基于多特征融合的单幅水下图像清晰化

水体对光有较强的吸收和散射作用,从而造成水下图像颜色失真、对比度下降和细节模糊等问题.针对上述问题,基于图像融合框架提出一种水下图像清晰化方案.首先,结合水下成像模型,提出了基于景深估计的颜色校正方法,其可以有效去除水下图像的蓝(绿)色基调,同时有效解决红通道过补偿问题.然后,对水下图像进行颜色校正和对比度增强得到两幅输入图像;最后,结合亮度、对比度、饱和度、显著性等特征构造权重图将两输入图进行多尺度融合,得到最后的复原图像.实验结果表明,该算法可以有效地去除水下图像颜色失真,同时能够大幅提升图像的对比度和清晰度.     

基于子带加权融合的多尺度Retinex图像增强算法

Retinex模型是人类视觉对亮度和色彩的感知模型,多尺度Retinex算法具有动态范围压缩大、色彩恒常性、色彩保真度高等特点,被广泛运用于低光照图像的增强。提出一种新的图像增强算法,首先用混合灰度变换函数替代传统的灰度变换函数,对图像做不同尺度的Retinex变换,并分解重复的频带信息,对各个独立的频带分别进行增强。然后引入图像融合的思想,将不同尺度Retinex图像的每个像素点都赋予不同的权重。最后得到输出图像。实验结果证明,本算法可有效增强图像的对比度,得到的图像清晰度高,色彩恢复好。     

基于改进Retinex算法的含雾图像清晰化处理技术

雾天条件下获取的图像由于空气中颗粒的影响导致其图像对比度低、内容模糊不清,同时有整体偏向灰白色的趋势。含雾图像清晰化就是为了能够提高图像的对比度,恢复它的真实色彩。该文在深入分析单尺度Retinex算法和多尺度Retinex算法的同时,提出了基于直方图均衡化调整的改进Retinex算法实现含雾图像的清晰化算法,并通过对同一含雾图像基于不同算法进行试验,验证了该文所改进算法的有效性。     

基于透射率优化和颜色修正的水下图像增强方法

针对光在水中传输时受到水的吸收作用、悬浮颗粒散射作用而产生严重的衰减,导致水下光学图像对比度低、颜色失真的问题,提出一种基于透射率优化和颜色修正的水下图像增强方法。根据水下光学成像模型,采用最小信息量损失原理估计透射率,结合导向滤波提高透射率的估计精度,通过逆求解水下成像模型得到清晰化的水下图像。利用直方图均衡化进一步提高图像对比度,使用白平衡方法修正颜色。实验结果表明,该方法能够有效去除由后向散射引起的模糊,提高图像对比度和清晰度,同时修正色彩不平衡。     

基于透射率融合与优化的水下图像复原

由于光与水体介质的相互作用的固有复杂性,所拍摄的水下场景图像发生降质退化,这导致诸如水下图像的低对比度以及色彩失真等问题.尤其是对于污染较为严重或者高浑浊度水体下获得的图像,典型的水下图像处理方法有一定的性能缺陷,而其根本原因在于其无法对于散射造成的色彩失真问题进行有效处理,同时也未充分考虑对比度信息带来的影响.因此,本文提出了一种透射率融合与优化方法,并由此给出有效的水下图像复原方案.该方案考虑各通道在水下衰减差异性,建立了基于颜色衰减差异的水下图像形成模型,其场景环境光由成像光源计算得到.首先,利用色彩校正算法来处理水下图像存在的色彩失真的问题,并利用灰度色调算法对场景光源的颜色进行估计;接着,基于水下场景约束,提出水体透射率估计方法,同时基于对比度先验提出对比度透射率估计算法;然后,将上述两种透射率进行融合,并使用多方向梯度加权正则化进行细化;最后,通过求解基于颜色衰减差异的水下图像形成模型复原图像.通过多次实验,所提出的基于透射率融合优化的水下图像复原方法得到的图像不仅具有相对自然的颜色,同时保持着良好的细节和对比度信息.     

基于不同颜色模型对比度校正的水下降质图像处理

光通过水体介质传播过程中的衰减,为水下图像成像带来了一系列的问题.水下目标在成像时会受到海水水质及悬浮物的影响,使采集到的图像变得模糊、对比度下降.文中利用模拟仿真软件对水下图像进行处理,优化出一种基于不同颜色模型对比度修正的自适应直方图水下图像清晰化的有效方法.从实验结果的数据分析可以得出,通过对比度的调整实现了水下图像可视度的增强和图像细节信息的有效放大,由于光照不均匀带来的问题能得到有效缓解.     

非均匀光照条件下的水下图像增强算法

自然水域非均匀光照环境中,针对图像存在模糊、对比度低、颜色失真等退化现象,提出一种视觉显著性分割和Retinex算法相结合的水下图像增强方法。首先,依据图像的亮度、色度和方向特征得到图像显著图,进而分割出前景区域和背景区域;然后,基于Retinex算法分别对两区域增强处理,并对背景区域进行二次增强;最后,采用泊松融合算法得到两区域增强后的合成图像。实验结果表明,提出的算法提高了水下非均匀光照条件下的图像清晰度,与其他算法相比,具有更好的性能。     

基于双分支特征提取的水下图像复原

水下成像的复杂性,严重影响图像质量.为解决水下图像存在的颜色失真、亮度底等问题,提出一种双分支水下图像复原模型.复原模型利用双分支特征提取架构提取水下图像不同层次,不同尺度的特征,实现提取特征的完整性;利用残差结构做中间特征处理环节,增强网络学习能力,提高训练速度;且在残差模块中引入空洞卷积以增大感知野,融合两个分支提取的特征信息;最后残差的输出通过重建模块进行上采样得到清晰水下图像复原图.通过在损失函数中增加感知损失函数,最大程度保留水下图像的细节信息,增强图像清晰度.实验结果表明,所提算法能有效校正水下图像的颜色失真,图像清晰度提高,图像质量得到提高,整体视觉效果要好.     

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。     

改进的多尺度Retinex井下图像增强算法

为解决煤矿井下图像质量差、图像清晰度差、可分辨率低、模糊等问题,针对多尺度Retinex增强算法存在的不足,提出一种改进的基于S曲线函数的多尺度Retinex图像增强算法,该S曲线函数不同于基本的sig函数,函数图像具有S形状,为不对称函数.研究结果表明:应用改进后的算法,处理后的图像在有效增强目标图像的同时也抑制了背景噪声,图像的对比度与质量得到提高,能够获得目标区域的最佳视觉效果.     

基于改进多尺度Retinex的单幅彩色图像增强算法

针对传统基于多尺度Retinex的单幅彩色图像增强算法, 进行图像增强时未考虑亮度分量和局部对比度, 导致图像增强未达到最佳尺度值, 获取的增强图像存在失真、 带有雾膜的问题, 提出一种基于改进多尺度Retinex的单幅彩色图像增强算法. 首先采用高斯环境函数 对3种灰度图像实施卷积并进行灰度纠正, 将3种纠正灰度后的图像合并, 获取初步单幅彩色图像增强结果; 然后改进多尺度Retinex的单幅彩色图像增强算法, 增强单幅彩色图像像素的平均亮度; 最后通过非线性函数对亮度增强后的彩色图像实施局部对比度增强处理, 用线性调整方法恢复局部对比度增强后的图像颜色, 以获取最佳单幅彩色图像的图像增强结果. 实验结果表明, 该算法可获得亮度和对比度均较好的单幅彩色图像增强结果.     

水下距离选通降质图像的增强

针对水下距离选通成像所得图像的噪声大、照度不均匀、对比度差的问题,提出一种二次图像增强方法.首先,对图像采用全局二维双平台直方图均衡化,实现目标、背景、边界信息分别增强的目标,解决直方图均衡化带来的背景噪声提升、灰度简并的孤立性问题;然后,在非迭代引导滤波的框架下用带有估计误差抑制的Retinex算法二次增强图像,实现抑制背景噪声,平衡图像亮度的功能.以图像信息熵、统计评价指标进行对比实验,实验结果表明,该方法信息熵评价指标提升15%,统计评价指标提升28%,噪声抑制指标提升12%,增强效果明显,满足应用要求.      

基于 UCM 算法中直方图拉伸的水下图像增强研究

针对水下图像色彩失真,对比度低以及图像模糊不清等一系列问题,提出了一种基于色彩模型的水下图像增强算法,改进了现有的 UCM 算法的直方图线性拉伸,使用限制对比度自适应的方法对直方图进行非线性均衡化,使处理后的图片对比度增强效果更好,图像质量更高,更符合人类的视觉感知。 通过搭建的水下海参场景和模拟海底图像偏蓝绿色的实验环境,拍摄了 4 组海参在不同姿态、工况下的水下图片并对其进行定性、定量分析,得出改进后的 UCM 算法在 UIConM、UIQM、NIQE 指标下的数值分别平均为 0. 63、4. 30、3. 30,相比较其他 3 种算法,该算法处理后的图像质量评估指标均为最优,由此证明了研究的算法相对于其他的传统算法显示出更好的可行性和优越性,并且能够适应不同的水下工况,拥有良好的鲁棒性。     

Retinex理论下基于融合思想的低照度彩色图像增强算法

针对Retinex算法处理后的图像边缘保持性差,易产生光晕和过增强的缺点,以及双边滤波易造成图像细节丢失的现象,提出了一种Retinex理论下基于融合思想的图像增强算法。该算法首先在YCb Cr颜色空间提取亮度Y分量,对亮度分量进行大、中、小不同尺度的MSR增强,获得细节信息保留较好的亮度图像,同时在RGB颜色空间对图像进行基于双边滤波的单尺度Retinex增强,获得边缘信息较好的增强图像;然后对增强后的两幅图像加权融合;最后对融合的图像进行颜色恢复处理得到最终的增强图像。通过本文算法与经典SSR、MSR和MSRCR算法处理后的图像进行比较,实验结果表明,本文算法处理后的图像在细节、颜色和边缘保持方面都优于其他算法,并且避免了光晕和过增强现象的发生。     

基于同态滤波及多尺度Retinex的低照度图像增强算法

针对在彩色图像采集过程中,光源偏暗或曝光不足等因素,常导致图像亮度和对比度偏低问题,提出了一种改进的低照度图像增强算法。首先用改进的同态滤波增强低照度图像的RGB各分量;然后将RGB图像转换到HSV彩色空间,对饱和度分量进行自适应非线性拉伸;同时用改进的多尺度Retinex算法对亮度进行增强处理,对照射分量用伽马变换进行校正,对反射分量用Sigmoid函数进行处理,最后将图像再转换至RGB空间。用MATLAB对图像进行仿真处理。实验表明该算法提高了低照度图像的信息熵、峰值信噪比和对比度,提升了低照度图像的视觉效果。     

基于深度卷积神经网络的水下偏色图像增强方法

针对水下图像在采集和传输过程中存在偏色、 模糊等问题, 提出一种基于深度卷积神经网络的水下偏色图像增强方法, 并给出该方法的收敛性分析. 首先, 在传统U-Net模型的基础上, 构建一种基于偏色图像的卷积神经网络模型, 不断学习输入图像与输出图像的色彩偏差; 其次, 通过引用结构相似性的损失函数, 使增强后的水下图像与输入的水下图像在内容结构细节上保持高度相似. 该方法解决了水下图像偏色、 失真的问题. 通过对大量的真实水下数据集进行验证, 并与其他算法进行对比实验, 实验结果表明, 用该方法增强后的水下图像不仅在视觉效果上得到了有效提高, 同时也保留了原始影像中蕴含的纹理结构, 证明该模型在水下图像增强领域实用性较强.     

雾霾天气彩色图像的局域非线性变换增强算法

基于数字图像处理的实时图像增强处理技术可有效地降低受到雾、霾等大气环境的影响,严重限制了电视成像系统的性能和使用环境这种不利影响,本文分析了雾、霾等大气环境对彩色电视成像系统产生影响的原因,研究了基于Retinex理论的图像增强方法和子块部分重叠局域亮度灰度非线性变换算法,并对这几种算法的处理效果及算法复杂程度进行了对比. 结果表明,子块部分重叠局域亮度灰度非线性变换算法是一种处理效果和处理速度比较平衡的算法.      

基于Retinex理论的电子内镜图像增强算法

为解决电子内镜图像亮度较暗、光照不均匀和对比度较低的实际问题,提出一种基于Retinex理论的电子内镜血管图像增强算法.算法基于图像差分L₁、L₂范数的特性和对光照进行纹理抑制的实际需求,建立Retinex理论的优化表达式;使用变分法进行求解以获取图像的光照分量与反射分量,分别进行光照矫正和细节拉伸;使用改进的对数直方图均衡调整图像颜色通道比例,提高血管图像的对比度.Matlab测试实验表明,该算法能较好增强电子内镜图像,与同类型算法相比,各评价参数有不同程度提高,具有一定的实际应用价值.