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.     

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。     

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。     

基于改进多尺度Retinex的墙体开槽机器人目标检测与定位

近年来,随着人工成本的提高和人口红利的消失,建筑行业急需机器人代替人工。针对于墙体开槽机器人在复杂多变的光照条件下特征提取失败、错误提取等问题,提出了一种改进的多尺度Retinex算法进行图像预处理。在原始多尺度Retinex应用到图像亮度分量得到每个像素位置亮度增量的基础上,本文采用衰减函数抑制高亮区域的亮度值增量,然后将亮度值增量转化为RGB三通道的变化量。试验结果表明,该预处理算法能在多种光照条件下得到了颜色较一致的图像,且能显著抑制色偏现象,克服了在单尺度Retinex阶段容易造成图片的灰化以及在高亮条件下颜色失真的问题。使用基于该预处理算法的墙体开槽机器人目标检测与定位方法使得机器人在复杂多变的光照条件下依然能够实现准确的目标检测与精准定位,为墙体开槽机器人的开发奠定了试验基础。     

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。     

基于Retinex理论的图像增强算法的车辆主动安全技术

车辆主动安全技术监测系统中在遇到复杂道路、夜间环境及弱光照的情况下图像很容易受到驾驶员个体、光照变化等要素的影响,使算法精确性大大降低,为提升图像处理算法的精确性,通过分析Retinex理论的图像增强技术能够对图像低频部分进行提取,并借助多尺度Retinex(MSR)算法补偿图像光照,融合梯度图像即可得到全新图像,实验结果表明,基于Retinex理论的图像增强算法可以更好的呈现道路和驾驶员面部特征,使弯道线检测的鲁棒性大大改善,便于开展图像处理工作.     

基于单尺度Retinex算法的非线性图像增强算法

提出一种改进的Retinex算法——基于单尺度Retinex的非线性图像增强算法.不同于经典的Retinex算法用复杂的运算估计亮度图像,该算法首先对亮度图像进行粗估计,然后通过非线性运算在反射图像中对粗估计的亮度图像进行补偿.实验结果表明,所提出的算法同经典的Retinex算法相比,无论在增强效果还是在处理时间上都具有更大的优越性.     

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.     

红外视频监控图像增强算法的比较研究

提出基于Retinex理论的McCann99结合自适应直方图均衡化的算法,并与同态滤波、MSR及McCann99的算法进行了比较．红外视频监控图像的计算机处理实验结果显示该算法可以增强图像的亮度和对比度,有效改善图像质量．