结合灰度世界和Retinex的低照度图像增强算法

针对图像增强处理中亮度偏低、细节模糊、色彩失真等问题,提出了一种基于Gabor滤波的多尺度Retinex与自适应补偿的灰度世界理论结合的图像增强算法.通过双伽马函数预处理图像暗区对比度并抑制亮区过增强;考虑Gabor滤波良好的方向选择性和纹理细节敏感度,将其作为多尺度Retinex算法的中心环绕函数在双曲正切域上进行卷积来突出细节,并添加增益偏移算子动态地调整反射分量的亮度;最后使用自适应补偿的灰度世界算法进行色彩保持和校正,得到最终的输出图像.实验结果表明该算法在结构相似性、标准差和平均梯度上比对比算法的平均值分别高出47%、38%和50.3%,处理后的图像在提高亮度、突出细节的同时保持了较高的色彩度.

基于Retinex和Gamma变换的低照度图像增强方法

为均衡增强低照度图像的同时,保留其更多的细节信息,提出一种改进Retinex低照度图像增强算法.该算法基于HSV(Hue,Saturation,Value)颜色空间,对分离出的明度分量和饱和度分量进行增强.首先,使用限制对比度自适应直方图均衡化(Contrast Limited Adap-tive Histogram Equalization,CLAHE)优化明度分量,使图像更接近均匀光照场景,并使用自适应Gamma对饱和度分量进行校正.然后,采用三维块匹配滤波(Block-matching and 3D Filter-ing,BM3D)算法对光照分量进行估计,并求得相应的反射分量,提出一种改进Gamma变换函数,依据光照分量信息对明度分量进行增强,同时,采用Gabor滤波器和Canny算法对原图进行细节提取,提出一种细节增强策略,对反射分量及其纹理细节进行增强.最后,将各分量进行加权融合,再将增强图像变换回RGB空间.实验结果表明,所提算法相较于自动色彩均衡、自适应局部色调映射、低光照图像增强、带色彩恢复多尺度视网膜增强算法有更好的增强效果和普适性,且原图经过增强后,信息熵、峰值信噪比、结构相似性指数、图像质量指数、平均梯度有显著提升,均方根误差显著下降.

基于灰度变换及改进Retinex的低照度图像增强

针对低光照条件下拍摄的图像受光和环境的影响,其重要信息丢失严重,出现对比度低、细节模糊等问题,提出了一种基于灰度变换与改进Retinex的图像增强方法。首先采用引力搜索算法(gravitational search algorithm,GSA)优化的全局灰度变换函数对图像的RGB各通道灰度图像进行灰度变换,增强图像光照强度,使其更接近均匀光照场景;然后将图像转为HSV色彩空间,对V通道(亮度通道)采用改进的多尺度Retinex(MSR)算法处理,将基于范围的自适应双边滤波和Gabor滤波作为Retinex算法的环绕函数,结合两种滤波的特性来增强图像的亮度和细节。最后采用伽马校正避免图像融合造成的图像色偏。实验结果显示,该方法处理过的增强图像在主观和客观评价上优于其他方法,图像颜色失真较小,细节更清晰,为图像的后续应用做了铺垫。

基于HSV空间的Retinex低照度图像增强算法

针对低照度图像存在亮度较低、照明不均匀、对比度较差、细节信息损失等问题,提出一种基于HSV空间的Retinex低照度图像增强算法.首先将低照度图像转化为HSV空间;然后在HSV空间对亮度通道采用改进的Retinex算法和基于自适应Gamma校正与CLAHE算法联合的亮度增强算法实现对低照度图像的亮度增强;其次,通过双边滤波,利用线性拉伸进行饱和度分量图像增强;最后将增强后的图像重新转换为RGB格式,并利用自动白平衡技术恢复图像物体原本的颜色.实验结果表明,该算法有效改善了低照度图像的质量,达到较好的视觉效果,PSNR、SSIM和信息熵等指标优于其他算法.

面向舞台场景的改进Retinex低照度图像增强

针对舞台场景拍摄亮度动态范围受限问题,提出一种基于改进Retinex算法的舞台低照度增强方法。先对舞台场景的低照度图像采用改进的Retinex算法进行增强处理,得到整体增强后图像。将原图与增强后图像进行融合,处理掉过度增强和不需要增强的背景区域,得到最终图像。其中,改进的Retinex算法采用高斯-拉普拉斯高通滤波先求出反射分量后求出光照分量,解决反射分量细节丢失的问题。然后对反射分量进行对比度和细节增强处理,再与光照分量相乘得出增强后图像。本方法在软件平台验证的基础上进行FPGA硬件平台验证。实验结果表明,与其他经典方法相比,本方法在不同的舞台场景,尤其是明暗差距较大的舞台场景上,视觉效果明显,峰值信噪比(PSNR)平均提高了57.06%,结构相似性(SSIM)平均提高了27.34%。处理后的图像还原了舞台的真实亮度动态范围,并且色彩饱和度较好自然不失真,保证了较好的图像质量。

多尺度Retinex的光学相干层析图像增强研究

针对光衰减导致光学相干层析图像局部图像对比度下降的问题,提出了基于多尺度Retinex的光学相干层析图像增强方法。采用图像光照补偿的方法完成光学相干层析图像增强,选取多尺度Retinex算法在三个尺度条件下确定高斯滤波系数;利用高斯滤波系数对光学相干层析图像实施卷积处理,对灰度值结果实施加权平均处理,并采用分段线性平移与压缩方法对加权后灰度值实施映射,实验结果显示该方法可显著提升图像的颜色与对比度质量,有效解决了后向散射的问题,获取较好的光学相干层析增强效果。

Improved image enhancement method for flotation froth image based on parameter extraction

Froth image could strongly indicate the production status in mineral flotation process.Considering low contrast and sensitivity to noises and illumination of froth images in flotation cells,an improved image enhancement algorithm based on nonsubsampled contourlet transform (NSCT) and multiscale Retinex algorithm has been proposed.Nonsubsampled contourlet transform was firstly adopted to decompose the flotation froth images,ensure signals invariance and avoid the blurring edge.Secondly,a multiscale Retinex algorithm was used to enhance the lower frequency image and improve the brightness uniformity.Adaptive classification method based on Bayes atrophy threshold was proposed to eliminate noise,preserve strong edges,and enhance weak edges of band-pass sub-band images.Experiment shows that the proposed method could enhance the edge,contour,details and curb noise,and improve visual effects.Under-segmentation caused by noise and blurring edge has been solved,which lays a foundation for extracting foamy morphological flotation froth and analyzing grade.

改进Retinex算法的低照度图像增强研究

全局增强未过多考虑图像局部细节,单独使用局部增强会损失图像的亮度。多尺度Retinex算法既能保持动态范围压缩又能实现整体再现,但易出现光晕现象,色彩失真,图像细节信息容易丢失,且运算时间较长。针对上述不足,提出了图像融合增强算法:采用离散小波变换实现对局部增强、全局增强图像及改进多尺度Retinex增强图像的融合。改进多尺度Retinex算法使用引导滤波替换高斯滤波估计反射分量。通过对仿真结果定性以及在峰值信噪比,结构相似度等方面进行定量对比,实验结果证明较原图和MSR(multi-scale-retinex)算法处理图像,该算法针对图像昏暗、提取信息不全问题具有更好的显示效果。

基于多尺度Retinex算法的杆塔多吊点约束绳系动点坐标计算方法

为了实现输变电工程的全过程智能管理,并保证杆塔吊装的安全以及吊装后使用效果,提出基于多尺度Retinex算法的杆塔多吊点约束绳系动点坐标计算方法。采用多尺度Retinex算法增强杆塔吊装图像质量,通过最小二乘法提取图像中的特征,通过特征匹配识别杆塔类别,采用Picard方法建立不同类别的杆塔动点坐标计算模型,计算杆塔多吊点约束绳系动点坐标。测试结果显示:具有较好的图像增强效果,BIQI指标和BRISQUE指标的测试结果均在4.6以上,能够完成图像中杆塔的区分,得出杆塔的类别结果,能够计算出吊点约束绳系动点坐标结果,保证杆塔的安全吊装,倾角均低于10°,截面弯矩则越均匀程度均在92.5%以上。

基于HSV空间的Retinex煤矿井下图像增强算法

对煤矿井下进行实时监控,收取图像信息,并进行安全警报是矿井安全研究的重要内容。然而,受光照与粉尘等因素的影响,使得煤矿井下采集到的图像比较模糊。针对这一影响,提出了一种基于HSV空间的Retinex煤矿井下图像增强算法:将RGB图像映射到HSV空间中,对HSV空间的对应分量分别处理再映射回RGB空间。在实验中,分别对反映矿井整体信息的图像和反映矿井物体局部细节的图像进行增强处理。实验结果表明:相较于传统Retinex算法,经该算法处理过图像的SSIM、PSRN、信息熵指标均有所提高,且更有助于增强图像的边缘细节,这对煤矿井下的安全防范有重要意义。

基于改进最佳缝合线的矿井图像拼接方法

煤矿井下掘进工作面高粉尘、低照度的恶劣环境导致图像信噪比较低,且有效特征点数量严重减少,处理后的图像存在较大色差和噪声,在使用最佳缝合线算法进行图像拼接时出现细节错位、缝合线处过渡不自然或拼接痕迹明显的现象。针对上述问题,提出了一种基于改进最佳缝合线的矿井图像拼接方法。首先,对原始图像进行HSV空间变换,采用改进的Retinex算法对亮度分量进行增强,利用双边滤波函数代替中心环绕函数,以解决亮度差异大处产生的光晕问题,通过增强算法有效提高特征点提取数量。然后,采用SIFT算法提取特征点,并以余弦距离作为匹配度指标;引入像素余弦相似度作为约束项,并采用形态学操作对颜色差异强度进行改进,利用动态规划法对最佳缝合线进行搜索,以避免图像拼接处的错位现象。最后,结合渐入渐出融合算法,使图像过渡平滑,实现煤矿井下掘进工作面的图像融合。模拟井下实际工况环境进行实验验证,结果表明:基于改进最佳缝合线的矿井图像拼接方法与传统最佳缝合线算法相比,避免了颜色差异和噪声引起的错位拼接现象,拼接缝处的图像过渡更加自然,避免了“鬼影”和明显拼接缝的产生,且图像平均梯度提高2.38%,拼接时间提高32.5%,使得融合区域更加平滑自然,提高了拼接质量。

基于全局双约束的矿井尘雾图像增强方法

为提高煤矿尘雾图像的可观测性,提出一种基于全局双约束的Retinex算法的尘雾图像增强算法(GCFCDL-Retinex)。首先,将输入图像进行内外循环,训练聚类和稀疏双重约束下的过完备字典,对图像中的噪声分量进行抑制;然后,通过Retinex算法对照度分量和反射分量进行估计及提取,并对提取的照度分量进行自适应Gamma校正;最后输出增强后的图像。研究结果表明:在煤矿井下的复杂环境中,所提出的图像增强算法能够有效提高矿井下尘雾图像的对比度和清晰度,去除真实粉尘,同时抑制图像光晕、边缘模糊的现象,增强后的图像色彩自然,视觉效果明显提升。研究结论为矿井下视频监控清晰化的工程应用提供理论依据。

复杂光线环境下星载激光光斑图像特征参数提取

星载激光光斑图像易受采集时复杂光线背景的影响,导致激光光斑特征参数提取精度不佳,由此提出复杂光线环境下星载激光光斑图像特征参数提取方法。首先,基于光照校正的Retinex图像增强算法光照补偿及增强星载激光光斑图像,以消除复杂光线环境的影响;其次,基于二次阈值分割与形态学消噪结合方法提取光斑边界;最后,使用一阶灰度重心法与椭圆拟合结合方法完成激光光斑图像特征参数提取。仿真结果表明,所提方法的星载激光光斑图像特征参数提取精度保持在95%以上,具有较好的提取性能。

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.

滤波器可变的Retinex雾天图像增强算法

针对现有中心环绕Retinex图像增强算法滤波器固定,不能对雾天图像有效地同时增强细节与色彩保真的问题,提出一种滤波器可变的Retinex图像增强算法.首先根据雾天图像雾化程度的分布特征得到滤波参数的阈值;然后将原图中每一子块的局部信息与阈值信息作差运算得到相应的滤波器,由此计算出该子块的入射分量,并通过部分重叠策略平移子块完成对整幅图像的入射分量估计;最后将原图减去整幅图像的入射分量得到反射分量,实现对图像的增强.通过主观观测和客观评价的结果表明:该算法比现有的中心环绕Retinex算法在细节增强和颜色保真方面具有更好的效果.

基于单尺度Retinex算法的非线性图像增强算法

提出一种改进的Retinex算法——基于单尺度Retinex的非线性图像增强算法.不同于经典的Retinex算法用复杂的运算估计亮度图像,该算法首先对亮度图像进行粗估计,然后通过非线性运算在反射图像中对粗估计的亮度图像进行补偿.实验结果表明,所提出的算法同经典的Retinex算法相比,无论在增强效果还是在处理时间上都具有更大的优越性.

基于多尺度Retinex的自适应图像增强方法

介绍了一种基于MSR的自适应图像增强的方法,能够较好地自动处理由于云雾、雨天等天气原因和光照不足导致的景物不清、视觉质量差和对比度低的图像,提升多种类型的图像视觉质量。通过对实验的结果以及算法的普适性进行比较和分析,证明了该方法是有效的。

一种细节保持的Retinex图像增强算法

针对基于Retinex理论的Kimmel变分模型在图像增强中存在人工伪影等问题,对其模型进行了改进.改进的模型增加了保持细节信息的因子,并在模型求解过程中采用了基于金字塔的提升算法,计算复杂度明显降低,然后对求解得到的图像进行正态截取拉伸处理,取得了较好的图像增强效果.

一种新型自适应Retinex图像增强方法研究

提出一种新的基于无限冲激响应(IIR)低通滤波的Retinex图像增强算法,该算法具有边缘保留功能,不会产生光晕效应,而且计算量较小.并将该算法与实数编码遗传算法相结合,使其具有针对不同图像特点自适应选择参数的功能.通过对低照度图像和雾天图像的实验表明,该算法能够根据图像的特点自动选择出较合理的参数,处理后的图像在清晰度和色彩上较MSR及MSRCR算法具有更好的效果.

苹果采摘机器人夜间图像边缘保持的Retinex增强算法

为了提高采摘机器人的适用性和工作效率,保证成熟苹果果实的及时采摘,需要机器人具有夜间连续识别、采摘作业的能力。针对夜间苹果图像的特点,该文提出一种基于引导滤波的具有边缘保持特性的Retinex图像增强算法。利用颜色特征分量采用具有边缘保持功能的引导滤波来估计出照度分量;进而利用单尺度Retinex算法对图像进行对数变换获得仅包含物体本身特性的反射分量图像;分别对照度分量和反射分量图像增强后,再合成为新的夜间苹果的增强图像。文中选取30幅荧光灯辅助照明下采集到的夜间苹果图像进行试验的结果显示,该文增强算法处理后的30幅图像的平均灰度值,分别比原始图像、直方图均衡算法、同态滤波算法和双边滤波Retinex算法处理后的图像平均提高230.34%、251.16%、14.56%、7.75%,标准差平均提高36.90%、-23.95%、53.37%、28.00%,信息熵平均提高65.88%、99.68%、66.85%、17.53%,平均梯度提高161.70%、64.71%、139.89%、17.70%。且该文算法较双边滤波Retinex方法的运行时间平均减少74.56%。表明该文算法在夜间图像增强效果和运行时间效率上有明显的提高,为后续夜间图像的分割和目标识别提供了保障。