基于光照-反射成像模型和形态学操作的多谱段图像增强算法

为解决多谱段降质图像增强问题,提出了一种基于光照-反射成像模型和形态学操作的多谱段图像增强算法.首先对图像饱和度使用自适应非线性拉伸函数进行拉伸,使增强后的图像色彩更加饱和、自然;接下来利用引导滤波算法提取出图像的光照分量,提出了一种基于细节特征的加权融合策略,利用光照分布特性构造了一种自适应Gamma校正函数对光照分量进行处理,并将其与利用对比度受限的自适应直方图均衡化方法处理后的光照分量以及原始光照分量进行融合;然后在反射分量校正时,构造了一种形态学操作函数来校正反射信息;最后合并光照分量和反射分量,并与处理后的饱和度分量和色调分量一起得到增强图像.采用主客观评价指标对可见光低照度图像、水下图像、高动态范围图像、沙尘暴图像、雾天图像和热红外图像6种降质多谱段图像实验结果进行分析比较,结果表明本文算法能够有效地抑制图像噪声、增强图像细节信息、改善图像视觉效果,可应用于多种图像增强领域.

低照度全景图像增强处理研究进展

概述了低照度全景图像增强算法及其相关研究现状,以典型的低照度全景图像增强算法为例,进行了算法仿真实验。从主观和客观指标评价两个方面分别对各类典型算法仿真结果进行了比较分析,总结了各类算法的优缺点。指出在兼顾低照度全景图像亮度提升、图像去噪以及细节增强的同时,提高算法的有效性、实时性与自适应性是未来低照度全景图像增强算法发展方向。

基于细节特征融合的低照度全景图像增强

为了提高低照度条件下采集的全景图像的视觉效果,提出一种基于细节特征加权融合的低照度全景图像增强算法.首先,利用双边滤波算法提取出图像的光照分量,并分别采用自适应伽马校正和对比度受限的自适应直方图均衡化算法对光照分量进行处理;然后,与原始光照信息进行加权融合得到校正后的光照分量,并在反射分量调整时,提出一种自适应调整函数来校正反射信息;最后,将光照分量与反射分量合并,以实现对低照度全景图像的增强.实验结果表明,所提出的算法在提高图像亮度的同时,可以增强图像细节信息,去除噪声,使增强后图像色彩信息更加丰富自然.

基于深度融合的深度图像修复算法

提出了一种基于深度融合的深度图像修复算法。对于单幅深度图像,首先利用形态学操作进行空洞区域优化,消除深度图像中的间隙和随机噪声;然后针对迭代滤波过程,提出一种新的深度融合策略计算深度值,并通过对空洞区域的分析,判断深度图像中空洞区域类型,自适应选择结构元进行迭代操作;最后利用局部深度值重建方法对受损的边缘处深度值进行修复。实验结果表明,本文算法在较好的修复深度图像中存在空洞和间隙的同时,能够保持原始深度图深度值分布规律,克服修复过程中存在的深度值失真,边缘模糊等不足。基于标准数据集Middlebury 的对比试验结果表明,本文算法与其它算法相比,获得了良好的效果。