具有细节补偿和色彩恢复的多尺度Retinex色调映射算法

针对带色彩恢复的多尺度Retinex色调映射算法(MSRCR)在分离图像光照信息时未保留部分细节信息,导致结果图像出现细节模糊和颜色失真的问题,提出了一种具有细节补偿和色彩恢复的多尺度Retinex色调映射算法(MSRCD).该算法利用Retinex理论的基本原理将高动态范围图像分为反射层和光照层,先使用双边滤波从图像光照层中提取出细节信息进行补偿,然后从图像的反射层中分离出基本层信息并进行自适应调整,压缩其动态范围,最后通过色彩校正还原图像颜色.实验结果表明,与MSRCR算法及基于双边滤波的算法相比,MSRCD算法的处理结果保留了更丰富的细节信息,色彩逼近于真实场景且避免了光晕的产生.     

基于Retinex的亮度-梯度协同引导色调映射算法

针对梯度域色调映射方法在图像主观显示性能方面存在的不足,利用人类视觉系统的感知能力和梯度域方法,提出一种基于Retinex理论的亮度-梯度协同引导色调映射算法.首先,提出作用域感知的自适应归一化方法,针对不同作用域算法构造归一化映射;然后,引入Retinex亮度引导项对背景亮度进行估计,并基于梯度引导项对图像进行动态范围压缩;最后,将亮度、梯度引导项联合进行统一建模,用指数平均局部方差权重抑制光晕.实验结果表明,该算法在动态范围压缩的同时抑制了过饱和与伪影现象,具有良好的视觉效果和鲁棒性.     

基于协同滤波的多尺度色调映射

高动态范围(HDR)图像是一类包含丰富的图像细节、具有较高明暗对比度、接近真实场景色彩的图像.HDR图像具有广阔的研究前景和实际应用价值.与传统图像相比,这类图像具有很高的动态范围,因而HDR图像在一般显示设备上难以得到比较满意的显示效果.为了克服这一问题,本文提出一个基于协同滤波的多尺度色调映射模型,该模型先利用滤波方法将HDR图像分解为不同细节尺度的图像层,再对各个图像层的动态范围进行不同程度的调整,从而同时达到压缩动态范围和增强细节的效果.实验表明该模型能较好地在一般显示设备重现原场景,具有较好的视觉效果.     

基于多尺度局部边缘保持滤波的X射线图像色调映射算法

为了使工业和医疗检测系统获取的高动态范围X射线图像显示于普通显示器并保留丰富的细节信息,提出了一种基于多尺度局部边缘保持(local edge-preserving,LEP)滤波的色调映射算法。原始图像通过LEP滤波器得到代表近似信息的基础层图像,并与基础层图像对应位置灰度值作差,得到代表细微边缘的细节层图像。对该基础层图像进行两次类似的分解后,原始图像被分解成一个基础层和三个细节层图像。各细节层图像的细节信息增强后与基础层图像融合,并通过直方图均衡化提高图像的对比度,得到保留了原始图像中丰富细节的低动态范围图像。实验结果表明,所提算法在结构保真度、自然度、图像质量评分的表现上都得到了较大改进,有效地优化了图像质量,提高了X射线检测系统的检测效率。     

基于自适应查找表的高动态范围内容映射算法

高动态范围是媒体行业超高清标准体系的重要组成部分.随着标准的完善、政策的支持和消费市场的演进,高动态范围行业的矛盾转移到内容上,需要能将现有普通图像或视频上转换为高动态范围显示的算法,该过程称作逆色调映射,是非适定的底层视觉问题,故通常结合深度学习方法来解决.将深度学习与图像转换或映射的常用高效方法(自适应查找表)结合,提出面向用户终端的高效逆色调映射算子,并针对高动态范围容器更高量化位深的特性进行了优化.实验结果表明,该方法相比其他基于深度学习的逆色调映射算法在表现与计算开销上均有优势.     

基于双边滤波的HDR图像色调映射算法

高动态范围(HDR)图像是一种表达了超过一般显示器所能表示的真实场景中亮度大范围变化的图像类型,能够很好地区分场景的明暗区域,呈现更多的细节信息.为了能够在低动态范围显示器上显示HDR图像,需要进行动态范围压缩.采用一种基于双边滤波的HDR图像动态范围压缩算法,首先计算每个像素点亮度值,然后对其进行双边滤波处理,最后进行对比度的压缩并生成最终的图像.实验结果表明,该算法合成的HDR图像整体明暗效果较好,细节信息丰富.     

图像高动态范围压缩技术综述

自然界中亮度的动态范围及人眼所能感知的亮度范围,均远远超过了目前显示设备所能达到的水平.本文介绍了将高动态范围的图像映射为适应普通显示设备的图像,同时保留原图感观质量的动态范围压缩技术,对现有的各种动态范围压缩算法进行了分类总结,并提出了未来的发展方向.     

基于HSV空间的高动态范围彩色显微图像合成

由于显微场景照度动态范围较大,普通显微成像设备拍摄的单幅图像无法真实表现实际场景,提出了一种基于HSV空间的高动态范围图像合成方法.首先,将同一场景不同曝光度的序列图像从RGB空间转换到HSV空间.其次,利用Debevec-Malik方法将图像序列的亮度分量合成为高动态范围的亮度图像,再对其进行色调映射得到最终的亮度分量.另外,我们对色调和饱和度分量分别进行加权平均合成,从而得到最终图像的色调与饱和度分量.实验结果表明,本方法对彩色显微图像具有较好的处理效果.     

基于自适应局部保持映射的图像特征降维算法

针对基于颜色特征的图像检索中的图像特征降维问题,提出了自适应局部保持映射(ALPP:Adaptive Locality Preserving Projection)的图像特征降维算法.在考虑了每个特征向量与其近邻关系的基础上,通过研究贝叶斯准则在图像分类中的作用,将聚类引入降维算法中,解决特征空间维数的自适应确定问题.使降维结果既保证了最大化地消除高维向量间的相关性和冗余度,又不破坏原始数据近邻间的拓扑结构.实验结果表明,对Coral图像库,应用HSV直方图特征,在查询返回图像为50幅的情况下,基于ALPP算法图像检索的查准率为67.7%,查全率为57.3%.相对PCA(Principal Component Analysis)算法的查准率(45.8%)和查全率(49.2%),具有较高的检索精度.     

基于模糊自适应卡尔曼滤波的SLAM算法

针对同步定位与地图创建（SLAM）问题中难以建立准确的先验噪声模型的问题,提出一种改进的模糊自适应卡尔曼滤波算法.该算法通过在线监测新息的变化,利用模糊逻辑对系统噪声和观测噪声的权重进行实时调整,进而改变系统对观测信息的信赖和利用程度,使滤波器最终趋于稳定.为了保证系统的实时性,提出一种直接将输入和输出进行模糊隶属函数匹配的方法代替模糊推理.将新的滤波算法用于SLAM仿真实验,结果表明该算法能根据噪声变化进行快速调整,滤波精度较高,相比标准EKF对定位和构图精度提升了50%以上.     

高动态范围图像的色阶重建方法综述

对高动态范围图像在低动态常规显示设备显示困难的问题,阐述了将高动态范围图像经色阶重建后映射为适应常规显示设备的图像所采用的色阶重建算法,重点对近年来国内外出现的全局色阶重建、局部色阶重建等算法进行描述,分析其优缺点.同时提出了当前在研究此技术中存在的问题,并给出一些建设性意见,最后对高动态范围图像经色阶重建技术的发展前景和方向进行了展望.     

一种基于小波变换的迭代自适应图像除噪算法

借鉴卡尔曼滤波的思想,建立了一种基于小波变换的自适应迭代图像除噪算法.实验结果表明,算法是有效的.     

自适应全尺度小波数字图像水印

为了适应未来精密数字水印的发展,打击侵权盗版行为,在Mallat小波分解的框架之下,利用树结构分层级、多尺度的特性,基于高频带的显著系数,提出了一种全尺度、高信息嵌入量的自适应水印方案,增加了嵌入的信息量和水印鲁棒性。分别在JPEG有损压缩、模糊、增强、几何攻击(裁减和仿射变换)的情况下,根据算法中的嵌入位置和加权因子,并利用全尺度信息进行了水印提取,并用峰值信噪比(PSNR)和相关系数进行嵌入前后图像和水印的比较。该方法显著优势在于实现全尺度的嵌入,显著增加嵌入信息量,更好地折中透明度和鲁棒性。实验结果表明:算法效果明显优于同类其他方法;信息嵌入量大,嵌入的水印对于人类视觉系统(HVS)透明效果好;提取的水印清晰完整,对于各种攻击具有好的鲁棒性。     

一种邻域相关的高动态范围图像显示方法

高动态范围图像的动态范围压缩主要利用局部色调算法来实现,提出了一种基于邻域数据的高动态范围图像映射技术。为了简化数据操作,采用图像亮度值进行处理。首先进行双边滤波处理,然后对所得数据进行邻域伽马校正。试验结果表明,该方法可以有效压缩图像动态范围,能够满足低动态设备的显示要求,并且很好的保持了图像的对比度和颜色信息。     

基于颜色视觉过程的高动态范围图像映射方法

为解决低动态范围显示设备显示高动态范围图像所产生的问题,提出一种基于颜色视觉过程的高动态范围图像映射方法.此方法通过模拟人眼颜色视觉处理信息的过程压缩图像的动态范围,解决动态范围压缩导致细节丢失等问题.模拟光感应细胞的响应机制,在各适应性亮度下,进行色度适应性调整,并获得其适应性亮度下的相对响应值;利用主成分分析(PCA)方法转换到正交对立颜色空间,模拟颜色视觉中的边缘相阻机制,进一步处理后得到适合低动态范围显示设备的图像.在实验中,通过主观和客观评价,并与国际上一些映射方法比较发现,该方法适用于各种大小动态范围的高动态范围图像,丢失的可见纹理信息较少.