基于全局亮度自适应均衡化的海上图像带色彩恢复的多尺度Retinex算法

针对海上图像利用多尺度图像增强算法（MSRCR）不能有效地去除雾以及存在颜色纠偏过度问题,提出了一种基于全局亮度自适应均衡化的海上图像改进MSRCR算法。该算法首先计算海上雾天图像的取反图;其次对原图像和取反后图像进行MSRCR运算;然后利用全局亮度自适应直方图均衡化处理,并将处理后的亮度与经MSRCR处理后的反射分量进行低频信号线性叠加;最后计算叠加后图像的均值和标准差,并采用自适应拉伸图像灰度值,实现图像色彩对比度的提升。实验证明该算法处理后的图像,前景突出,细节清晰,色彩丰富,对于海上图像除雾,具有一定的意义。     

基于图像分割和融合的图像去雾算法研究

为了解决传统的暗通道先验去雾方法产生的细节丢失和亮度偏低等问题,本研究提出了一种基于图像分割和融合的去雾算法。首先对输入图像使用亮度反转的MSRCR预处理来进行色彩保真;其次用阈值分割法提取图像的特征信息并获得掩膜,根据特征信息设计自适应的Gamma校正方法,提升对比度和亮度,并使用暗通道先验方法保持去雾后的细节;最后将处理后的图像进行掩膜融合。在真实世界的数据集上仿真结果表明,本研究所提算法在去雾后能保留更多的细节且提高亮度。与几种经典的算法相比,本研究所提算法在去雾后的图像有较好的色彩保真度,保留了更多的细节,去雾效果好且亮度更自然。     

使用局部大气光的单幅图像去雾算法

针对传统算法去雾后图像偏暗的问题,根据去雾后图像对比度和亮度均应该增加的标准提出了一种高亮度和对比度的去雾算法。首先依据大气光与复原图像亮度成反比事实,设置像素红绿蓝(RGB)三个颜色分量均值为局部级粗糙大气光,使用具有较好抑制光晕效应的半全局加权最小二乘算法优化获取局部级大气光;然后根据去雾图像方差与大气透射率成反比事实,使用基于像素最小颜色分量的大气散射函数计算粗糙透射率,然后使用局部均值滤波器优化透射率;最后结合雾天成像模型恢复无雾图像。实验结果表明所提算法去雾图像的梯度、亮度和速度等客观指标均优于传统算法,其中亮度最少增强1.5倍。所提算法能提高去雾图像亮度、丰富图像细节和提高去雾速度,具有较好的工程应用价值。     

结合HE和改进MSRCR的交通雾霾图像增强

【目的】受大气粒子散射的影响, 雾霾天气下的交通监控图像严重降质, 影响交通安全。【方法】针对雾霾图像存在对比度低、灰度分布狭窄和细节损失严重的问题,提 出一种结合直方图均衡化(HE)和改进色彩恢复多尺度Retinex(MSRCR)的单幅交通图像去雾霾算法。该算法首先将图像分别进行HE和MSRCR增强, 其中MSRCR 增强时, 使用具有平滑保边缘功能的引导滤波替换高斯函数来估计光照分量, 然后对增强后的两幅图像进行加权融合。【结果】通过定性分析发现, 该算法有效改善了图像的主观视觉效果; 通过定量分析发现, 该算法相对于HE、MSRCR、B-SSR和G-SSR算法, 显著提高了图像的平均梯度和对比度, 且灰度熵和彩色熵也有一定程度提高。【结论】实验结果表明, 该算法能有效增强交通雾霾图像。
     

结合HE和改进MSRCR的交通雾霾图像增强

【目的】受大气粒子散射的影响,雾霾天气下的交通监控图像严重降质,影响交通安全。【方法】针对雾霾图像存在对比度低、灰度分布狭窄和细节损失严重的问题,提出一种结合直方图均衡化(HE)和改进色彩恢复多尺度Retinex(MSRCR)的单幅交通图像去雾霾算法。该算法首先将图像分别进行HE和MSRCR增强,其中MSRCR增强时,使用具有平滑保边缘功能的引导滤波替换高斯函数来估计光照分量,然后对增强后的两幅图像进行加权融合。【结果】通过定性分析发现,该算法有效改善了图像的主观视觉效果;通过定量分析发现,该算法相对于HE、MSRCR、B-SSR和G-SSR算法,显著提高了图像的平均梯度和对比度,且灰度熵和彩色熵也有一定程度提高。【结论】实验结果表明,该算法能有效增强交通雾霾图像。     

基于Python的夜间图像增强方法研究

数字图像广泛应用于生活娱乐、医学、交通等领域,由于光照不均匀和光照强度不够等自然环境、拍摄技术和设备的限制,有些获取的夜间图像对比度低、色彩偏暗、细节缺失严重,且含有大量噪声,影响图像的辨识度和质量,极大的影响了视觉体验.针对该问题,本文分析了基于Retinex和去雾理论的夜间图像增强算法,提高夜间图像的亮度和对比度,提升图像的可视化效果;运用Python语言实现了MSRCR、MSRCP以及基于去雾理论的增强算法.研究结果表明,对夜间图像进行增强处理后,能极大地提高图像的可视化效果.     

一种改进的Retinex矿井图像增强算法

为了改善矿井图像的成像质量,提升观测效果,针对传统Retinex算法处理矿井图像时存在的色彩失真、光晕模糊和过增强等问题,提出了一种改进的Retinex矿井图像增强算法：首先将待处理图像从RGB空间转为HSV空间;基于Retinex理论,对V分量采用改进的自适应快速引导滤波进行照度估计,进而获得反射分量;提出了一种“S型”函数对照度分量进行照度均衡;对反射分量进行非线性拉伸,实现细节增强;最后将处理后的照度分量和反射分量融合,并转回RGB空间得到最终的增强图像。将本文算法应用于矿井下非均匀照度环境,并选择具有代表性的三个算法进行对比,实验结果表明本文算法增强结果在主观和客观评价方面优于其他算法。可见该算法在色彩、细节和边缘保持方面均较优,且能够避免过增强现象,实现矿井图像的有效增强。     

海上监控视频实时去雾算法研究

为提高船舶在雾天航行的安全性,对船舶监控视频流进行实时去雾.建立雾天退化物理模型,采用数学中不等式缩放理论估计出每帧有雾图像的透射率和全局大气光,然后根据雾天成像的物理模型恢复出每帧去雾图像.根据海上监控视频图像具有大面积天空和海水,对该算法中的参数依据航海目标细节恢复程度和图像对比度等因素进行估计.实验结果表明,该算法能够有效恢复海上目标的细节清晰度和提高图像的对比度,又能满足视频流实时去雾的要求,说明算法能够较好地解决海上监控视频实时去雾问题.      

基于CLAHE的DSP实时去雾系统

为了解决户外监控系统在雾天视频清晰度较低的问题,设计了一种以DSP TMS320DM642为硬件核心,以限定对比度自适应直方图均衡化（CLAHE）为去雾算法的视频实时去雾系统.算法首先将原始图像分割成若干个大小相同的子区域,然后选取特定值截取每个子区域的直方图,并将截取下的像素均匀分配到每个灰度级,最终得到限定对比度直方图.实验结果表明,该系统能够有效提高雾天视频清晰度.     

结合深度残差神经网络与Retinex理论的低照度图像增强

由于低照度图像不易于分辨其中的具体细节,难以对图像进行进一步的利用.为了提高低照度图像的可视性,解决传统U-net对图像特征提取不足的问题,利用深度残差网络的特征提取能力强的优点,提出了一种基于Retinex理论结合残差网络的增强算法.首先,使用一系列卷积和上采样来改进U型网络将图像分解为反射部分和光照部分;然后,为了更好地保留细节特征,一方面将分解得到的反射部分和光照部分通过一系列卷积块提取特征后送入构建好的残差网络中进行重建,从而得到初步重建的图像,另一方面将光照部分通过四层卷积层进行增强,得到调整后的光照分量;最后,将重建的图像和调整后的光照分量进行融合,得到最终的低光照图像增强图像.实验结果表明,改进算法有效地提高了图像暗光部分的可视性,同时增强了色彩深度和对比度,且相比于其他方法,在主观以及客观评价上均有较好的效果.     

基于天空区域分割和多尺度融合的单幅雾天图像复原算法

传统的暗原色理论相关算法在处理带有天空区域的雾天图像时易出现亮度损失和光晕现象。针对这一问题,该文提出一种基于空区域分割和多尺度融合的单幅雾天图像复原算法。该方法首先对图像进行缩放,根据雾天图像的特性分割天空区域,获取全局大气背景光;根据散射模型获取初步的透射率图像,运用L0梯度最小化方法获取优化的透射率图像;最后运用多尺度融合的方法对不同曝光度的图像进行融合,获取最终的去雾图像。主观观察和客观评价表明,在整体和细节方面,该算法比现有暗原色算法及其改进算法处理效果更好。     

多尺度Retinex在图像去雾算法中的应用研究

针对单尺度Retinex(SSR)图像去雾的算法效果不佳,探讨在图像去雾处理中多尺度Retinex(MSR)算法去除浓雾、厚雾的问题,并在MSR基础上进一步对图像进行带颜色复原的MSR(MSRCR)的处理。首先采用二维傅立叶变换得到高斯滤波函数,同时由逆傅立叶变换、卷积积分计算出图像的入射分量,再通过算法计算出图像的反射分量,最后通过低通滤波器得到图像的高频分量后还原图像。实验结果显示:与SSR和MSR算法相比,MSRCR算法能更好地去除图片中的浓雾、厚雾的影响,提高带雾图片处理后的清晰度且效果明显。     

基于奇异值分解和引导滤波的低照度图像增强算法

针对现有低照度图像增强算法在处理图像后容易出现色彩失真、细节丢失、过度增强等问题,提出一种基于奇异值分解和引导滤波的低照度图像增强算法.首先通过Max-RGB模型获得初始光照分量,使用奇异值分解和引导滤波对初始光照分量进行优化,得到最终光照分量.利用Retinex模型,将原低照度图与光照分量图逐点相除,得到增强图像,并使用原始图像的绿色分量图作为引导图像,使用引导滤波对增强图像进行去噪处理.实验结果表明,提出的算法能够得到色彩更加真实、视觉效果更好的图像,同时能够避免过度增强、出现光晕等问题.     

基于对比度增强与小波变换相结合的红外与可见光图像融合算法

针对红外与可见光图像在传统离散小波变换的基础上,提出了一种基于对比度增强与小波变换相结合的红外与可见光融合算法.对红外图像进行对比度增强和去噪预处理,选取最佳小波基,分别对红外与可见光图像进行多尺度小波分解,提取两张图像的高频与低频分量,高频与低频取绝对值最大,对高低频分量进行小波逆变换重构图像.实验结果表明,该算法能够有效地获取边缘等细节信息,得到较高清晰度和对比度的融合图像,其边缘强度、信息熵、标准差、清晰度等客观评价指标均优于传统的PCA、Laplace金字塔和离散小波变换等算法.     

基于统计特性和亮度估计的夜晚图像去雾

由于人工光源的存在,夜晚有雾图像具有光照不均、色偏严重和亮度较低等特点,现有的常规图像去雾算法并不适用.考虑到夜晚雾天图像成像特点,建立了带有色偏因子的雾天图像成像模型,可成功用于夜晚图像去雾,并提出了基于统计特性和亮度估计的夜晚图像去雾算法.由于夜晚雾天图像和低照度图像亮通道直方图具有较大相似性,首先将夜晚有雾图像进行反转,然后基于带色偏因子的雾天图像成像模型,局部估计带色偏的大气光;针对夜晚有雾图像色偏严重,导致三通道透射率差异较大,提出对透射率三通道分别进行处理;在此基础上,利用亮度估计对透射率进行优化;最后,利用局部Grey-world算法对去雾后的图像进行颜色校正.实验结果表明,所提算法能够有效去除夜晚雾气影响,提高图像的整体亮度和对比度,恢复更多的图像细节.     

基于 Retinex 理论的低光图像增强算法

为了解决低光照图像存在的对比度低、噪声大等问题,提出一种基于 Retinex 理论的卷积神经网络增强模型 (Retinex-RANet)。 它包括分解网络、降噪网络和亮度调整网络 3 部分:在分解网络中融入残差模块(RB)和跳跃连 接,通过跳跃连接将第一个卷积层提取的特征与每一个 RB 提取的特征融合,以确保图像特征的完整提取,从而得 到更准确的反射分量和光照分量;降噪网络以 U-Net 网络为基础,同时加入了空洞卷积和注意力机制,空洞卷积能 提取更多的图像相关信息,注意力机制可以更好地去除反射分量中噪声,还原细节;亮度调整网络由卷积层和 Sigmoid 层组成,用来提高光照分量的对比度;最后将降噪网络去噪后的反射分量和亮度调整网络增强后的光照分 量融合,得到最终的增强结果。 实验结果显示:Retinex-RANet 在主观视觉上不仅提高了低光图像的亮度,还提高了色彩深度和对比度,在客观评价指标上,相较于 R2RNet,PSNR 值上升了 4. 4%,SSIM 值上升了 6. 1%。 结果表 明:Retinex-RANet 具有更好的低光图像增强效果     

基于均值漂移的暗原色先验图像去雾算法

暗原色先验去雾算法在单幅图像去雾方面效果明显,但该算法复杂度高、处理耗时长,针对该算法不足之处,文章对均值漂移算法进行适当改进后,将其引入暗原色先验去雾算法之中,并结合数学形态学的思想,提出一种新的高精度透射率快速计算技术和相应的去雾算法。通过改进的算法,有效解决了块状效应和光晕现象的问题。选取一系列雾天图像进行实验,分别采用主观观察评价和客观数据分析方法,结果表明文中所提出算法快速有效,并较好地恢复了图像细节,减少了色彩失真,同时改进算法处理效果与原算法基本一致,算法效率得到显著提高。     

一种面向城市道路的视觉图像去雾方法

针对雾天环境的城市道路下自动驾驶车辆视觉感知效果不佳的问题,提出一种基于大气光值的快速图像去雾改进算法,并验证了算法的有效性。首先,制定了大气光动态估算策略,并设计了大气光动态估算的自适应触发函数,通过大气散射模型进行了大气光的估计;其次,利用最小滤波技术获取了雾天图像的暗通道图,并估算了对应的投射图像;再次,制定了大气光计算策略,并优化了去雾系数;最后,利用直方图均衡化算法抑制了残余噪声,进一步提升了无雾图像的对比度。实验结果表明,所提算法相比DCP、CAP等在NIQE和SSEQ性能指标上都有所提升,拥有更好的细节恢复能力和处理性能,更有利于交通信息的提取。     

一种非均匀照明彩色图像自适应校正方法

为解决非均匀照明条件下彩色图像亮度不均、细节丢失、对比度低等问题,提出一种非均匀照明彩色图像自适应校正方法研究非均匀照明图像的自适应增强.首先,提出一种双伽马校正直方图均衡(bilateral Gamma adjustment histogram equalization,BIGAHE)算法处理HSV颜色空间的V通道,来调整图像全局对比度和亮度,同时使用构建的自适应拉伸函数对S通道进行非线性拉伸以提高图像整体饱和度,然后利用对比度受限的自适应直方图均衡算法(contrast limited adaptive histo-gram equalization,CLAHE)对L?a?b?颜色空间中L?通道进行局部对比度增强,得到最终增强图像.实验结果表明,与现有流行的图像增强方法相比,该算法的平均梯度(mean gradient,MG)、熵(entropy)指标为所有对比算法中最优,对比度改善指数(contrast improvement index,CII)在所有方法中排名第二.可见该算法能够有效提高非均匀照明图像亮度和对比度,提供更多的细节增强,同时避免过度增强,保持图像的自然性,获得更好的增强效果.     

基于色彩恒常理论的图像去雾技术

针对户外图像采集处理系统，讨论了1种有效的图像去雾方法。由于雾退化图像对比度较低，从图像增强角度入手，将雾的退化作用等效成景物的照度变化，根据色彩恒常理论，采用Frankle—McCann Retinex（FMR）算法进行图像去雾处理；结合人眼对亮度的指数视觉特性，采用软复位算法对其进行改进。仿真分析表明，改进后的算法可以有效增强雾退化图像的对比度，获得满意的视觉效果。