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。     

结合暗通道先验的单幅图像快速去雾算法

基于暗通道先验的单幅图像去雾算法对天空区域的恢复效果不佳,且运行效率较低.为此,文中提出了一种快速、有效的单幅图像去雾算法.该算法首先根据颜色衰减先验建立场景深度模型,并基于场景深度模型估计透射率,再基于局部一致性和暗通道先验得到粗透射率;然后利用图像融合的方法,将基于场景深度模型估计的透射率与粗透射率融合,实现天空区域透射率的修正;最后采用导向滤波细化的透射率复原图像,并对复原图像进行色调调整.实验结果表明,文中算法运行效率高,并且有效地提高了复原图像的清晰度和对比度.     

基于透射率归一化的弱光图像增强

针对阴天或夜晚等弱光条件下拍摄的图像具有低信噪比、低对比度、强噪声等问题,在暗原色先验理论去雾框架下,提出了一种基于透射率归一化的弱光图像增强方法.首先,针对弱光图像的特点,简化弱光图像增强模型;然后,用点暗原色取代块暗原色求取透射率,并利用局部维纳滤波进行细化,以保留更多图像的细节;最后,由弱光图像直接对透射率进行归一化即可得到增强图像.实验结果表明,该方法运算简单,可有效增强弱光图像,且能保留更多的图像细节.     

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.      

基于改进暗通道先验的沙尘图像清晰化算法

针对户外成像设备获取的沙尘图像存在色调偏黄、色彩不丰富及清晰度较低等问题,提出一种基于改进暗通道先验的沙尘图像清晰化算法.对图像偏色的问题,首先对高斯模型进行改进,采取自适应归一化方法调整图像暗部像素,并加权融合基于灰度世界的颜色校正方法,从而去除色偏影响;然后利用带色彩恢复的多尺度视网膜增强算法进行色彩恢复;对处理后存在的薄雾影响,基于暗通道先验方法重新选取大气光值,并对暗部像素进行亮度补偿;最后针对图像饱和度不足和对比度低的问题,将图像映射到HSI空间,分别利用自适应调整函数和改进双伽马校正算法进行提升.实验结果表明,该方法不仅能有效校正色偏,更好提升图像对比度及清晰度,且对图像色彩丰富度提升效果明显,可提高户外成像设备的图像质量.     

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。     

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.     

一种红外偏振与光强图像的暗原色多特征分离融合方法

针对现有红外偏振和光强图像融合算法不能同时兼顾提高对比度、突出明亮特征和保持边缘细节信息的问题,提出一种暗原色多特征分离融合的新方法。首先,对源图像进行局部最小值滤波和引导滤波得到暗原色图;然后,经过差值、绝对值取小融合的处理,提出暗原色多特征分离方法,得到包含亮、暗以及边缘细节信息的三部分图像;最后,对三部分图像采用不同规则分别融合,通过重构和亮度调整得到最终融合图像。实验结果表明,本文方法能有效地融合源图像的互补信息,不仅能够保留边缘细节信息,同时也能突出明亮特征和图像整体对比度,在实际的目标识别中具有一定的优势。     

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.     

大气光幕融合的去雾新方法

针对雾天场景成像设备采集的图像存在对比度低、细节不清晰的问题,提出一种结合大气光幕融合的雾天场景复原算法.首先,基于不同场景深处大气光幕的物理特性和光学成像特性,获取远景雾气分布的近似估计.其次,通过像素级融合和滤波的方法得出准确的全局大气光幕.最后,通过反演大气散射模型得到复原图像,并进行亮度和色调调整.该方法可以有效避免过度去雾现象和光晕效应等不足,能快速复原场景的对比度和颜色.实验结果表明:该算法简单高效,具有较强场景适应能力,并保证实时性.     

基于虚拟多曝光融合的不均匀光照图像增强方法

针对不均匀光照图像存在过曝和欠曝区域导致对比度低、视觉效果差的问题,提出一种基于虚拟多曝光融合的图像增强方法.首先,将原图像从RGB(红-绿-蓝)颜色空间转换到HSV(色调-饱和度-亮度)颜色空间;然后,对转换后的V通道图像,利用相机响应模型,估计最佳曝光率并生成减弱曝光图像和增强曝光图像;接着,使用带细节提升的多曝光融合方法对该V通道图像和生成的虚拟曝光图像进行融合,重构出新的V通道图像;最后,将图像重新转换回RGB颜色空间得到一幅动态范围高、对比度强、视觉效果好的图像.在7个公开的图像数据集上进行实验,结果表明:该方法在平均信息熵、平均梯度和颜色一致性等图像质量评价指标上均优于所比较的方法,在更好地保持图像颜色和细节信息的同时,也使得结果图像具有较高的对比度和清晰度.     

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.     

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。     

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.     

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。     

结合暗亮通道先验的远近景融合去雾算法

为解决传统暗通道不适用于大面积天空区域,容易造成去雾图像失真的问题,提出一种结合暗亮通道先验的远近景融合去雾算法。首先,利用改进的二维Otsu图像分割算法,混合近景和远景区域的暗通道,并基于最优的客观质量评价指标对近景和远景区域设置混合暗通道的自适应调节参数;其次,针对真实物理场景中大气光并非均匀不变常量的问题,建立暗亮通道融合模型,并计算大气光图;为了提升处理速度,在不降低恢复质量的前提下,选取与原图对应的灰度图作为引导图像对透射率图进行细化;最后,采用基于视觉感知的亮度/颜色补偿模型对图像修正,提高了复原图像的对比度和色彩饱和度。实验结果表明,所提算法在主观和客观角度均取得最好的效果,其中客观指标PSNR在数值上比He的算法平均高出24.04%。由此得出,通过所提算法复原的图像更加清晰、细节信息和结构更加明显,更适于人眼的观察,验证了算法的有效性。     

融合残差结构与注意力机制的暗光图像增强算法

目的 低光工况或拍摄技巧影响都可能获得低光照图像,为解决此类图像对比度低、噪声大、颜色失真等问 题,提出一种卷积神经网络增强模型 RetKIND,包括分解网络、亮度调整网络和降噪网络。 方法 它借助残差模块 (RB)和跳跃连接,有效抑制分解网络在分解时产生的噪声;融合 U-Net 架构、空洞卷积和 EBAM 高效注意力机制 构建降噪网络,利用空洞卷积扩大感受野,提取更多图像信息,提高 EBAM 在通道和空间上提取反射图的细节、纹 理、颜色等特征的能力,实现图像去噪;由 UC(亮度调整网络中的自定义模块)和普通卷积组成亮度调整网络,旨在 减少光照图细节缺失,提高光照分量对比度。 融合去噪后的反射分量和增强后的光照分量,得到正常光照图像。 结果 仿真结果表明:在 LOL 数据集上,相较 R2RNet,FPSNR 和 FSSIM 值分别上升了 6. 2%和 4. 2%;相较 URetinexNet,FPSNR 和 FSSIM 值分别上升了 5. 9%和 1. 2%;相较 DEANet,FPSNR 和 FSSIM 值分别上升了 2. 9%和 1. 1%。 结论 Ret -KIND 模型既能提升图像亮度,又能降低图像的噪声,有助于推动低光图像增强模型应用到目标检测领域。     

基于变分结构引导滤波的低照度图像增强算法

针对低光照条件下获取的图像存在亮度低、可见性差等缺陷,提出了基于变分结构引导滤波的低照度图像增强算法。首先在输入图像的每个像素点处计算R、G、B三通道的最大值,并使用最大值滤波获取亮通道图。其次,创新性地构建基于变分模型的引导滤波器对亮通道图进行精炼从而估计出照射分量,并根据Retinex理论,去除照射分量得到反射分量。最后,采用同态滤波和线性拉伸进一步提高反射分量的对比度以输出清晰的图像。综合实验表明,该算法能快速有效地增强低照度图像的亮度和对比度,且能较好地保持图像细节。