基于光照分量提取的光照不均匀图像校正

针对光照不均匀的灰度图像,在频域采用多尺度高斯函数提取出光照分量,并对光照分量进行对数变换,再根据提取出的光照分量和变换后的光照分量对原始图像的灰度值进行幂次变换,从而实现光照不均匀灰度图像的校正。对于真彩色RGB图像,先将该图像从RGB空间转换到Lab空间,然后对L分量的灰度值进行幂次变换校正,最后将校正后的图像从Lab空间转换回RGB空间。Matlab仿真结果表明,频域提取光照分量比空域处理速度更快,幂次变换校正后的图像质量得到明显改善,与伽马函数校正相比,在客观评价标准和主观视觉效果两方面均能够取得更好的结果。     

基于同态滤波及多尺度Retinex的低照度图像增强算法

针对在彩色图像采集过程中,光源偏暗或曝光不足等因素,常导致图像亮度和对比度偏低问题,提出了一种改进的低照度图像增强算法。首先用改进的同态滤波增强低照度图像的RGB各分量;然后将RGB图像转换到HSV彩色空间,对饱和度分量进行自适应非线性拉伸;同时用改进的多尺度Retinex算法对亮度进行增强处理,对照射分量用伽马变换进行校正,对反射分量用Sigmoid函数进行处理,最后将图像再转换至RGB空间。用MATLAB对图像进行仿真处理。实验表明该算法提高了低照度图像的信息熵、峰值信噪比和对比度,提升了低照度图像的视觉效果。     

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.     

一种基于色彩恒常理论的薄雾图像增强方法

针对薄雾天气下的图像对比度较低,以及光照不均引起的颜色退化失真问题,提出了一种基于色彩恒常理论的薄雾图像增强方法。该方法将Frankle_McCann Retinex(FMR)算法与光照补偿算法系统地结合。首先利用FMR算法来提高图像对比度,再采用光照补偿方法,将彩色图像从RGB空间转换至HSV空间,对亮度分量进行直方图均衡处理;再转回RGB空间,以此提高图像亮度同时保留色彩真实性。实验表明,此方法比传统FMR算法能更有效去除色彩失真,改善退化细节,获得良好视觉效果。     

基于幂律变换的MSRCR矿井图像增强算法

针对复杂矿井图像亮度不均的问题,提出基于幂律变换的MSRCR图像增强方法(Plt-MSRCR)。首先,对图像进行自适应直方图均衡化处理,将RGB空间转换为HSV空间,利用自适应最大类间方差(OTSU)将V分量分割为高低灰度等级分量V_H和V_L;其次,对V_L进行自适应CLAHE处理来拉伸灰度等级,对V_H进行阈值分割,得到高低亮度分量V_HH和V_HL;再次利用Plt-MSRCR算法完成V_HL分量的灰度拉伸和亮度抑制,得到调整后的V_HLnew;最后,将所有V分量进行融合,对S分量进行伽马校正,融合重组成RGB图像。实验结果表明,该算法能够有效解决矿井下光照过低、光照较低和光照不均对图像的影响,对暗区域亮度增强的同时保证了增强亮度的均匀性和图像的清晰度。相较于其他同类算法,该算法在信息熵、平均梯度和标准差方面效果和性能更好。     

基于改进同态滤波的光照补偿车牌定位

为了更有效地提高车牌定位准确率,文章对传统同态滤波器进行了改进,在提升光照补偿效果的同时,减少了滤波器的参数,提高了计算机的运行速度。将车辆图像从RGB颜色空间转换到HSV颜色空间,对HSV颜色模型进行3通道分离,保持色调分量不变,对饱和度分量进行拉伸,利用改进的同态滤波对亮度分量进行光照补偿;按蓝、黄车牌颜色对应的H、S、V值的范围进行阈值化,把得到的3幅二值图进行与操作,得到HSV空间下二值图,接着进行数学形态学除噪,再结合车牌的纹理特征定位出车牌区域。实验结果表明,该方法不仅能够快速、准确定位出车牌,而且对夜晚及光照不均的车辆图像也能有效地定位。     

改进的Faster R-CNN用于苹果叶部病害检测

针对苹果叶部病害图像存在光照分布不均匀、对比度低、过亮或过暗区域细节丢失等问题,提出一种改进的Faster R-CNN苹果叶部病害检测方法,提高病害检测的准确率。由于HSV颜色空间中的H、S、V三个分量具有相对独立性,且光照及阴影部分的遮挡对H、S分量的影响很小,因此,将病害图像从RGB颜色空间转换到HSV颜色空间,再采用颜色恒常性（Retinex）算法对图像进行处理。然后,采用Faster R-CNN网络模型对苹果叶部的三种病害（雪松锈病、灰斑病、黑星病）进行目标检测。实验结果表明：该方法提升了检测苹果雪松锈病、灰斑病、黑星病的平均精度,分别提高了4.03%、7.14%和13.77%,整体平均精度提升了8.32%。每幅图像的检测时间为0.201 s,单张图片检测时间减少了42 ms,确保了检测的实时性,这对于病害的预防具有重要意义。     

基于同态滤波与圆孔定位的禁令标志检测

基于禁令标志的颜色相对固定,亮度易受光照影响的特点,提出一种基于同态滤波光照抑制的禁令标志检测算法。把图片从RGB空间转换到HSI空间,利用同态滤波对亮度分量进行光照抑制;转换到RGB空间,基于颜色分量的差值提取图片中红色分量,利用形态学和提取红色圆孔的方式定位禁令交通标志。实验结果表明,该方法可以在光照不佳、背景复杂、标志相连、轻度遮挡的环境下准确定位禁令标志,具有鲁棒性好,检测率高的优点。     

基于HSV色彩空间S分量的轨面区域提取方法

钢轨表面区域提取方法存在需要预先设定轨面宽度的问题,且容易受到光照不均和噪声的干扰,因此,该文提出一种基于HSV色彩空间S分量的轨面区域提取方法.进行自适应加权中值滤波操作,消除杂乱而细小的噪声;将去噪后的RGB轨道图像转化为HSV色彩空间轨道图像,将S空间分量图像单独提取出来,减少光照不均带来的干扰;采用改进的线性函...     

基于小波和分块同态滤波的变光照图像增强方法

为提高变光照情境下图像质量,针对部分图像存在亮度不均、对比度低的问题,提出了基于小波与分块同态滤波的图像特征增强算法.首先将图像从原始色彩空间转换为H SV空间,以图像亮度分量V作为增强对象;然后利用小波变换代替分块同态滤波中的传统傅里叶变换对亮度分量分解,并对小波分解的子图像进行分块后进行高通滤波处理,对滤波后的图像...     

光照不均匀颗粒图像的校正方法

在颗粒图像的采集过程中,由于实际环境中成像条件的限制,造成图像的背景光照不均匀,这给后续的粒度分析和计数等操作带来困难。为了解决这一问题,本文在论述常用的各种校正算法特点的基础上,提出了基于同态滤波进行处理的方法。该算法通过对图像的频域空间进行处理,削弱了图像中的低频成分,适当增强了高频分量,降低了背景的光照不均匀对图像分析所造成的影响。实验证明,本文提出的方法简单有效,可以广泛应用到实际机器视觉系统中。     

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HSV空间的高动态范围彩色显微图像合成

由于显微场景照度动态范围较大,普通显微成像设备拍摄的单幅图像无法真实表现实际场景,提出了一种基于HSV空间的高动态范围图像合成方法.首先,将同一场景不同曝光度的序列图像从RGB空间转换到HSV空间.其次,利用Debevec-Malik方法将图像序列的亮度分量合成为高动态范围的亮度图像,再对其进行色调映射得到最终的亮度分量.另外,我们对色调和饱和度分量分别进行加权平均合成,从而得到最终图像的色调与饱和度分量.实验结果表明,本方法对彩色显微图像具有较好的处理效果.     

融合彩色模型空间的非线性低照度图像增强

低照度图像存在图像整体亮度偏低、亮度不均匀、色彩饱和度过高、图像模糊等问题,针对此类问题,提出了一种融合彩色模型空间的低照度图像增强算法。在该算法中,将图像的亮度增强与图像色彩恢复转换至不同的彩色模型空间分别进行处理:在RGB彩色模型空间中,首先对图像的高灰度级进行预处理,随后进行滤波处理,最后再用三分量增强函数对图像进行亮度恢复;在HSV彩色模型空间中,利用非线性色彩饱和度校正函数与亮度增强函数进行图像的色彩恢复,最后将两个空间中的处理结果进行加权融合。最终的对比实验结果表明,该方法在避免图像出现过度增强、色彩恢复与图像照度增强方面有着良好的效果,所处理的图像符合人眼视觉特性。     

奶牛图像光照不均的校正方法

由于奶牛图像是在奶牛场实地拍摄,故会产生一些光线特别强烈的图像,致使图像光照不均和降质,故影响后期对奶牛图像的二值化及识别处理。本文在对传统同态滤波和基于小波的同态滤波方法研究的基础上,采用一种基于Ycbcr颜色空间对彩色图像进行光照校正的方法。实验结果表明,该方法对彩色图像进行光照校正更为有效,二值化结果也更为正确。     

钢板表面缺陷图像非均匀光照校正及分割算法

针对钢板表面缺陷图像光照不均匀的问题,首先根据图像的亮度与光照分量和反射分量的相关性,采用多尺度高斯函数方法提取图像的光照分量并分离出反射分量.然后根据光照分量的分布情况调整二维(2D)伽玛函数的参数,实现光照分量分布不均的自适应校正,再将校正后的光照分量与原有的反射分量融合得到光照均匀的新图像.最后采用遗传算法选择最大熵阈值进行缺陷分割.结果表明:钢板表面缺陷图像的非均匀光照得到了有效改善,缺陷细节得到了较好保持;图像阈值分割缩短了寻找阈值的时间,能够有效检测出钢板表面的多种缺陷.     

基于数学形态学高帽变换的彩色图像增强算法

分析了RGB颜色空间和HSV颜色空间各自的优缺点,通过将彩色图像在RGB颜色空间和HSV颜色空间互相转换,把一个灰度图像形态学边缘增强算法推广到彩色图像。实验结果表明该算法性能良好,既能够较好地增强图像,又没有引入不自然的人造痕迹。     

基于Sigmoid核函数的纺织品色差分类检测研究

颜色的自动检测分级是纺织、印染行业质量检测中的关键一环.为达到纺织品颜色的快速分级,根据人类视觉特性,提出了一种基于Sigmoid核函数的纺织品色差分类检测方法.该方法首先将采集的待测纺织品图像进行预处理操作,并将图像数据由RGB色彩空间转换至HSV色彩空间;其次对图像区域进行均匀分块,提取H、S、V分量值并采用加权和...     

一种改进的Retinex矿井图像增强算法

为了改善矿井图像的成像质量,提升观测效果,针对传统Retinex算法处理矿井图像时存在的色彩失真、光晕模糊和过增强等问题,提出了一种改进的Retinex矿井图像增强算法：首先将待处理图像从RGB空间转为HSV空间;基于Retinex理论,对V分量采用改进的自适应快速引导滤波进行照度估计,进而获得反射分量;提出了一种“S型”函数对照度分量进行照度均衡;对反射分量进行非线性拉伸,实现细节增强;最后将处理后的照度分量和反射分量融合,并转回RGB空间得到最终的增强图像。将本文算法应用于矿井下非均匀照度环境,并选择具有代表性的三个算法进行对比,实验结果表明本文算法增强结果在主观和客观评价方面优于其他算法。可见该算法在色彩、细节和边缘保持方面均较优,且能够避免过增强现象,实现矿井图像的有效增强。     

基于带通滤波和绿色因子的绿色识别方法

为识别大田作物长势监控图像中的绿色植物,提出了一种基于带通滤波和绿色因子的绿色植物识别方法.首先将自然光条件下采集的大田作物长势监控图像从RGB颜色空间转换到HSV颜色空间,并通过基于HSV的带通滤波器去掉RGB图像中的大部分背景;然后将处理过的RGB图像进行归一化,并利用ExG实现绿色植物的识别.实验结果表明,本方法能够正确识别大田作物长势监控图像中的绿色植物,能够较好地克服野外大田拍摄环境造成的识别难题.