多尺度细节增强与自适应γ变换的图像增强

针对现有图像增强方法未能适宜地提升图像的亮度、对比度,以及保持图像自然效果的问题,提出了多尺度细节增强与自适应γ变换的图像增强方法。该方法根据多尺度的纹理结构和边缘细节特征,用引导滤波对图像进行多尺度的Retinex分解,分解为多尺度的细节层和最后的基础层;对基础层做自适应的γ拉伸,实现图像亮度和对比度的有效增强,对细节层进行多尺度的拉普拉斯增强;将增强的基础层与增强的细节层进行多尺度的Retinex反变换,实现原图像的增强。图像增强实验结果显示,相对于当前的部分最新方法,所提方法的图像增强性能更好,图像增强后的信息熵和平均梯度分别比现有的方法提升大约1.2和2.8。

加权平台直方图均衡化的低照图像增强

为了进一步有效地提升低照图像的亮度、对比度和清晰度,提出了加权平台直方图均衡化的低照图像增强方法。该方法充分利用HSV颜色空间中明度分量V与色调H和饱和度S的独立性,将图像转换到HSV颜色空间;用具有良好边缘保持能力的双边滤波,将明度分量V通过Retinex算法分解为光照图像L和反射图像R;对光照图像L进行加权双平台直方图均衡化,其中,上、下平台阈值由正态分布的3σ原则自适应地确定,加权系数反比于灰度级对应的直方图频次。实验结果显示,相对于部分现有方法,本文方法增强后的图像效果较好,对应的信息熵和平均梯度分别比现有方法高出0.35和12以上,证明了本文方法具有更优的低照图像增强性能。