多尺度 Ｒｅｔｉｎｅｘ 在图像去雾算法中的应用研究

针对单尺度 Ｒｅｔｉｎｅｘ(ＳＳＲ)图像去雾的算法效果不佳,探讨在图像去雾处理中多尺度 Ｒｅｔｉｎｅｘ (ＭＳＲ)算法去除浓雾、厚 雾的问题,并在 ＭＳＲ 基础上进一步对图像进行带颜色复原的 ＭＳＲ(ＭＳＲＣＲ)的处理。 首先采用二维傅立叶变换得到高斯滤波 函数,同时由逆傅立叶变换、卷积积分计算出图像的入射分量,再通过算法计算出图像的反射分量,最后通过低通滤波器得到 图像的高频分量后还原图像。 实验结果显示:与 ＳＳＲ 和 ＭＳＲ 算法相比,ＭＳＲＣＲ 算法能更好地去除图片中的浓雾、厚雾的影 响,提高带雾图片处理后的清晰度且效果明显。     

基于改进Retinex的图像增强算法

为了改善图像的增强效果,在多尺度Retinex(Multi-scale Retinex,MSR)算法的基础上,提出一种改进Retinex的图像增强算法。该算法首先采用MSR算法对原始图像进行分解,得到光照分量图像和反射分量图像,然后伽马变换对光照分量图像增强处理,并采用线性拉伸方式对增强结果进行修正,同时采用双边滤波算法对反射分量图像进行处理去除噪声,最后对处理后的光照分量图像和反射分量图像进行合并得到增强后的图像,采用仿真对比实验对算法性能进行测试。实验结果表明,该文算法改善了图像视觉质量,保留了更丰富的细节信息,有效防止了光晕伪影,更加有利于后续的图像处理。     

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CLAHE和图像分解的去雾方法

针对雾天条件下拍摄到的图像对比度低、细节模糊以及颜色暗淡的现象,提出一种基于CLAHE和图像分解的去雾方法。首先,采用限制对比度直方图均衡化(limited contrast histogram equalization,CLAHE)对有雾图像进行增强,有效地提升图像的对比度;然后,在照明—反射模型的基础上,根据照射分量与反射分量的不同特征对增强后的图像进行梯度滤波,将图像进行分解,获得最终包含图像所有细节的反射图像;最后,对反射图像进行Gamma变换,提升图像的亮度,获得最终的去雾图像。利用信息熵、空间频率、平均梯度和运算时间等客观评价标准,与带色彩恢复多尺度Retinex算法(MSRCR算法)和基于暗通道先验去雾算法(He算法)进行对比。实验结果的主观评价和客观评价表明,在雾天图像细节增强和色彩保持方面,本文方法比MSRCR算法和He算法具有更好的效果。     

基于暗原色先验与Retinex理论的去雾算法

为提高雾霾图像的清晰化程度,采用暗原色先验方法与多尺度Retinex(MSR)算法相结合的方式,提出基于暗原色先验与Retinex理论的去雾算法.首先,采用暗原色先验方法对协雾霾图像进行物理意义上的去雾,雾霾图像细节得到增强;其次,将处理后的雾霾图像作为MSR算法的原始输入图像,雾霾图像对比度与平均亮度增大.仿真实验表明,该算法处理的雾霾图像对比度得到增大,图像平均亮度适中,总体效果较好,可在一定程度上提高雾霾图像的清晰度.     

多尺度Retinex算法与其它图像增强方法比较

图像获取过程中往往由于光照不足导致图像出现暗影和低对比度,这严重影响了后期图像各种形式的处理,如人脸检测、边缘提取、图像融合等。文章提出利用MSRCR算法与其它常用动态范围调整的图像增强算法相比,如SSR,MSR,MSRCR和直方图均衡化增强;进一步利用MSRCR增益/偏移校正、基于双边滤波器的单尺度Retinex图像增强和同态滤波器对两组图像对比实验,结果显示这些方法在图像增强中都表现出良好的性能,且MSRCR算法可以弥补传统小波变换在图像增强中的对比度不高和丢失部分信息的不足,提高了图像的亮度,对比度和清晰度;且其峰值信噪比和信息熵普遍高于其它增强方法,并对其运行的时效性进行对比。     

基于暗原色先验的快速视频去雾优化算法

对目前高分辨率视频图像去雾算法实时性差,天空及大量明亮区域处理不理想等问题,提出一种基于暗原色先验的快速视频去雾优化算法。针对视频图像,采用导向滤波和帧差法,实现快速视频去雾。根据经典大气散射物理模型,首先,利用暗原色先验估计大气光值和透射率图;然后,下采样透射率图并用导向滤波得到优化的透射率图后,上采样并改善透射率图;最终,得到去雾视频帧。与带颜色恢复的多尺度Retinex算法(MSRCR)和He算法进行对比,实验结果表明,所提优化算法能有效提高视频去雾速度,改善去雾效果。     

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。     

具有细节补偿和色彩恢复的多尺度Retinex色调映射算法

针对带色彩恢复的多尺度Retinex色调映射算法(MSRCR)在分离图像光照信息时未保留部分细节信息,导致结果图像出现细节模糊和颜色失真的问题,提出了一种具有细节补偿和色彩恢复的多尺度Retinex色调映射算法(MSRCD).该算法利用Retinex理论的基本原理将高动态范围图像分为反射层和光照层,先使用双边滤波从图像光照层中提取出细节信息进行补偿,然后从图像的反射层中分离出基本层信息并进行自适应调整,压缩其动态范围,最后通过色彩校正还原图像颜色.实验结果表明,与MSRCR算法及基于双边滤波的算法相比,MSRCD算法的处理结果保留了更丰富的细节信息,色彩逼近于真实场景且避免了光晕的产生.     

结合分数阶微分和暗原色先验及Retinex的去雾算法

为提高雾霾天气图像的清晰度,提出了一种结合分数阶微分、暗原色先验及Retinex的去雾算法.首先将纹理丰富的雾霾天气下的图像进行分数阶微分,然后将分数阶微分后的图像作暗原色先验处理,并根据暗原色景深图信息计算其在图像中的Retinex尺度,最后对分数阶微分后的图像进行Retinex变换得到结果图像.对一系列雾霾天气下图像的测试结果表明:文中算法能够有效提高雾霾天气中模糊图像的清晰度,减少Retinex的光晕现象;与现有的多尺度Retinex及暗原色先验算法相比,对于纹理丰富及场景深度差异较大的雾霾天气下的图像,文中算法既能保持良好的增强效果,又可以加快运行速度.     

基于亮度划分MSR的视觉图像增强

针对复杂天气条件下多尺度Retinex(MSR)方法不能很好地体现图像的局部特征和细节,引入了基于亮度划分的预处理,实现了一种新的MSR方法.首先将彩色图像转换为更适合人类视觉系统的HSI颜色空间,提取亮度分量Ⅰ;然后用对数图像处理(LIP)模型将图像按亮度划分为不同的区域,对各亮度区域采用相应尺度的Retinex算法...     

结合HE和改进MSRCR的交通雾霾图像增强

【目的】受大气粒子散射的影响, 雾霾天气下的交通监控图像严重降质, 影响交通安全。【方法】针对雾霾图像存在对比度低、灰度分布狭窄和细节损失严重的问题,提 出一种结合直方图均衡化(HE)和改进色彩恢复多尺度Retinex(MSRCR)的单幅交通图像去雾霾算法。该算法首先将图像分别进行HE和MSRCR增强, 其中MSRCR 增强时, 使用具有平滑保边缘功能的引导滤波替换高斯函数来估计光照分量, 然后对增强后的两幅图像进行加权融合。【结果】通过定性分析发现, 该算法有效改善了图像的主观视觉效果; 通过定量分析发现, 该算法相对于HE、MSRCR、B-SSR和G-SSR算法, 显著提高了图像的平均梯度和对比度, 且灰度熵和彩色熵也有一定程度提高。【结论】实验结果表明, 该算法能有效增强交通雾霾图像。
     

基于NSCT和SQI的光照不变量及人脸识别

为了消除光照变化对人脸识别的影响,提出了一种结合无下采样轮廓波变换(Nonsub-sampled contourlet transform,NSCT)和自商图像(Self-quotient image,SQI))的光照不变量提取算法。该算法首先对图像进行伽玛校正,一定程度上减弱了不同光照条件的影响,然后使用NSCT对伽玛校正后图像进行多尺度多方向分析,使用自适应NormalShrink方法对各高频子带进行滤波,通过反无下采样轮廓波变换得到平滑图像,最后利用SQI提取光照不变量。在YaleB与CMUPIE人脸库上的实验结果表明:所提出的算法能够有效消除光照变化对人脸识别的影响,识别率高于多尺度Retinex(Multiscale Retinex,MSR)、SQI和对数全变差(Logarithmic totalvariation,LTV)等方法。     

基于HE和MSR的玉米病虫害图像预处理

针对大田玉米图像采集时存在的过曝和欠曝图像问题,设计了一种将直方图均衡算法(Histogram Equalization,HE)和多尺度视网膜大脑皮层理论算法(Multi-Scale Retinex,MSR)相结合的混合算法,即先对图像进行MSR运算,再使用HE算法,解决了HE存在的灰度级过度合并的问题,降低了MSR存在的对比度低的缺陷。实验结果表明,从主观评价上看,经过MSR+HE处理后的图像清晰度更高,细节更加丰富;从客观指标上看,利用MSR+HE处理后的图像的对比度和平均梯度指标均大于MSR或HE单独处理图像后得到的指标,表明MSR+HE算法稳定性好、处理结果清晰、细节丰富,更适于农田图像处理。     

基于改进加权融合暗通道算法的图像去雾研究

针对雾天情况下拍摄图像不清晰的问题,提出了一种改进的加权融合暗通道图像去雾算法。为实现图像降噪和保边的效果,利用直方图均衡化和双边滤波的方法对暗通道图像进行处理,同时通过对透射率权值和大气光值进行改进,并加权融合单尺度Retinex算法,使去雾后的图像更加贴合实际场景下的无雾图像。试验结果显示,本算法能有效地还原图像的清晰度和色彩,并且在颜色偏暗的雾化图像上去雾效果更佳。与暗通道去雾算法、单尺度Retinex算法及暗通道融合图像增强的去雾算法相比较,本算法在主观评价和定量评价上具有明显的去雾优势,因此本算法具有更强的鲁棒性,可以广泛应用于交通监控、目标检测和追踪等领域。     

一种基于Retinex理论的图像去雾算法研究

针对Retinex算法去雾存在自适应能力差、容易产生光晕现象的缺点,通过对Retinex方法去雾后的图像依次做对比度拉伸、统计R/G/B分量像素亮度个数、用三次B样条拟合、计算曲线右侧的极值、确定天空区域分割阈值、得到分割图像,然后对分割后的非天空区域做色偏校正,对天空区域做均值化处理,最后将处理后的图像融合.实验结果表明,算法处理后峰值信噪比提高约9.14%,信息熵提升约22.2%,对比度提高约6.41%,说明改进后的算法效果较好.     

结合HE和改进MSRCR的交通雾霾图像增强

【目的】受大气粒子散射的影响,雾霾天气下的交通监控图像严重降质,影响交通安全。【方法】针对雾霾图像存在对比度低、灰度分布狭窄和细节损失严重的问题,提出一种结合直方图均衡化(HE)和改进色彩恢复多尺度Retinex(MSRCR)的单幅交通图像去雾霾算法。该算法首先将图像分别进行HE和MSRCR增强,其中MSRCR增强时,使用具有平滑保边缘功能的引导滤波替换高斯函数来估计光照分量,然后对增强后的两幅图像进行加权融合。【结果】通过定性分析发现,该算法有效改善了图像的主观视觉效果;通过定量分析发现,该算法相对于HE、MSRCR、B-SSR和G-SSR算法,显著提高了图像的平均梯度和对比度,且灰度熵和彩色熵也有一定程度提高。【结论】实验结果表明,该算法能有效增强交通雾霾图像。     

基于子带分解的MSR雾天图像增强算法

提出了一种基于子带分解的MSR的图像增强算法(Subband-Decomposed Multiscale Retinex,简称SDMSR).先利用改进后的MSR算法对雾天图像进行处理,之后由子带分解的方法对雾天图像的不同子带分解输出进行增益,最后采用图像融合技术得到清晰的增强图像.并借助均值、标准差、熵、均方误差(MSE)和峰值信噪比(PSNR)对文中算法的仿真结果进行了定量评价,仿真与评价结果表明,该算法能够提高雾天图像的对比度,保留了原图像中有用的信息,图像的失真程度小,图像的清晰度也得到了提高.     

基于雾天图像退化模型的自适应参数优化的去雾算法

针对单幅雾霾图像中包含有大面积浓雾、高亮以及白色物体等,而导致无法清晰识别的问题,基于雾天退化模型,提出了一种改进暗通道和运用灰度开运算求解环境光值相结合的去雾算法。首先根据暗通道先验理论运用图像阈值分割出暗原色区域和明原色区域,并将暗原色区域与明原色区域相结合以求得更加精准的原始透射率;然后采用引导滤波算法细化原始透射率;并通过灰度开运算对环境光值进行区间估计,提高了环境光值的精准性和鲁棒性。使得该算法适用于暗通道去雾效果不好的浓雾高亮区域,去雾后的图像更加真实自然,边缘细节信息更加丰富,有效去除了Halo效应;同时也有效地解决了单幅图片去雾后图片偏暗,图片视觉效果不好等问题。与经典去雾算法作比较,验证在图像的对比度、失真度、细节信息和边缘保持等方面都优于其他算法。     

基于Python的夜间图像增强方法研究

数字图像广泛应用于生活娱乐、医学、交通等领域,由于光照不均匀和光照强度不够等自然环境、拍摄技术和设备的限制,有些获取的夜间图像对比度低、色彩偏暗、细节缺失严重,且含有大量噪声,影响图像的辨识度和质量,极大的影响了视觉体验.针对该问题,本文分析了基于Retinex和去雾理论的夜间图像增强算法,提高夜间图像的亮度和对比度,提升图像的可视化效果;运用Python语言实现了MSRCR、MSRCP以及基于去雾理论的增强算法.研究结果表明,对夜间图像进行增强处理后,能极大地提高图像的可视化效果.