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。     

参数控制的混合色调映射方法

为解决高动态图像的真实影像再现问题,提出了一种基于参数控制的混合色调映射方法.对图像进行全局预处理,保持整幅图像的亮度和对比度;采用参数控制的混合算子获取图像的局部对比度和细节;采用双边滤波解决色调映射过程中产生的光晕问题.仿真实验表明,该方法压缩了原始高动态图像的动态范围,保持了整体亮度,增强了局部细节而去除光晕效应影响,比现有的Sigmoid算法在各个参数上有显著提高.      

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.     

自适应分区的色调映射算法

针对HDR图像色调再生提出了一种自适应分区映射算法.首先将HDR图像的色度和亮度信息分离,根据直方图特征对亮度进行自适应分区,并构造分段线性色调调整函数,将显示亮度范围分别分配给不同的亮度分区,以增加再现图像的感知对比度;然后通过双边滤波技术提取图像细节进行补偿,保证了再现图像细节可见;最后将彩色和非彩色信息合成,并对亮度压缩带来的彩度损失进行色彩校正.实验表明:新算法在动态范围压缩、细节保持和颜色表现上均优于传统算法.     

基于双伽马函数的煤矿井下低亮度图像增强算法

针对井下视频图像存在整体偏暗,照度不均匀,对比度低等问题,提出一种基于双伽马函数的煤矿井下低亮度图像增强算法.该算法利用具有边缘保持特性的引导滤波获取低亮度图像的照度图,然后在伽马函数的基础上构造双伽马函数,针对照度图的分布特性对其进行调整,从而提升低亮度区域的照度值并抑制局部高亮度区域的照度值.相比于HE算法、MSR算法、NPEA算法以及CLAHE算法,本文算法处理效果在信息熵、对比度、清晰度等方面都优于上述算法.本文提出的算法能够有效提升图像的亮度,同时避免局部亮区域的过度增强现象的产生,提高了井下图像整体的视觉效果,显示了本文算法的优越性.     

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.     

采用主成分分析与梯度金字塔的高动态范围图像生成方法

针对由多曝光低动态范围(LDR)图像融合生成高动态范围(HDR)图像对采集设备要求高且不适用于动态场景的问题,提出一种采用主成分分析(PCA)与梯度金字塔的HDR图像生成(HDR-PGG)方法。首先用改进的S曲线全局映射和Retinex局部色调映射对PCA变换后的亮度图像进行处理,以避免光晕和泛灰,并结合PCA逆变换获取多曝光LDR图像;其次利用多曝光LDR图像的对比度、饱和度、曝光度和亮度信息构造标量权重图,确保生成的HDR图像亮暗区域分明且细节清晰;最后,利用梯度金字塔生成HDR图像。实验结果表明,当视觉差异大于75%时,由HDR-PGG方法生成的HDR图像的平均像素分布概率比拉普拉斯金字塔和梯度金字塔算法降低了10.84%和30.75%,其平均相对熵与噪声程度比值分别提高了0.542 1和0.508 9。     

一种局部多尺度retinex算法在雾天图像中的应用

由于大气粒子的散射作用,雾天条件下拍摄的图片质量下降,给户外视觉系统造成严重影响,尤其在宽动态范围场景中的图片存在过度曝光的区域和曝光不足的区域。传统的图像增强方法不能产生令人满意的复原图像,也不能提高图像中每个区域的对比度。单尺度retinex算法和由若干个单尺度retinex算法线性加权而成的多尺度retinex算法都具有局部图像增强和动态范围压缩的特点。文章提出了一种局部多尺度的retinex彩色图像复原(local multi-scale-retinex with color restoration,LMSRCR)算法,该算法根据雾浓度将图像分割成不同的局部区域,再对每个局部区域运行多尺度retinex算法。实验表明,该方法能有效去除图像中的雾,实现彩色退化图像的复原。     

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.     

局部特征与全局信息联合的自适应图像增强算法

针对传统基于修正直方图的图像增强算法不能兼顾局部特征和全局信息的问题,提出一种局部特征与全局信息联合的自适应图像增强算法. 该算法将增强分为局部增强和全局增强两部分,局部增强利用像素的邻域信息和局部与全局对比度的比例信息作为幂次变换的伽马值,对图像进行伽马校正,提高图像的亮度和局部对比度;全局增强利用区域相似直方图统计抑制噪声,避免过度增强. 实验结果表明,本文算法在客观性能上优于其它传统图像增强算法,并且可以有效提高复杂光照下人脸图像的检测率.      

基于原始对偶方法的图像去色算法

Jin等(2014)提出的基于局部方差最大化和局部亮度保持的变分去色模型(Jin模型),在彩色图像灰度化过程中能较好地保持图像的对比度和亮度等信息.然而,Jin模型原有的算法仅部分利用了图像的局部方差和亮度信息,使得该灰度化算法在处理结构纹理丰富的彩色图像时,容易丢失图像中的一些细节特征.针对这一缺陷,文中提出基于原始...     

亮度保持的夜景图像增强算法

针对夜景图像对比度增强的特点,提出一种亮度保持的夜景图像增强算法。根据平均亮度将夜景图像递归分解为一系列不同灰度级范围的子图像,然后对每个子图像在其灰度级范围内进行均衡。实验结果表明,该算法在充分扩展图像灰度级动态范围的同时,可以通过递归深度的选择控制图像亮度的变化,使增强后的夜景图像显得自然与真实。     

尺度优化的Retinex增强算法与微视觉图像增强

光照不均匀、光学显微镜的放大作用、光学衍射等使微视觉图像存在动态范围大、整体像素灰度值偏低、微细结构与背景对比度低、信噪比低等不足.为增强图像质量,文中利用对比度设计高斯平滑卷积核的尺度优化准则以合理估计光照分量,提出了尺度优化的Retinex增强算法,并用该算法对模拟图像和实拍的同轴光光强变化的微视觉图像进行增强.结果表明,该增强算法在压缩动态范围内既能提高对比度,又能较好地保留图像细节信息,增强效果优于同态滤波算法.     

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.     

接触网风偏检测的亮度矩寻优分割算法

介绍电气化铁道接触网风偏视觉检测原理,以视觉检测的图像处理为背景提出一种能够适应不同光照条件的彩色图像分割算法.该算法融合彩色图像的一阶亮度矩和对比度信息,通过线性亮度寻优优化图像的一阶亮度矩,并以图像的初始一阶亮度矩为基准亮度进行对比度拉伸,实现对目标区域颜色特征的放大;同时,以特征点靶面的像素面积为目标值,以不同寻优亮度下图像的合格像素点统计量为寻优变量,对两者的关系曲线和最佳目标逼近方式进行了深入研究,确定合理的初始寻优亮度及寻优方向.最后,以现场采集图像为训练样本对算法进行验证和分析.研究结果表明:该方法能够实现彩色空间下接触网风偏目标特征点的有效、准确分割,对复杂光照条件具有良好的适应性和算法鲁棒性.     

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.     

基于人眼视觉特性的高动态范围彩色图像自适应增强方法

提出了一种基于视网膜高动态范围亮度适应和视觉通路侧抑制竞争机制的图像增强算法.该算法首先对降质图像采用修正的TAN函数实现全局亮度的自适应映射,再采用通过向非循环侧抑制方程引入中心兴奋/抑制因子而改进视网膜ON/OFF双拮抗响应模型增强图像的局部细节.实验结果表明,该算法能有效地自适应调整过亮和过暗区域的亮度,突出其细节信息,保持其原始色彩表现,明显改善了彩色图像的整体视觉效果.     

基于WT和Retinex理论的低照度灰度图像增强算法

针对低照度图像噪声大、亮度对比度低、局部细节信息欠清晰等问题,为降低低照度灰度图像噪声,并提高其亮度和对比度,提出了一种改进型小波阈值去噪和Retinex理论的低照度图像增强算法。先采用改进型小波阈值变换对低照度灰度图像进行去噪,降低灰度图像高斯白噪声,再运用Retinex理论对去噪后的图像局部细节进行增强。Matlab仿真结果表明,本文算法在处理低照度灰度图像的高斯白噪声时峰值信噪比原图提高了7.76,标准误差下降了5.86,且低照度灰度图像的亮度和对比度都较大幅度提高。     

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.