多尺度自适应Gamma矫正的低照图像增强

为了在提高低照图像的亮度和对比度的同时,保持图像的色彩自然度,提出了多尺度自适应Gamma矫正的低照图像增强方法.鉴于HSI颜色空间的明度分量Ⅰ决定着图像的明暗程度,以及明度分量的多尺度特性,首先,将图像转换到HSI颜色空间,对明度分量Ⅰ进行多尺度Retinex分解;然后,对分解得到的多尺度光照图像分别进行自适应的Gamma矫正,其中Gamma指数自适应于暗区像素的占比,鲁棒地改善光照图像的光照分布,经Retinex反变换得到增强的多尺度明度分量;最后,将增强的多尺度明度分量的线性融合作为增强的明度分量Ⅰ’,与色相分量H和饱和度分量S重组,得到最后的增强图像.实验结果表明,相对于部分最新提出的现有方法,新方法的PSNR和SSIM值分别高出1.19 dB和1.8%以上,具有更好的增强效果和鲁棒性,增强图像的视觉效果更适宜,对比度更高.     

基于Retinex理论的JPEG压缩方法研究

现有JPEG压缩标准推荐的色度与亮度量化表,是通过对自然光照下图像色彩数据的统计和实验获得的,不具备偏色校正功能.为此以Retinex理论为基本计算框架,探究并提出一种新的具有色彩恒常性的JPEG压缩方法.该方法通过构建合适的DC系数矩阵来迭代计算DCT系数的局部空间均值,由此估计出照度分量;然后,对照度分量影响信息和边界方向信息进行综合计算来调整亮度量化表,以达到同时实现偏色校正和图像压缩的效果.实验结果表明,与现有的JPEG方法相比,该方法在保持同等压缩比的情况下,具有更好的偏色校正效果.     

双透射率成像模型与Retinex 融合的水下图像清晰化

针对水下图像出现的颜色失真、对比度低、雾化现象等问题,提出双透射率成像模型与Retinex融合的水下图像清晰化方法.首先,采用基于改进双透射率成像模型的复原算法,用以解决图像雾化以及亮度失衡;其次,在带色彩恢复的多尺度Retinex增强算法中引入引导滤波,解决图像色偏问题;此外,引用自动色彩增强算法,有效提升对比度;最后,将三个输入图像与结合对比度、显著性、饱和性得到的对应权重图采用多尺度融合框架得到清晰化水下图像.实验结果表明,与现有新颖算法相比,所提方法可以最大程度地将多种单一算法的优势有效结合起来,水下彩色图像质量评价指标(underwater color image quality evaluation,UCIQE)均值高于各比较算法6.03％且加速鲁棒特征(speeded up robust features,SURF)特征匹配点明显提升,算法能在保留图像细节的同时有效校正色偏现象、提升图像对比度及清晰度,更符合人眼的视觉效果.     

雾霾天气彩色图像的局域非线性变换增强算法

基于数字图像处理的实时图像增强处理技术可有效地降低受到雾、霾等大气环境的影响,严重限制了电视成像系统的性能和使用环境这种不利影响,本文分析了雾、霾等大气环境对彩色电视成像系统产生影响的原因,研究了基于Retinex理论的图像增强方法和子块部分重叠局域亮度灰度非线性变换算法,并对这几种算法的处理效果及算法复杂程度进行了对比. 结果表明,子块部分重叠局域亮度灰度非线性变换算法是一种处理效果和处理速度比较平衡的算法.      

Retinex理论在航空影像增强中的应用

在航空影像的成像过程中,由于大气衰减、云层、烟雾、向阳、背阳等影响,使获取的影像质量下降,出现对比度降低、亮度不均、色彩失真等问题。针对这些问题,提出结合人眼颜色恒常性的典型计算理论Retinex理论,来模拟人眼视觉的感知模型,通过一个像素和其周围像素的明亮度比较运算,获得对象表面的反射率影像,并基于"灰度世界"假设,对图像进行了后处理。给出了Retinex算法在航空影像增强中的具体实现流程,并进行了计算机仿真实验。结合方差、平均梯度、清晰度等参数,验证了算法在图像对比度、细节增强和色彩保真等方面的效果。     

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.     

一种改进的McCann图像增强算法

提出了一种改进型的基于Retinex理论的McCann图像增强算法。简单介绍了Retinex理论,论述了基于Retinex理论的图像增强方法的基本步骤,详细阐述了McCann算法的改进方法,改善图像增强效果。     

单幅室外自然场景中的阴影检测与消除

为了改进Retinex算法在阴影消除中的不足,该文提出了一种基于高斯分布与Retinex模型的阴影检测与消除算法,通过灰度分布将图像分割为阴影区域、半影区域和正常光照区域,采用Retinex算法分别对阴影区域和正常光照区域提取光照,并消除光照影响,然后对半影区域进行双线性插值,得到消除阴影后的图像.该算法对大面积阴影的检测与消除具有很好的效果,同时避免了Retinex算法在灰度变化剧烈区域产生的模糊问题,实验证实了该算法的有效性.     

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。     

自适应Retinex与Canny的炉膛火焰边缘检测算法

对炉膛火焰图像的增强与检测是获得炉膛内部燃烧情况的重要手段.首先,提出了一种自适应多尺度Retinex算法,提高了火焰清晰度和炉膛火焰与炉膛的对比度.其次,提出了识别火焰边缘改进的Canny算法,提高了火焰边缘清晰度.仿真结果表明,炉膛火焰与环境对比度得到提高,改善了图像的视觉效果,火焰边界连续且轮廓清晰.