基于人眼视觉特性的Curvelet域低照度图像增强

针对低照度下图像降质严重的问题,提出了一种基于人眼视觉特性和Curvelet变换的低照度图像增强算法。首先将低照度图像转换至"色调-饱和度-亮度"(HSI)颜色空间,在Curvelet域中分解亮度参量得到不同尺度、不同方向的子带分量,以此构建人眼视觉模型;然后利用模型的亮度遮蔽特性和亮度-对比度遮蔽特性对高频分量进行非线性增强,同时对低频分量进行非线性拉伸;最后通过Curvelet逆变换重构亮度参量,结合原始图像的色度和饱和度分量将图像转换至原色彩空间,得到增强后的低照度图像。实验结果表明,该算法可以有效提升低照度图像的对比度和亮度,保持图像的细节信息,抑制图像噪声。     

一种基于DCT域的自适应可见水印算法

分析人类视觉系统的亮度和对比度特性,提出了一种DCT域自适应可见水印算法。根据原始图像的亮度特征,修改原始水印图像像素的取值,使较暗的原始图像嵌入的水印较亮,较亮的原始图像嵌入的水印较暗,并且根据原始图像的局部亮度特点,在DCT域中嵌入不同强度的水印,取得了良好的视觉效果。实验表明,水印半透明的分布在载体图像的重要区域中,很好的保持了图像的细节,在不损坏图像使用质量的前提下,水印很难被去除。     

采用HEVC的精细可分级编码

针对新一代的视频编码标准HEVC(high efficient video coding),提出一种改进的精细可分级编码方案.该方案的基本层采用HEVC的编码器,提高了基本层的编码效率;通过统计编码单元的分割方式,自适应找到图像中的细节区域;采用选择增强技术,提高细节区域的图像质量.实验结果表明:编码方案能够精细匹配信道带宽的变化,且基本层与增强层相互独立,不会带来误差传递;利用HEVC编码单元的分割方式,可以自适应找到视频序列图像中的细节区域,对运动区域进行提升,视频图像的主观质量有了很大的改善.     

人眼视觉特性与粗糙集结合的X射线图像增强算法

针对X射线图像的低亮度及噪声造成的图像对比度差和图像模糊的问题,提出了一种采用粗糙集理论和人眼视觉系统特性的图像增强算法(HREM).先将原始图像进行灰度拉伸,再结合人眼视觉系统特性,利用粗糙集理论将图像分成边缘细节图像和平滑图像,然后对边缘细节图像做指数变换增强,对平滑图像做直方图均衡化,最后将处理好的两子图进行重叠,同时消除重叠后图像的随机脉冲噪声.实验结果表明,HREM方法不仅能较好地保持图像的边缘细节信息,有效地增强原图像的对比度,而且消噪能力强,整体视觉效果好.     

基于侧抑制系数的红外图像细节增强算法

针对红外图像对比度低、细节不清晰和视觉效果模糊的缺点,提出了基于侧抑制系数的红外图像细节增强算法。通过分析指数分布侧抑制系数计算方法的不足,提出利用二次函数分布计算侧抑制系数的方法,提高算法增强红外图像细节的能力,利用红外图像本身的灰度信息自适应地调整侧抑制系数的参数,进而自适应确定侧抑制网络,对图像目标和背景进行不同程度的抑制,结合临界可偏差(just noticeable difference,JND)曲线中得到的人眼视觉分辨率特性,对图像进行能量恢复调整,使图像均值保持在人眼适宜观察的状态。仿真结果显示,与自适应指数函数侧抑制算法相比,算法处理后的红外图像对比度、信息熵以及信噪比都得到提高,图像细节更加清晰,视觉效果得到明显改善。     

一种小波域多边小波系数直方图均衡算法

针对传统直方图处理图像的缺陷,提出一种小波域多边小波系数直方图增强方法.首先,对图像进行3层小波分解,提取低频系数,并整数化;其次,利用平均亮度系数将低频小波系数分成4子图像,对每个子图像系数进行直方图均衡;最后,合并4子图像,利用小波重构出增强图像.实验结果表明,该方法具有图像亮度保持好、细节清晰、噪声抑制强等优点,可应用于遥感卫星、医学图像分析处理等领域.     

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.     

一种基于色调/饱和度/亮度彩色空间的灰度变换算法

考虑到灰度变换技术直接应用于RGB彩色图像增强容易引起彩色失真的缺陷,提出了一种自适应灰度变换算法,将原始RGB图像和RGB三分量灰度变换后的图像转换到色调／饱和度／亮度彩色空间,重组两者的色调分量和亮度分量,再对原始图像的饱和度分量进行补偿处理,从而保持了原始图像的色彩．本算法充分继承了灰度变换算法的优点,扩展了原始图像的有效灰度范围,提高了整体对比度,增强了细节．此外,算法的计算量极小,不需要设定任何参数,可用于自适应实时彩色图像处理．     

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.     

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。     

多光源图像细化和细节增强的协同图像处理算法研究

多光源图像合成处理过程中,为了增强图像的轮廓和表面细节,同时使合成后的图像边缘无伪迹、保真度高,提出了一种多光源图像细化与细节增强的协同处理算法。该算法通过梯度域法构建辅助层,采用二次过滤法提取出细节层,提出了新的阴影检测算法用来去除细节层的伪迹,同时使该细节层包含了输入图像的全部信息;使用一幅输入图像构造一个基础层并进行暗区亮度增强处理;细节层和基础层进行复合处理后,重现了暗影区丢失的细节,同时增强了现有的细节。该算法与其他算法进行图像处理对比实验,结果表明,该算法用于实现多光源图像细化和细节增强是可行的、有效的,采用这种方法合成的图像看起来更自然,相对于输入图像,输出图像保持了较高的保真度。该算法具有交互性,用户可以手动或自动调整合成图像的效果。     

基于色调映射和暗通道融合的弱光图像增强

针对阴天或夜晚等弱光条件下拍摄的图像具有亮度低、对比度低和细节模糊等问题,提出了一种基于色调映射和暗通道融合的弱光图像增强方法.首先,根据弱光及其反转图像的特点,提出面向弱光图像的透射率估计方法,进而获得场景深度信息,并将其融入色调映射函数设计;同时利用暗通道图像区分光源区域,以修正色调映射函数参数,使其能够根据场景深度自适应调整图像亮度;另一方面,增强后的暗通道图可有效突出图像的细节信息,将经过色调映射后的V通道图像和暗通道图进行加权融合,得到最后的增强结果.实验结果表明,本文方法不仅显著改善图像亮度、增强对比度、恢复出更多的图像细节,还能有效去除块效应和晕轮伪影,视觉效果理想.     

基于反锐化掩模技术的红外图像增强算法设计

为了克服传统的反锐化掩模技术的缺点,减小伪像对于处理效果的影响,基于传统反锐化掩模思想,提出了一种改进的红外图像细节增强方案,该方案利用双边滤波和自适应边缘补偿技术将图像分为基频背景分量和高频细节分量,有效地改善了灰度翻转和过冲现象的产生.对背景层分量采用自适应平台直方图均衡的方法,加强了图像整体的对比度与层次感,对于细节层分量,根据人眼的视觉特性,在抑制噪声的同时着重增强了细节纹理.最后,利用客观评价参数对处理结果进行了仿真分析,通过与其他算法的对比,表明该改进算法的细节增强能力和噪声抑制能力均得到了有效提升.     

一种边缘优化的红外与可见光图像模块化融合方法

针对红外与可见光图像融合中出现的对比度较低和图像模糊的问题,提出了一种边缘优化的模块化融合方法.首先,对红外图像进行局部对比度自适应增强,突出红外图像中的目标;然后分别对红外图像和可见光图像进行HSV色空间变换,在亮度分量中,对其进行边缘细节增强的模块化融合,进一步突出红外图像中的目标轮廓;最后,结合可见光图像的色调和饱和度分量,经过RGB色空间的转换,获取融合后的图像.结果表明,与简单加权平均算法和小波融合算法的融合结果相比较,该融合算法能够较好的保持原图像的细节和目标信息,图像的对比度和清晰度也有较大的提高.     

一种基于全局和局部光照估计的Retinex图像增强算法

具有色彩还原特性的Retinex算法,可以实现图像对比度、亮度提高及色彩还原;但是增强后的图像色彩饱和度下降严重,色彩失真,其关键在于光照分量的估计失真。针对上述问题,提出了基于全局光照和局部光照细分的Retinex增强算法,实现了图像光照分量的精确计算;并通过实验证明增强后的图像在提高亮度突出细节的同时,最大程度保持了原来的真实色彩。     

基于YUV色彩空间的Retinex夜间图像增强算法

通常夜间拍摄图像容易出现细节分辨不清的情况。为了改善夜间拍摄图像的质量,提出一种基于YUV色彩空间的Retinex图像增强算法和色度自适应校正方法。首先将图像从RGB色彩空间转换到YUV色彩空间;其次对明亮度分量Y采用多尺度Retinex算法增强,并利用增强后的Y分量对色度分量U、V进行自适应校正;最后将图像转换到RGB色彩空间输出,使图像在细节信息得到增强的同时颜色得到较好的保持。通过与其他Retinex算法比较,实验结果表明该算法在颜色保持和细节增强方面能够达到很好的效果。     

基于图像分割和融合的图像去雾算法研究

为了解决传统的暗通道先验去雾方法产生的细节丢失和亮度偏低等问题,本研究提出了一种基于图像分割和融合的去雾算法。首先对输入图像使用亮度反转的MSRCR预处理来进行色彩保真;其次用阈值分割法提取图像的特征信息并获得掩膜,根据特征信息设计自适应的Gamma校正方法,提升对比度和亮度,并使用暗通道先验方法保持去雾后的细节;最后将处理后的图像进行掩膜融合。在真实世界的数据集上仿真结果表明,本研究所提算法在去雾后能保留更多的细节且提高亮度。与几种经典的算法相比,本研究所提算法在去雾后的图像有较好的色彩保真度,保留了更多的细节,去雾效果好且亮度更自然。     

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.     

基于图像分割的双直方图均衡算法

双直方图均衡化是一种经典的亮度保持的图像对比度增强算法.为了使直方图分割与图像聚类相关联,提出一种基于K-Means图像分割的双直方图均衡算法.首先利用K-Means对图像进行聚类,得到两个子图像;然后再对两个子图像分别进行直方图均衡;最后合并两个子图.实验结果表明,该算法不仅保持了原图像亮度,而且其对比度增强效果比传统方法更自然.