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.     

基于结构信息相似度的线性投影灰度化算法

针对彩色图像灰度化过程中易丢失结构信息的问题, 提出一种基于结构信息相似度的灰度化算法. 首先在RGB色彩空间利用像素平均值和标准偏差值构造一幅对比图, 以保持彩色图像的对比度和亮度信息； 然后利用结构信息相似度评价指标衡量RGB通道图像与对比图间的相似程度； 最后将通道结构信息相似度值作为全局加权映射函数中的权重值, 获得最终的灰度图像. 该算法有效解决了其他典型灰度化算法中需求解目标函数, 导致算法复杂度高、 图像结构信息不自然的缺陷. 对Cadik和CSDD图像集的实验结果表明, 该算法优于一些已有典型灰度化算法, 能有效保留原始图像的对比度和结构信息, 可提高计算效率, 且输出的灰度化图像视觉感知自然, 主客观评价结果均较优.     

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.     

无人机图像增强方法的研究与实现

以无人机采集的低照度图像为研究对象,提出了一种改进的低照度图像增强算法.获取无人机采集图像的灰度直方图,计算灰度像素的均值和方差,通过计算亮度系数划分亮暗区域;根据滑动窗口的像素均值与设定的阈值进行计算得到修正系数,完成图像亮度的修正;为减小时间复杂度使用三次快速均值算法替代高斯滤波进行去噪.结果表明,本文的算法能够有效地改善图像局部亮度、提高图像对比度和保留轮廓边缘纹理信息.     

融合局部描述子的阈值图像分割算法

针对基于局部熵的过渡区阈值算法中没有同时考虑局部图像灰度变化的频率和幅度,提出一种融合局部描述子的过渡区阈值算法.提出算法首先采用图像的局部熵和局部方差等局部描述子提取图像的局部特征;其次融合局部图像特征构造特征矩阵,并选取合适的特征阈值提取图像的过渡区;最后根据图像过渡区的灰度均值分割图像.实验结果表明,根据一些图像分割的定量评价标准,提出算法提取过渡区的质量高,分割图像效果好.     

一种改进的彩色图像去马赛克总变分模型

针对去马赛克总变分正则化模型的不足,提出了一种改进的彩色图像去马赛克总变分模型,将彩色图像的灰度化图像引入到传统彩色图像去马赛克总变分正则化模型中,利用原始对偶不动点算法求解该模型.数值实验结果表明了该模型和算法的有效性和优越性.     

改进的最小亮度分布标准彩色图像误差扩散算法

针对彩色图像最小亮度分布标准处理方法中的图像细节轮廓损失问题,提出了一种基于边缘检测的最小亮度分布标准误差扩散改进算法．算法首先对彩色图像进行边缘检测处理,提取图像的边缘点信息,然后依次提取彩色图像像素点．若像素点是图像的边缘点,则进行RGB颜色空间的固定阈值比较取值处理．若像素点是非边缘点,则进行最小亮度分布标准处理．最后采用基于HVS模型构造出的误差扩散系数对彩色图像进行误差扩散处理．仿真结果表明该算法能够较好地减少彩色图像的细节损失。     

基于Unit-Linking PCNN和HSI空间的彩色图像分割方法

提出了一种基于Unit-Linking PCNN和HSI空间的彩色图像分割新方法.在RGB空间中,由于R,G,B分量之间有很高的相关性,直接利用这些分量不能得到所需的效果.在提出的算法中,彩色图像首先被转化到HSI颜色空间,图像分解成彩色通道(H和S分量)和亮度通道(I分量).对彩色通道采用基于Unit-Link-ing PCNN的分割算法进行分割,对亮度通道采用最大类间方差阈值算法进行分割,然后将分割后的结果用大概率合并的方法进行组合,得到最终分割结果.试验结果表明,这种方法具有很好的彩色图像分割效果.     

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.     

基于肤色模型和特征定位的人脸检测算法

针对彩色图像提出一种基于肤色模型和特征定位的检测算法.首先建立一个新的肤色模型（H_SI_I模型）,它对光照亮度具有强鲁棒性.在肤色分割的基础上,利用水平灰度投影估计人眼水平位置,然后结合候选脸区的边缘图像,给出人眼的确定位置,并输出人脸检测结果.实验表明该算法简单、快速、鲁棒性强.     

亮度保持和细节增强的红外图像增强方法

针对红外图像对比度低和细节信息少的特性,提出一种能保持亮度和增强细节的方法。改进的自适应双边滤波将图像分成基本层和细节层,在基本层利用基于高斯混合模型的直方图规定化实现亮度保持,在细节层利用人眼视觉特性自适应选取增强函数来增强较弱细节并保护原图像中的清晰边缘不失真,再恢复到原来灰度空间。研究结果表明:该算法可保持整体明暗视觉效果,同时,原图像中较暗和较亮处的细节都可得到有效增强。     

结合局部方差信息的各向异性扩散图像去噪算法研究

针对各向异性扩散算法容易模糊图像细节和边缘以及去噪不彻底的问题,通过局部方差信息调整参数将LCC扩散函数与ECU扩散函数相结合,综合利用图像局部方差描述的局部区域信息和梯度信息,提出了一种结合局部方差信息的各向异性扩散模型。该模型不仅同时依赖局部方差信息和梯度信息,而且能够在不同性质区域根据局部方差信息调整参数适时地调整LCC扩散函数与ECU扩散函数扩散速度,充分利用LCC扩散函数和ECU扩散函数的优势。实验结果表明,该模型与其它几种经典算法相比,不仅能够有效地去除噪声、保持图像弱边缘,而且对图像的细节保持也有较好的效果。     

基于多尺度形态学的彩色图像滤波算法的研究

图像去噪是图像预处理过程中非常重要的环节,其去噪效果的好坏直接影响图像分析。针对彩色图像噪声的特点,提出改进的多尺度的形态学滤波算法,将灰度形态学的滤波算法推广到彩色图像,实验结果表明,多尺度形态滤波算法在滤除彩色图像噪声的同时,也能保持彩色图像边缘的信息和色彩信息。     

一种基于形态学的彩色图像去噪算法

现有的彩色图像去噪方法大都基于灰度图像,即先把彩色图像转化成灰度图像或者二值图像再进行去噪,不能充分利用彩色图像的特点.为此,提出了一种基于数学形态学的彩色图像去噪算法,尝试直接在彩色空间中进行去噪.实验表明这种算法是可行的、有效的.     

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。     

基于退化模型和邻域嵌套的彩色图像超分辨率自适应重建

为有效提升图像质量,提出一种基于图像退化模型和邻域嵌套的彩色图像超分辨率重建算法.通过退化模型在彩色空间上得出图像超分辨率重建训练集,并根据此训练集进行图像邻域分块.为了在训练过程中抑制噪声并锐化图像中的边缘信息,提取训练集亮度和梯度特征并进行特征融合.为了有效提升重建算法的自适应性,引入图像重建优化参数和边缘信息参数...     

基于HSI彩色空间的加权中值滤波算法

提出一种基于HSI彩色空间的加权中值滤波算法,该算法依据人眼对颜色的感知特性,结合颜色的亮度信息和色度信息,并且保持了DDF（The Directional-Distance Filters）滤波器的优点。算法根据彩色图像中颜色的亮度来修改亮度和色度的权值,调整滤波器的输出,在保持图像颜色细节方面比以往的各种矢量中值滤波算法都有一定的提高,更加符合人眼对于颜色的感知特点。     

基于Retinex模型的彩色图像全局增强算法

介绍了基于颜色恒常性理论的亮度感知Retinex模型,通过对HSV空间亮度图像的快速高斯滤波和全局γ变换,估计场景的光照信息,获得仅包含物体本身特性的反射信息图像,进而实现图像增强.主观视觉观察以及客观定量计算结果均表明,对于受光照等因素影响的可视性较差的图像,基于Retinex模型的彩色图像全局增强算法效果十分显著.     

一种新的彩色图像边缘检测算法

传统的边缘检测方法大都基于灰度图像,不能充分利用彩色图像的全部信息。针对已有算法中存在的像素点扩散、边缘定位不准确、边缘不连续等问题,提出了一种彩色图像边缘提取算法,基于图像自身梯度方向信息和多通道信息融合技术,将灰度边缘模板算子扩展应用到彩色图像的边缘检测中,在RGB空间中对原彩色图像进行多通道边缘检测;同时采用滤波来抑制噪声,依靠边缘生长保证检出边缘的连续性,并提出了自适应确定边缘提取门限值的方法。该文提出的彩色图像边缘检测算法计算量小,实验结果表明了其能充分利用图像的颜色和梯度信息,有效地消除噪声,提高边缘检测的准确性,保证边缘的连续性。     

基于Markov随机场模型的数字X光图像自适应增强算法

为明确X光图像纹理粗细和组织分布状况,强化呈现身体结构信息,降低模糊图像对医生诊断病情结果的错误判断,提出一种基于Markov随机场模型的数字X光图像自适应增强算法.该算法首先统计X光图像全部范围内相同亮度像素,利用直方图均衡化法将原始图像变换成灰度级分布影像,消除光线干扰;然后分析组织属性,通过灰度共生矩阵提取X光图像的纹理特征,获取图像纹理粗细和布局结构的灰度信息;最后通过映射函数和对数函数计算平均亮度,用Markov随机场模型调整图像明暗度,补充纹理细小部位亮度,再用随机场函数划分光滑图像,采取二次重构,以保证图像锐化增强效果平衡.仿真实验结果表明,该算法能提升图像的内部信息清晰度.