增强,再对焦点区域进行保持亮度和颜色比例的增强,利用高斯平滑滤波器完成图像增强任务。实验结果表明,与常见的图像增强算法和其他Retinex算法相比,该算法能够在保持颜色恒常的前提下有效地克服光晕现象。

基于LP滤波和Retinex的光照补偿

针对彩色图像进行光照补偿后难以保持色彩恒常性的问题,提出一种基于Retinex和低通(LP)滤波的彩色图像光照补偿方法。将图像从RGB空间转换到HSV空间,保持H和S分量不变,对V分量使用LP滤波器V分量的高频成分H和低频成分VL,对VL采用Retinex算法进行光照补偿,利用VH和经光照补偿的VL及双重框架运算的LP重构算法进行重建得到V分量,将图像反变换至RGB空间得到最终的增强结果。实验结果表明,该光照补偿方法能对图像进行有效的光照补偿,保持较好的颜色恒常性。

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.

基于暗原色先验模型的Retinex算法

现有雾天图像增强的Retinex算法采用固定滤波器,无法适应多种景深和雾化程度的情况.对此,本文提出一种基于暗原色先验模型的Retinex算法.暗原色先验模型反映了雾天图像中雾的分布与景深信息.受此启发,根据局部区域暗原色值设计一种尺度可变滤波器,针对不同景深和雾化区域采用不同尺度的滤波器估算雾天图像的照度分量,实现对雾天图像的增强.分别使用主观观察和客观数据分析方法,将本文算法与HE算法、固定尺度MSR算法进行对比,本文算法在细节增强以及图像整体效果上均优于HE算法和固定尺度MSR算法.

基于暗通道先验和Retinex理论的快速单幅图像去雾方法

针对雾霾天气下捕获的图像存在低对比度、低饱和度和色调偏移等现象,提出了一种基于暗通道先验和Retinex理论的快速单幅图像去雾方法.该方法从大气散射模型出发,利用暗通道先验法则,通过灰度开运算对大气光值进行区间估计,同时获得介质传输率的初始估计,并通过白平衡简化大气散射模型;其次,基于Retinex理论,利用高斯滤波获得介质传输率的粗略估计,并通过线性映射实现灰度值搬移;然后,将介质传输率的初始估计和粗略估计进行像素级融合,利用快速联合双边滤波进行边缘优化,同时通过参数自适应调整的方法对雾图中大片天空区域的介质传输率进行修正;最后,通过简化大气散射模型和色调调整得到复原图像.与几种典型的图像去雾算法相比,本文算法具有很快的运算速度,能有效提高复原图像的清晰度和对比度,同时获得较好的图像颜色.

一种基于多尺度Retinex算法的图像去雾方法

在有雾天气条件下拍摄的图像,由于大气的散射作用,导致图像的内容模糊不清,对比度下降,给交通系统及户外视觉系统的应用带来严重的影响。通过改进大气物理退化模型,在多尺度Retinex算法MSR(Multi-Scale Retinex)的基础上,提出一种新的去雾方法。该方法根据雾天成像机理对图像建立模型,再根据MSR算法对建模后的图像进行处理。实验表明,该方法能有效去除雾化效果,实现彩色退化图像的复原。

结合物理模型和Retinex的图像去雾算法

在雾霾等天气下拍摄到的图像,存在对比度降低、颜色失真、模糊不清等严重的退化现象.针对这一问题,提出一种新的单幅图像去雾算法.首先运用物理模型和Retinex算法相结合估算透射率,提高了运算效率,有效避免了晕光现象和色彩失真.其次用自适应权值融合计算大气光,分割出图像的亮区域和暗区域自适应估算融合权值,使获得的大气光值更加合理精确.最后增加可控参数限制透射率过低,反解物理模型复原图像.实验分析表明本文算法简单有效,复原出的图像清晰自然,达到了很好的去雾效果.

修正Retinex照射反射模型的彩色图像增强

介绍了修正Retinex照射反射模型的彩色图像增强方法,引入了非线性变换函数修正彩色图像的照射分量和反射分量。由于全局对比度增强函数能够拉伸图像的照射分量,所以改善了全局视觉效果。非线性S型函数对较大和较小的反射分量值改变较小,对中间值改变较大,从而改善了图像的局部对比度。在RGB彩色空间和其他色度亮度彩色空间中的处理结果都没有出现彩色失真的现象。

基于明亮通道先验和Retinex模型的弱光照图像增强网络

结合明亮通道先验和Retinex模型,提出一种弱光照图像增强网络。该网络由入射光分量多尺度估计模块、多尺度入射光分量融合模块和增强效果生成模块组成。入射光分量多尺度估计模块在不同邻域半径下基于明亮通道先验对弱光照图像进行多尺度入射光分量估计;多尺度入射光分量融合模块将输入的多层入射光分量融合为入射光分量图;增强效果生成模块依据入射光分量图对弱光照图像进行像素强度调节并直接生成增强效果图。主观及客观对比实验结果证明了本算法具有良好的鲁棒性,及在视觉效果增强、有效信息增益方面的优势。

基于照度分割的局部多尺度Retinex算法

针对现有多尺度Retinex图像增强算法采用线性加权的方法来综合各个单尺度Retinex增强效果,不能很好地体现出各个尺度在色彩保真和细节增强上的特点与优势,本文提出一种新的基于照度分割的局部多尺度Retinex图像增强算法.该算法首先通过引入带参数的LIP模型将图像分解成四个照度区域,然后对各区域根据照度的差异采用相应尺度的Retinex算法进行增强,最后通过基于面积的比例因子对各增强后子图进行照度融合,实现图像增强.实验结果表明,与现有多尺度Retinex算法相比,本文算法在图像亮度保持和细节增强上,处理效果较好,在色彩方面也有较好的效果.

基于加权引导滤波的Retinex刑侦图像增强

为提高低照度刑事侦查图像的质量,提出一种基于加权引导滤波的Retinex刑事侦查图像增强算法。首先,提取刑事侦查图像的亮度;其次,利用加权引导滤波估计光照信息,并用对数图像处理模型增强光照信息;再次,在对数域计算反射层图像;最后,恢复图像彩色,获得最终的增强图像。选取不同场景下的低照度刑事侦查图像进行实验,实验结果表明,与单尺度Retinex算法、多尺度Retinex算法、直方图均衡化算法和引导滤波算法相比,采用提出算法增强后图像的信息熵提高了15%～70%,结构相似性提高了1%～10%,平均梯度提高了3%～11%。提出的算法可以提高低照度刑事侦查图像的质量。