基于色彩校正与暗通道先验算法的水下图像增强方法

针对水下图像色彩失真及对比度低的问题,提出一种基于色彩校正与暗通道先验的水下图像增强方法。在处理色偏问题时,以蓝通道为基准计算通道标准比,对水下图像的红、绿通道进行补偿,丰富图像色彩;针对水下图像对比度较低的问题,利用基于超像素的暗通道先验(DCP)方法对校正后的水下图像进行增强。用水下海珍品目标检测数据集图像进行了实验,并与6种先进的水下图像增强方法进行了性能比较。实验结果表明,本算法在色彩校正与对比度提升的综合效果上优于其他增强算法且拥有更好的视觉效果。     

一种暗通道先验结合小波变换的图像去雾优化算法

基于暗通道先验的去雾算法是最具有代表性的图像复原算法之一,但仅仅利用暗通道去雾的图像会产生一定程度的颜色失真。针对单幅图像暗通道先验算法造成的图像色彩失真问题,提出了一种基于小波变换的色阶补偿方法。将待去雾图像的低频通道和粗暗通道去雾后图像的高频通道添加合适的权重,之后通过小波变换将待去雾图像与粗暗通道处理过后得到的图像进行多次融合,从而基于原有图像的色阶对暗通道处理造成的颜色失真进行一定程度的补偿。采用信息熵为依据的客观计算机评价,将该算法与其他去雾算法进行比较。仿真结果表明,补偿过后的图像具有较好的观测效果,优于仅采用暗通道先验去雾算法的图像。     

基于暗通道的单幅图像雾天低能见度检测算法

针对传统能见度检测方法存在成本较高,需要人工标定等问题,提出了一种基于暗通道先验的单幅图像雾天低能见度检测算法.首先,基于暗通道先验得到图像透射率图,根据透射率图来初步判断图像是否处于低能见度范围;其次,计算图像三通道剩余能量比之间差异的加权平均值;最后,计算出图像能见度检测值.实验表明所提出的单幅图像雾天能见度检测算法能有效反映图像能见度.     

基于暗原色先验的低照度图像增强

低照度图像亮度低、对比度低、细节信息缺失,对后续处理造成不便。针对这种情况,提出一种基于改进的暗原色先验低照度图像增强算法。采用输入图像暗通道的最大值估计大气光值,并用输入图像暗通道替代用大气光值来归一化输入图像,以其暗通道估计透射率,提高了算法效率。对输入图像取反,得到一副类似雾化的图像,用暗原色先验去雾,将结果再次取反,得到增强图像。暗原色先验会放大图像噪声,引入导向滤波实现保边去噪。实验结果表明,算法能有效增强低照度图像,提高图像亮度、对比度和突出图像细节信息。     

采用亮通道先验的低照度图像增强算法

针对低照度彩色图像亮度偏低、对比度差等问题,提出基于亮通道先验的低照度图像增强算法.首先,分析Retinex算法所存在的缺陷,提出了亮通道先验.然后,将原RGB彩色图像转换到HSV彩色空间,对亮度分量V使用亮通道先验和引导滤波估计光照分量和反射分量,并且采用自适应对数校正对光照分量进行提升.最后,将增强后的图像转换到RGB彩色空间.实验结果表明:该算法快速有效,能够很好地提升图像整体亮度和对比度,图像细节得到增强,克服了颜色失真和光晕等问题,增强后的彩色图像更为明亮、自然.     

基于暗通道的沙尘图像增强算法

针对沙尘图像存在色差以及图像增强后沙尘图像在明亮区域易出现光晕等问题, 提出一种新的基于暗通道的沙尘图像增强算法. 首先通过在Lab色彩空间用灰度世界算法调整色差, 有效避免图像出现色彩失真现象; 然后利用伽马校正函数和暗通道去雾算法, 避免图像出现噪声、 色彩过度增强和光晕等现象; 最后将亮度补偿后的图像与对比度增强后的图像进行加权融合, 进一步提高图像的可见度, 使图像细节更清晰可见. 实验结果表明, 该方法提高了沙尘图像的清晰度和亮度, 可得到质量更高的沙尘图像.     

基于颜色校正和明暗通道的沙尘降质图像增强算法

针对沙尘天气下拍摄的图片中存在的颜色偏移、对比度低等问题,提出了一种沙尘降质图像增强算法.该算法由基于高斯模型的偏色校正和基于暗通道和亮通道的对比度增强2个部分组成.首先根据沙尘降质图像的RGB 3个通道直方图的分布特点,使用高斯模型分别对各通道进行建模,从而进行颜色调整,解决沙尘图像的偏色问题,其次采用暗通道先验去雾的原理,结合亮通道,计算像素级的大气光值,然后对透射图和大气光值进行优化,从而恢复出清晰的无沙尘图像,最后实验结果表明本文算法可以较好地提高沙尘降质图像的重建主观质量,并保持良好的色彩保真度和亮度.     

一种改进的暗通道先验水下彩色图像复原算法

为了解决光在水下传播过程中能量散射和衰减所导致水下图像对比度较低、纹理细节模糊和颜色失真等问题,提出一种改进暗通道先验水下彩色图像复原算法,根据水下光线传播特性建立水下图像成像模型,将水下图像的去模糊和颜色校正相结合,应用改进的暗通道先验算法提高水下彩色图像的对比度,再通过白平衡颜色复原方法处理水下彩色图像,实现水下彩色图像的颜色校正.实验结果表明,本文算法能够提高水下彩色图像的对比度,有效恢复水下图像的颜色.     

一种改进的暗通道先验去雾算法

在研究图像去雾算法的基础上,根据暗通道先验理论(DCP)提出了一种改进的暗通道去雾算法.将原算法中估计全局大气光值以及透射率进行新的估计和细化,解决了暗通道算法中容易出现的块效应和严重的色彩偏离现象,同时缓解存在于物体边缘的晕现象等问题.通过实验对比表明,该算法优于原算法,有较好的去雾效果.     

基于自适应透射率修复的去雾算法研究

雾气环境下获取的图像往往对比度低、色彩弱化,严重影响了其后续应用。已有的去雾算法存在运算速度慢、色彩失真等问题。该文对基于暗原色先验的图像去雾算法进行了改进。(1)通过边缘检测得到图像边缘和非边缘区域,并分别采用不同大小的窗口计算透射率,提高透射率计算速度;(2)通过采用自适应调节的透射率下限值解决不满足暗原色条件的区域的色彩失真问题。实验结果表明,该文方法可以有效的解决图像局部色彩失真问题,大大减少运算时间,使复原图像整体视觉效果增强。     

基于亮区域暗通道矫正和加权聚合引导滤波

针对暗通道先验在天空等亮区域失效和引导滤波容易导致边缘模糊的不足,提出了一种高效的去雾算法.该算法提出一种新颖的亮区域自适应分割与校正方法,基于自适应的相对景深阈值分割亮区域,采用饱和度和灰度值校正亮区域的暗通道.然后利用加权聚合引导滤波代替引导滤波细化初始透射率,解决引导滤波引起的边缘模糊问题.最后,提出一种有效的亮度校正方法,将复原图像转化到HSV色彩空间,对亮度进行均衡化处理,使用相对雾浓度均值作为权值,对均衡化前后的结果进行线性加权得到最终的复原结果.实验结果表明,与经典算法对比,所提算法亮区域分割准确,复原图像纹理清晰,去雾彻底,复原结果的峰值信噪比、平均梯度与信息熵的最大提升分别为34.46%、99.49%和21.18%.     

基于雾天图像退化模型的自适应参数优化的去雾算法

针对单幅雾霾图像中包含有大面积浓雾、高亮以及白色物体等,而导致无法清晰识别的问题,基于雾天退化模型,提出了一种改进暗通道和运用灰度开运算求解环境光值相结合的去雾算法。首先根据暗通道先验理论运用图像阈值分割出暗原色区域和明原色区域,并将暗原色区域与明原色区域相结合以求得更加精准的原始透射率;然后采用引导滤波算法细化原始透射率;并通过灰度开运算对环境光值进行区间估计,提高了环境光值的精准性和鲁棒性。使得该算法适用于暗通道去雾效果不好的浓雾高亮区域,去雾后的图像更加真实自然,边缘细节信息更加丰富,有效去除了Halo效应;同时也有效地解决了单幅图片去雾后图片偏暗,图片视觉效果不好等问题。与经典去雾算法作比较,验证在图像的对比度、失真度、细节信息和边缘保持等方面都优于其他算法。     

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HSV和HE的复制粘贴篡改检测算法

针对块匹配检测算法不能准确提取图像面积较小区域、自然相似区域以及平滑区域特征的问题,提出一种基于HSV(hue,saturation,value)颜色空间和直方图均衡化算法的复制粘贴篡改精确检测与定位的方法。将待测图像从RGB(red,green,blue)颜色空间转换到HSV颜色空间,并通过直方图均衡化算法对图像HSV颜色空间的V通道进行特征增强;提取基于圆谐波变换的特征构建特征向量;使用最近邻搜索算法对构建的特征向量进行快速随机搜索得到稠密的偏移场;采用稠密线性拟合的方法滤除错误匹配,并通过形态学操作标识定位出篡改区域。实验结果表明,所提方法能够有效降低面积较小区域、自然相似区域和平滑区域的误检与漏检像素,从而提升检测结果并准确定位出图像的篡改区域。     

基于各向异性的遥感影像匀光匀色算法

为解决现有的遥感影像匀光匀色方法关注重点停留在全局、半全局统计参数的变换基础上，存在全局性的特点，缺乏局部特征信息引导的内容驱动，无法顾及到每张影像内容的差异性，导致匀色效果不佳，影像对比度损失，残留色差明显等问题，本文通过分析影像间出现色差的本质原因，把同名特征在不同观测环境下的观测值作为观测条件，并辅助加以局部空间约束与改正量正则约束，研究构建针对具有重叠区影像集的各向异性优化方法，利用凸优化理论求解出特征点处的改正量，然后以此改正量作为锚点空间辐射至整幅影像，线性加权改正得到最优匀光匀色效果。结果表明本文提出的基于各向异性的遥感影像匀光匀色算法，相对于传统的匀光匀色算法，理论跟完备，无假设条件，效果更佳，重叠区域影像局部范围内色差更小。可见本文提出的匀光匀色算法具有效果的有效性，和对各向异性匀光匀色算法研究的参考价值。     

基于视觉侧抑制特性的自动色彩均衡算法

针对摄影测量和可见光遥感图像存在的曝光失衡、对比度低等缺陷及标准自动色彩均衡算法未充分顾及部分区域的色彩特征问题,本文基于模拟人眼视觉特性的非循环侧抑制模型和高斯分布函数,对标准自动色彩均衡算法进行改进。利用非循环侧抑制网络模型计算目标点的修正亮度值,由高斯分布函数选择高相关度的采样点,降低算法复杂度。使用标准自动色彩均衡算法和本文的改进自动色彩均衡算法对三幅存在不同色彩缺陷的图像进行对比实验,经本文算法处理的图像均值更合理且标准差和熵等重要参数均较原算法有所提升,其中标准差提高15%。实验结果表明,本算法具有较好的色彩均衡效果和的视觉效果。     

一种改进的结合边缘检测的去雾新方法

暗原色去雾算法复原的图像会出现边缘效应,为此提出了一种改进的基于暗原色理论的去雾算法.首先计算出图像的暗色图,并使用小波分解算法将暗色图像向下采样一次;然后在小波分解的平滑部分计算大气光和图像的暗原色,提取出平滑部分的边缘信息,并使用形态学对其进行膨胀获得相应的二值边缘图像;接着对二值边缘图像所在区域的暗原色及非边缘处的暗原色分别进行优化;最后,将优化后的暗原色使用小波重构算法向上采样,并据此计算出图像透射率,结合去雾模型复原到清晰的无雾图像.实验证明,该方法在很好地去除边缘效应的同时,极大地减少了算法时间复杂度,满足实时要求.     

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。